Formation Python pour la data science

Cette formation vous permettra de mettre en œuvre les bibliothèques scientifiques pour analyser  et visualiser des données à l'aide de Python.

Prérequis

Connaître l'algorithme, programmation en Python

Objectif

• Modifier et exécuter un notebook Jupyter
• Créer et installer des modules Python
• Manipuler des tableaux avec Numpy
• Visualiser des données avec Matplotlib et Seaborn
• Manipuler un jeu de données grâce à Pandas

Public Cible

Managers, Responsables B.I, Développeurs Python et toute personne interssée par l'analyse des données sous Python.

Les participants aborderont le traitement de différents formats de données structurées ou non  structurées (tableau, CSV, JSON, etc.) tout en les rendant opérationnel dans l’utilisation des principales bibliothèques Python comme NumPy, Pandas, Matplotlib, etc.

Programme de la Formation

Mettez en place votre environnement de travail

• Familiarisez-vous avec l'écosystème Python
• Installez Jupyter/ Spyder sur votre propre ordinateur
• Lancez une session de notebook Jupyter sur la Description Anaconda
• Faîtes vos premiers pas dans un notebook Jupyter

Initiez-vous à la librairie Numpy

• Les tableaux Numpy et leurs particularités
• Création de tableaux
• Sélection de données
• Calculs sur les tableaux
• Séquences 
• Filtres

Activité Pratique :

• Utilisation du module Numpy/ Statistiques avec numpy

Visualisation des données avec Matplotlib et Seaborn

• Plongez en détail dans la librairie NumPy
• Maîtrisez les possibilités offertes par Matplotlib
• Affichage de courbes 2D
• Affichage de nuages de points
• Affichage d'histogramme
• Pie / camembert
• Figure avec plusieurs graphiques
• Réalisez de beaux graphiques avec Seaborn

 Activité Pratique  :

• Effectuez une régression linéaire 

Traitez de grandes quantités de données grâce à la librairie Pandas

• Passez de Numpy à Pandas
• Manipulez les données contenues dans vos DataFrames
• Fusion de DataFrame
• Tri de Dataframes 
• Concaténations et jointures de dataframes
• Réorganisation des dataframes
• Calcul des agrégats sur les dataframes
• Effectuez les opérations d'algèbre relationnelle sur les DataFrames
• Lecture et écriture de fichiers

 Activité Pratique :

• Générez des cartes de vœux avec Pandas