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