FORMATION PYTHON – Les bases + approfondissement data

• Créer son environnement de travail Python

• Maîtriser les bases de Python

• Concevoir une micro-application

• Maîtriser les principales librairies de la Data Science

• Automatiser son travail

Introduction

• Qu’est-ce qu’un programme informatique ? Pourquoi et comment utiliser Python ?
• Créer son environnement de travail Python
• Les bonnes pratiques de Python

Les types et les structures de données

• Les différents types de variables («int», «float» et «str»)
• Les différentes structures de données (liste, dictionnaire et ensemble)

Les fonctions

• Qu’est-ce qu’une fonction ? Comment créer une fonction?
• Les méthodes natives «built-in» de Python

Les boucles

• Les structures conditionnelles «if», «elif», «else»
• L’itération avec «for» et «while»
• L’utilisation des opérateurs logiques «and» et «or»

La compréhension de liste et de tuple

• Syntaxe de la compréhension de liste et de tuple
• Les fonctions anonymes : Lambda
• Manipulation des listes avec l’utilisation des fonctions «range()», «len()», «enumerate()», «zip()», «filter()»…et méthode «append() », «count()»…

La compréhension de dictionnaire

• Syntaxe de la compréhension de dictionnaire.
• Manipulation des dictionnaires avec l’utilisation des méthodes «items()», «values()», «get()»…

Les ensembles

• Manipulation des ensembles avec l’utilisation des méthodes «?union()?», «?intersection()?»…

La gestion des erreurs

• Gestion des erreurs et des exceptions avec les instructions «try», «except», «raise» et «finally»

Les modules

• Introduction aux modules «datetime», «random» et «statistics»

La gestion des fichiers et des répertoires

• Création et manipulation de fichiers et répertoires
• Gestion des chemins d’accès

Intégrations de données

• Connexion base de données SQL
• Connexion API

La programmation orientée objet (POO)

• Le concept de classe et d’objet
• Les 5 fondamentaux de la POO : L’héritage, le polymorphisme, l’abstraction, l’encapsulation et les interfaces.
• Les méthodes spéciales

La construction d’une interface graphique avec Tkinter

• Le concept de GUI
• Construction d’une interface graphique

La distribution d’une application avec CXFreeze

• Création et distribution d’une micro-application

Anaconda

• Qu’est-ce qu’un environnement data ?
• Présentation de la plateforme Anaconda, de ses outils Jupyter notebook et Spyder.

Numpy

• Les différentes structures de données (ndarray, matrice)
• Intégration de données de fichiers «.csv»
• Manipulation de données (Agréger, insérer, supprimer, filtrer, slicing…)
• Restructurer un tableau (Fractionner, combiner, fusionner)
• Calcul matriciel
• Résolution d’équation
• Calcul statistique (moyenne, médiane et variance)
• Les tableaux masqués

Pandas

• Créer un DataFrame
• Intégration de données de fichiers Excel
• Indexing avec les méthodes «loc()» et «iloc()»
• Manipulation de données (Filtrer, trier, supprimer, remplacer, extraire, créer des colonnes…)
• Restructurer un tableau (Fractionner, combiner, fusionner, pivoter, dépivoter)
• Décrire les données avec les outils statistiques

Matplotlib

• Récupérer les données
• Créer un visuel (courbe, diagramme, histogramme, secteur, nuage de points et visualisation 3D)
• Mise en forme d’un visuel

Seaborn

• Récupérer les données
• Les différents types de visuels?: relation, distribution, catégorisation, corrélation, régression et multi-visuel.
• Création d’un visuel : Lineplot, scatterplot, displot, hisplot, kdeplot, catplot, boxplot, heatmap…

SciPy

• Interpolation
• Calcul matriciel
• Régression linéaire

Beautiful Soup

• Généralités sur le web-scraping
• Chargement d’une page WEB
• Naviguer dans la structure de la page WEB
• Rechercher des éléments dans la page WEB

FORMATION PYTHON – Les bases + approfondissement data

Formation finançable avec votre compte CPF

Consultants

et formateurs

Financement facilité

CPF, OPCA, etc.

5 participants

maximum par sessions

Nous sommes un organisme de formation spécialisé dans le langage Python, nous formons les développeurs et data scientists de demain.
Nos formateurs experts de la science des données interviennent au service d'entreprises prestigieuses (Total Lubmarine, Barclays, ESSEC Business School, Showroom privé).
Nous vous proposons des cours et des exercices de qualité pour apprendre à coder et traiter la data. Voici quelques point que nous allons aborder ensemble :
Les bases de Python
Pour acquérir des compétences solides sur ce langage informatique mutliparadigme. Idéal pour les développeurs et programmeurs débutants. Un apprentissage pour automatiser, coder, programmation orientée objet (POO).
L'environnement Python
Pour maîtriser les environnements différents de Python : PyCharm de Jetbrain (IDE), Anaconda (open source). Construisez et développez des projets avancés.
Intégration de données
Pour data analyst / data engineer : Apprenez la collecte des données avec Pandas, la connexion aux API, bases de données Mysql ou encore le web Scraping avec le framework Scrapy.
Traitement des données
Pour nettoyer, filtrer et fusionner les données avec les bibliothèques Pandas et Numpy, dédiées à la data science. Utilisez des scripts pour programmer.
Statistique et analyse de données
Pour le codage et la création de modèles statistiques avancés : Coefficients de corrélation, régressions linéaires, nuages de points, séries chronologiques.
Librairies de visualisation
Pour apprendre à visualiser les données traitées : histogrammes, courbes, secteurs, nuages de points... Avec les nombreuses bibliothèques Python et interfaces : Matplotlib (code simple et intuitif), Seaborn, Bokeh ou encore Geoplotlib.