> Formations > Technologies numériques > Langages et développement > Python > Formation Python, initiation au traitement de données > Formations > Technologies numériques > Formation Python, initiation au traitement de données
Formation Python, initiation au traitement de donnéesDébuter avec Python et ses librairies de calculs et d'analyses
Formation pratique - 3j
- 21h00 - Réf. PYK
|
Télécharger le programme
Partager cette formation
 | Savoir programmer avec le langage Python |
| Posséder une vue d’ensemble de l’écosystème scientifique de Python |
| Connaître les librairies scientifiques incontournables pour la science des données |
Public concerné
Ingénieurs, développeurs, chercheurs, data scientists, data analysts et toute personne désireuse de se former à l'univers scientifique de Python.
Prérequis
Pratique d’un langage de programmation ou connaissance de l’algorithmique.
Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant
ce test.
Méthodes et moyens pédagogiques
Exercice
De nombreux exercices sont réalisés pour illustrer les sujets.
Méthodes pédagogiques
Pédagogie active, des démonstrations sont mises en œuvre par le formateur pour une mise en pratique plus rapide par les participants.
Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.
Programme de la formation
1 Initiation au langage Python
- L'environnement de développement Python/Anaconda.
- Les principaux types de données : chaînes, booléennes, nombres, listes, tuples et dictionnaires.
- Les structures de contrôles : les boucles for et while, le test if/elif/else.
- Les fonctions : création, passage de paramètres, valeurs par défaut, arguments variables.
- Créer et utiliser des librairies.
- Les principaux pièges de Python : types mutable et unmutable, affectation par référence/adresse.
Travaux pratiques
Manipulation de Python avec la distribution Anaconda, utilisation d’un IDE, petits exercices d’algorithmique pour prendre en main le langage. Manipulation de dates.
2 Compléments sur le langage
- Comprendre la syntaxe orientée objet.
- Savoir créer une classe : attributs de classe, d’instance, méthodes, fonctions spéciales.
- Lecture et écriture de fichiers au format texte.
- Utiliser les librairies standard : bases de données relationnelles et expressions régulières.
Travaux pratiques
Connexion à une base de données relationnelle et analyse de logs avec les expressions régulières, afin de créer un fichier CSV, pour son exploitation par les librairies scientifiques.
3 Présentation de l'écosystème Python scientifique
- Panorama de l’écosystème scientifique de Python : les librairies incontournables.
- Savoir où trouver de nouvelles librairies et juger de leur pérennité.
- Les principaux outils et logiciels open source pour la data science.
- Pourquoi utiliser une distribution scientifique comme Anaconda.
- Comprendre l’intérêt d’un environnement virtuel et savoir l’utiliser.
- L’interpréteur iPython et le serveur Jupyter.
- Les bonnes pratiques pour bien démarrer son projet de data science avec Python.
- Les formats de fichiers scientifiques et les librairies pour les manipuler.
Travaux pratiques
Mise en place de l’environnement de développement. Création d’un environnement virtuel, export et duplication d’un environnement, utiliser les notebooks Jupyter.
4 La SciPy Stack
- Pandas : l’analyse de données tabulaires (CSV, Excel...), statistiques, pivots, filtres, recherche…
- Matplotlib : la librairie de visualisation de données incontournable pour bien démarrer.
- Le socle de librairies scientifiques incontournables sur lequel sont basées toutes les autres : la SciPy Stack.
- Numpy : calcul numérique et algèbre linéaire (les vecteurs, matrices, images).
- Scipy, basée sur Numpy pour : les statistiques, les analyses fonctionnelles et géospatiales, le traitement du signal...
Travaux pratiques
Traitement d’images avec Numpy. Premiers tracés. Analyses statistiques de fichiers CSV. Premiers éléments de cartographie. Transformées de Fourier.
Solutions de financement
Plusieurs solutions existent pour financer votre formation et dépendent de votre situation professionnelle.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.
Avis clients
4,5 / 5
Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.
GALL THIERRY L.
05/08/26
5 / 5
Le formateur connait bien le domaine et il l’explique très bien.
CINDY S.
08/06/26
3 / 5
Revoir impérativement le contenu, la méthodologie et le format
PRINCY MICHAEL B.
08/06/26
4 / 5
Contenu globalement clair et interactif pour que l’on puisse assimiler les notions de base python
Horaires
Les formations ont lieu de 9h à 17h30, avec une pause de 1h à 1h30 pour le déjeuner.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
Pour les formations de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 16h le dernier jour.
Date de publication : 22/01/2024
PARTICIPANTS
Ingénieurs, développeurs, chercheurs, data scientists, data analysts et toute personne désireuse de se former à l'univers scientifique de Python.
PRÉREQUIS
Pratique d’un langage de programmation ou connaissance de l’algorithmique.
COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.
MODALITÉS D’ÉVALUATION
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.
MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.
ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.
Ingénieurs, développeurs, chercheurs, data scientists, data analysts et toute personne désireuse de se former à l'univers scientifique de Python.
PRÉREQUIS
Pratique d’un langage de programmation ou connaissance de l’algorithmique.
COMPÉTENCES DU FORMATEUR
Les experts qui animent la formation sont des spécialistes des matières abordées. Ils ont été validés par nos équipes pédagogiques tant sur le plan des connaissances métiers que sur celui de la pédagogie, et ce pour chaque cours qu’ils enseignent. Ils ont au minimum cinq à dix années d’expérience dans leur domaine et occupent ou ont occupé des postes à responsabilité en entreprise.
MODALITÉS D’ÉVALUATION
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.
MOYENS PÉDAGOGIQUES ET TECHNIQUES
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.
• Les moyens pédagogiques et les méthodes d’enseignement utilisés sont principalement : aides audiovisuelles, documentation et support de cours, exercices pratiques d’application et corrigés des exercices pour les formations pratiques, études de cas ou présentation de cas réels pour les séminaires de formation.
• À l’issue de chaque formation ou séminaire, ORSYS fournit aux participants un questionnaire d’évaluation du cours qui est ensuite analysé par nos équipes pédagogiques.
• Une feuille d’émargement par demi-journée de présence est fournie en fin de formation ainsi qu’une attestation de fin de formation si le participant a bien assisté à la totalité de la session.
MODALITÉS ET DÉLAIS D’ACCÈS
L’inscription doit être finalisée 24 heures avant le début de la formation.
ACCESSIBILITÉ AUX PERSONNES HANDICAPÉES
Pour toute question ou besoin relatif à l’accessibilité, vous pouvez joindre notre équipe PSH par e-mail à l’adresse psh-accueil@orsys.fr.
Ce programme est une création originale, conçu par les équipes pédagogiques d'ORSYS Formation. Toute reproduction, représentation, adaptation ou exploitation, totale ou partielle, sans autorisation préalable écrite d'ORSYS, est strictement interdite. ORSYS se réserve le droit d'engager toute action nécessaire à la protection de ses droits de propriété intellectuelle.
Dates et lieux
Sélectionnez votre lieu ou optez pour la classe à distance puis choisissez votre date.
Classe à distance
Dernières places
Date garantie en présentiel ou à distance
Session garantie
Ce programme est une création originale, conçu par les équipes pédagogiques d'ORSYS Formation. Toute reproduction, représentation, adaptation ou exploitation, totale ou partielle, sans autorisation préalable écrite d'ORSYS, est strictement interdite. ORSYS se réserve le droit d'engager toute action nécessaire à la protection de ses droits de propriété intellectuelle.