Nous utilisons des cookies pour vous fournir l'ensemble de nos services, notamment la recherche et les alertes. En acceptant, vous consentez à notre utilisation de ces cookies.
Choisir mes préférences
Python pour la data science
Objectifs
Programme
Apprendre à utiliser le langage Python et ses principales librairies scientifiques pour traiter, visualiser et modéliser les données en Data Scienc.
L'écosystème scientifique Python
✓ Les incontournables: Numpy, Scipy, Pandas, Matplotlib et iPython qui sont le ciment de toutes les autres librairies scientifiques
✓ Panorama des librairies et logiciels scientifiques par domaine
✓ Les critères permettant de juger de la qualité d'une librairie
Calculer avec des nombres réels: comprendre les erreurs de calculs
✓ La représentation des nombres réels
✓ Comprendre les erreurs de calculs et les contourner
La scipy stack
✓ Manipuler des tableaux de nombres: Numpy
• Différences avec les listes Python
• Création, sélection, filtres et principales fonctions
✓ Visualiser ses données: Matplotlib
• Les concepts de la librairie
• Principaux graphiques: nuages de points, courbes, histogrammes, boxplot, ...
• Fonctionnalités avancées: 3D, légendes, colorbar, manipuler les axes, annotations, ...
✓ Analyse de données: Pandas
• Les fondements de la librairie: Manipuler des données de type CSV et Excel
• Séries et Dataframes
• Index, sélection de données, filtres/recherche, agrégations, jointures et fonctions avancées
• Manipuler des séries temporelles
✓ Les fonctions mathématiques avancées: Scipy
• Statistiques, optimisation, interpolations/régressions, traitement d'images
Visualisation de données
✓ Présentation de l'écosystème de visualisation de données de Python
✓ Les librairies orientées Web: Bokeh, Altair et Plotly
✓ Les "écosystèmes" PyViz et HoloViz
✓ La visualisation de données volumineuses/big data avec DataShader
✓ Les statistiques avec Seaborn
Visualiser des données géospatiales
✓ Convertir ses données d'un système de coordonnées à l'autre
✓ Cartographie interactive "à la Open Street Map/Google Maps" avec Folium/iPyleaflet
✓ Cartographie statique avec Cartopy
✓ Autres librairies géospatiales
Manipulation de données volumineuses
✓ Les librairies h5py, pytables, netcdf4, xarray, iris, parquet permettant de lire vos fichiers scientifiques
✓ Paralléliser ses calculs avec Dask
✓ Paralléliser ses calculs avec CuDF
✓ Manipuler des dataframesgigantesques avec Dask
Personnalisation
Public visé
Développeurs, chefs de projets, data scientistsdéveloppant des applications scientifiques requérant d'importantes capacités de calculs.
Prérequis
Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation
Python – Bases et introduction aux librairies scientifiques ou d'avoir atteint par la pratique un niveau équivalent.
Méthodes pédagogiques
Nos formations sont majoritairement pratiques (70%), les concepts théoriques sont illustrés d’exemples et exercices. Les supports sont essentiellement construits avec les notebooks Jupyter/Lab et sont suffisamment détaillés pour être repris seul(e) après la formation. Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel Python.
Modalités d'évaluation
Formulaire d'autoévaluation en amont et aval de la formation, exercices pratiques de fin de séquences pédagogiques, questionnaires d’évaluation à chaud et à froid.
Choisissez une date pour pouvoir réserver !
Autres formation Python pour la data science
Autres formations disponibles :