Formation Python pour la science des données

Ce cours de 3 jours apprend aux participants à programmer en Python pour la data science, depuis les bases du langage jusqu’aux librairies essentielles pour la data science.

A travers de nombreux exercices pratiques ils prendront en main les environnements de développement Python, la distribution Anaconda, l’environnement de travail collaboratif JupyterLab ainsi que les librairies Python majeures telles que NumPy, Pandas, Matplotlib, Seaborn et Scikit-Learn pour faire de la data science.

Introduction à l’analyse de données avec Python

• Pourquoi Python pour l’analyse de données ?
• Introduction au langage Python: bref historique, versions, outils.
• Les librairies Python essentielles pour l’analyse de données.
• Notebooks interactifs collaboratifs: JupyterLab, Kaggle Kernels, Google Colab.
• Ateliers: Installer un environnement Python complet pour l’analyse des données, type Anaconda.
• Prendre en main de l’environnement de développement JupyterLab.

Les bases de Python pour la manipulation de données

• Premier programme Python.
• Organiser et écrire son code, PEPs.
• Expressions, variables et types.
• Chaînes de caractère et texte.
• Interagir avec les utilisateurs: inputs et affichage formaté.
• Structures de données: listes, ensembles, dictionnaires, tuples.
• Logique et boucles.
• Fonctions.
• Travailler avec des fichiers.
• Itérateurs et Générateurs.
• Atelier: Explorer des jeux de données dans des fichiers tenant ou non en mémoire.

Au delà du prototypage dans les notebooks

• Bases de POO en Python (classes, objets).
• Modulariser son code.
• IDE et débuggers.
• Ateliers: Refactoring du code d’exploration de données avec une approche modulaire et POO.
• Développer une application web basique avec Flask permettant de partager les résultats de l’exploration des données.

Les bases de Numpy: tableaux et calculs vectoriels

• Représentation des tableaux avec Numpy.
• Fonction universelles et accès rapide aux éléments.
• Programmation orientée tableaux.
• Tableaux et fichiers.
• Algèbre linéaire.
• Génération de nombres pseudo aléatoire.
• SciPy.
• Ateliers: Implémenter des fonctions avec Numpy et Traiter des données avec Numpy et SciPy.

Les bases de Pandas

• Les structures de données Pandas.
• Fonctionnalités essentielles.
• Statistiques descriptives.
• Atelier: Mettre en oeuvre des analyses de données exploratoires quantitatives.

Gestion des fichiers de données sous Pandas

• Les différents formats de données.
• Bonnes pratiques en terme de manipulation de gros fichiers.
• Stratégies pour analyser les données à l’échelle.
• Atelier: Explorer des jeux de données tenant ou non en mémoire.

Visualisation des données en Python

• Visualisation avec MatplotLib.
• Visualisation avec Pandas et Seaborn.
• Autres outils de visualisation: bokeh, plotly,…
• Atelier: Mettre en oeuvre des analyses de données exploratoires visuelles.

Pandas avancé

• Nettoyer et préparer les données.
• Joindre, combiner et reshaper des données.
• Agréger et grouper les données.
• Séries de temps.
• Atelier: Manipulation avancée des fichiers .CSV avec Pandas.

Web scraping

• Rappels sur le fonctionnement du web et des sites web.
• Qu’est-ce que le web crawling et le web scraping ? Est-ce légal, faut-il se conformer ? Quels sont les outils communément utilisés ?
• Télécharger des pages web et effectuer des requêtes HTTP.
• Web scraping avec BeautifulSoup.
• Atelier: Scraping web avec Request et BeautifulSoup.

Introduction à Scikit-learn

• Pré-traitement des données: chargement et transformations.
• Analyse et prédiction sur les données avec les algorithmes de machine learning: régression, classification, clustering, réduction de dimensionnalité.
• Atelier: Prise en main de Scikit-learn: pré-processing et premier modèle ML.