Organisme de Formation
aux Technologies et métiers de L'informatique

La pédagogie au service de la technologie

Accueil > éditeurs > Python > Python pour Data-scientist

Python pour Data-scientist

python

Objectifs

Savoir utiliser les principaux outils de traitement et d'analyse de données pour Python
Savoir extraire des données d'un fichier et les manipuler
Mettre en place un modèle d'apprentissage simple

Public

Développeurs

Prérequis

Maîtrise de la programmation Python

Programme de la formation

Positionnement Python

Besoins des data-scientist : calculs, analyse d'images, machine learning, interface avec les bases de données
Apports de python : grande variété d'outils, expertise dans le domaine du calcul scientifique
Tour d'horizon des outils : pandas, agate, bokeh, scikit-learn, pybrain, tensorflow, keras, mxnet, caffe

Calculs et graphiques

NumPy : Base du calcul sur des tableaux
SciPy : Scientific Tools for Python, couche scientifique
Manipulation de tableaux, fonctions mathématiques
Représentation graphique avec basemap et matplotlib
Mise en oeuvre de SciPy/NumPy : manipulation d'images, détection de contours

Manipulation de données personnelles

Pandas : manipulation de tables de données
Tableaux avec Pandas : indexation, opérations, algèbre relationnelle
Stockage dans des fichiers : CSV, h5py, netCDF
Comparaison et performances Pandas / NumPy

Machine learning et deep learning

Présentation de TensorFlow, scikit-learn, keras, mxnet, caffe
TensorFlow : principe de fonctionnement, plate-formes supportées, distribution, APIs fournies en standard, modèles d'apprentissage
Projet scikit-learn : classification, régression, validation de modèles prédictifs
Démonstrations avec les modèles fournis par scikit-learn
Positionnement et comparaison avec Keras, mxnet, caffe