Python pour la data science

Apprendre à utiliser le langage Python et ses principales librairies scientifiques pour traiter, visualiser et modéliser les données en Data Science

- Introduction rapide Historique Installation Premier programme Principales versions Prise en main de Python - Bases du langage Opérateurs et expressions Instructions de contrôle Fonctions Structures de données - Modules et packages Programmation modulaire Importation de modules Du module au Package - Librairie standard Gestion des fichiers Gestion des répertoires Interface avec le système - Programmation objets (bases) Définition de classes Héritages Gestion des exceptions Surcharge des opérateurs - Syntaxe avancée Définitions fonctionnelles de listes Itérateurs et générateurs Décorateurs Instructions "with" et Contextlib Lambda fonctions - Aide au développement Documentation de code Tests unitaires Debugger Installation de packages (pip) - NumPy Base de NumPy (tableaux et types) Entrées/Sorties Fonctions utiles corrélation de données polynômes programmation fonctionnelle Manipulation de matrices - Matplotlib Structure d'un graphe - éléments esthétiques Layout et Annotations Graphes en 3D Graphes interactifs Introduction à Seaborn Introduction à VisPy (3D temps-réel) - Pandas Manipulation de Series et DataFrames Indexation, Catégories Fonctions numériques et statistiques Lecture & écriture de données Transformation de données Agrégations Time-Series Visualisation - Machine Learning Introduction à SciKit-Learn Introduction à TensorFlow Introduction à PyTorch (Deep Learning)

Attestation de formation

Experience de la programmation et de l algorithmique