A propos de cette formation

Python est l’outil le plus populaire en data science et à juste raison : sa simplicité, sa polyvalence, et sa communauté en font un language pratique pour toutes les entreprises ayant vocation à mettre en valeur leurs données.

Guidé par un expert Quantmetry enseignant expérimenté, devenez opérationnel en 2 jours : installez votre écosystème de travail, sachez exploiter les librairies datas clés et commencez à manipuler efficacement vos premiers jeux de données.

Objectifs pédagogiques

  • Connaître les bases du langage python
  • Concevoir des algorithmes performants
  • Manipuler efficacement vos jeux de données

Qu'allez-vous apprendre ?

A l’issue de cette formation pratique et opérationnelle, portée par l’échange autour d’exemples et de cas d’usages vous serez en mesure de :

Maîtriser les bases de la programmation
avec Python

Mettre en place un espace de travail professionnel et sécurisé

Utiliser les librairies datas : numpy, pandas, matplotlib, scikitlearn

Importer , explorer et restituer graphiquement  des données

Utiliser efficacement un algorithme de machine learning

Manipuler de larges flux et volume de données
avec pySpark

Le programme de la formation

​​Une formation sur 2 jours (2 x 7 heures) avec un parcours d’apprentissage clair et progressif dont l’objectif est de vous rendre rapidement Nous veillons à ne pas vous perdre en chemin et faciliter la mémorisation des connaissances dont vous avez besoin pour avancer. 

Matin [3h] : Pourquoi et comment utiliser python

M1 – Introduction et environnement de travail
Histoire et mise en place d’un espace de travail
1. Histoire et écosystème python, principaux avantages du langage : open source, modules spécifiques, communauté
2. L’environnement python : dans quels cas et comment utiliser anaconda, ipython, l’IDE spyder, les jupyter notebooks.
3. Bonnes pratiques de développement en python : modularité, versionnage du code, documentation

M2 – Les bases du langage
Maîtrise des fondamentaux
1. Le rôle de l’indentation dans la définition des blocs de code
2. Les différentes manières d’importer une fonction d’un module externe : avantages et inconvénients
3. La gestion des erreurs : comment les interpréter, comment les intégrer dans la logique du code (try/except)
4. Les types d’objets et leurs spécificités : numériques, chaînes de caractères, listes, dictionnaires
Exercices pratiques

Après-Midi [4h] : Opérateurs de contrôle et fonctions

M1 – Les opérateurs de contrôle
Boucles, itérations, exécutions conditionnelles
1. Comment contrôler l’exécution d’un code grâce aux instructions if / elif / else
2. Les boucles d’itération : for, while et comment les utiliser. Comment sortir d’une boucle grâce aux instructions break et continue
3. La list comprehension, une manière synthétique et flexible de créer une nouvelle liste
Exercices pratiques

M2 – Les fonctions
Rendre son code plus modulaire
1. Définition et instanciation d’une fonction, et ses éléments clés : nom, paramètres, corps de la fonction, output
2. Le concept de portée des variables (locale vs. globale). La portée locale des variables utilisées dans une fonction
3. Paramètres avec ou sans valeur par défaut : intégration dans une fonction, respect des contraintes, appellation des fonctions
4. Un concept utile en cas de traitement ad hoc : les fonctions anonymes et leur usage
Exercices pratiques

Matin [3h] : Programmation orientée objet et bibliothèques principales

M1 – Modules, classes, bibliothèques
Vers des utilisations plus avancées de python
1. Définition et usage d’un module. Comment le construire, l’importer, l’utiliser
2. Définition et usage d’une classe. Attributs et fonctions. La notion d’héritage.
3. Les principales bibliothèques à connaitre : numpy, scipy, datetime, pandas, scikit-learn

M1 – Data visualisation
L’art de mettre les données et leurs interactions en valeur
1. Packages pour la visualisation (matplotlib, seaborn, plotly…) : principes et exemples d’utilisation
2. Exemples de représentations statiques ou dynamiques : comment trouver inspiration dans les galleries en ligne
3. Construire un dashboard à partir d’un code python : introduction à Dash

Après-Midi [4h] : Hands-on pour mettre en pratique les connaissances acquises

M1 – Importer, traiter, visualiser une base de donnée
Les premières étapes d’un projet data
1. Exploration d’un dataset, fréquence et distribution des valeurs, premières visualisation
2. Feature engineering : binning de variables continues, extraction d’information de chaînes de caractères, mélange de variables
3. Gestion des valeurs manquantes : les méthodes fill_forward, fill_backward, et autres techniques plus avancées

M2 – Introduction au ML en Python
Notre premier modèle d’apprentissage supervisé
1. Les grands principes du Machine Learning : apprentissage supervisé ou non supervisé, régression vs classification
2. Echantillonnage des données, entraînement des modèles. Le problème de l’overfit et comment l’éviter
3. Prédictions des valeurs cibles, calcul des métriques de performance, comparaisons entre différents modèles
4. Identification d’axes d’amélioration

Vous préférez télécharger ?

Les modalités pédagogiques

Une formation qui se veut « Hands-on » avec 30% de pratique et nous espérons beaucoup d’échanges constructifs entre vous et avec nous.

70% d'exposé

Un cours synthétique de programmation avec Python dispensé par un véritable pédagogue

30% de pratique

Un passage rapide à la pratique avec de multiples exercices et la revue en profondeur du code

Interactive

Echangez avec le groupe et votre formateur expert sur vos problématiques et trouvez des réponses

Remis pédagogiques :  vous repartez avec ...

Publics et Prérequis

Toute personne ayant un profil technique souhaitant devenir rapidement opérationnel en Data Science avec Python.

Prérequis : Aucun

Cette formation vous plaît ?
Faites la connaitre !
Partager sur linkedin
Partager sur facebook
Partager sur twitter
TARIF H.T.
2 147 €
Intra : Sur devis
Prix par stagiaire. Petit-déjeuner et repas du midi inclus.
VOTRE FORMATEUR
Guillaume

Guillaume

Expert IA / Data

Docteur en imagerie satellitaire, expert en traitement de séries temporelles. Pédagogue expérimenté, il a enseigné en L3 et M2 en école d’ingénieur et pendant plus de 10 ans en cours particuliers
-
#tropicalstorm
#diveinstructor
#wingsuit

PROCHAINE(S) SESSION(S)

16novToute la journée17Initiation Python AccéléréeParis - Saint Augustin

15décToute la journée16Initiation Python AccéléréeParis - Saint Augustin

Cette formation de l'Institut pourrait également vous intéresser