Python - bases et introduction aux librairies scientifiques
Data Value
Non finançable CPF
Tout public
Présentiel
Public admis
Salarié en poste
Demandeur d'emploi
Entreprise
Etudiant
Prix
1980 €
Durée
Nous contacter
Localité
En présentiel
Découvrez les localités disponibles pour suivre cette formation en présentiel.
Objectifs
Objectifs
Connaître les concepts du langage Python ainsi que les principales librairies scientifiques : NumPy, Pandas, Matplotlib...
Compétences visées
- Acquérir les fondamentaux de Python en installant l'environnement, écrivant des premiers programmes, et en utilisant IPython pour interagir avec le langage.
- Maîtriser les bases du langage Python y compris les opérateurs, instructions de contrôle, fonctions, et structures de données
- Structurer un projet Python en modules et packages, en appliquant les principes de programmation modulaire pour organiser le code de manière réutilisable.
- Exploiter la bibliothèque standard de Python pour la gestion des fichiers, des répertoires, et l'interface avec le système d'exploitation
- Mettre en oeuvre les concepts de base de la programmation orientée objets
- Adopter des bonnes pratiques de développement Python
- Manipuler des tableaux de données et effectuer des calculs numériques avec NumPy en utilisant ses fonctions pour la corrélation de données, la manipulation de matrices, et d'autres opérations mathématiques
- Visualiser des données en traçant des graphiques avec Matplotlib
- Manipuler et analyser des données avec Pandas, en utilisant des Series et DataFrames pour l'indexation, la transformation, l'agrégation, et la visualisation de données.
- Explorer les bases du Machine Learning et du Deep Learning avec SciKit-Learn, TensorFlow, et PyTorch, pour comprendre les concepts clés et implémenter des modèles simples.
Connaître les concepts du langage Python ainsi que les principales librairies scientifiques : NumPy, Pandas, Matplotlib...
Compétences visées
- Acquérir les fondamentaux de Python en installant l'environnement, écrivant des premiers programmes, et en utilisant IPython pour interagir avec le langage.
- Maîtriser les bases du langage Python y compris les opérateurs, instructions de contrôle, fonctions, et structures de données
- Structurer un projet Python en modules et packages, en appliquant les principes de programmation modulaire pour organiser le code de manière réutilisable.
- Exploiter la bibliothèque standard de Python pour la gestion des fichiers, des répertoires, et l'interface avec le système d'exploitation
- Mettre en oeuvre les concepts de base de la programmation orientée objets
- Adopter des bonnes pratiques de développement Python
- Manipuler des tableaux de données et effectuer des calculs numériques avec NumPy en utilisant ses fonctions pour la corrélation de données, la manipulation de matrices, et d'autres opérations mathématiques
- Visualiser des données en traçant des graphiques avec Matplotlib
- Manipuler et analyser des données avec Pandas, en utilisant des Series et DataFrames pour l'indexation, la transformation, l'agrégation, et la visualisation de données.
- Explorer les bases du Machine Learning et du Deep Learning avec SciKit-Learn, TensorFlow, et PyTorch, pour comprendre les concepts clés et implémenter des modèles simples.
Programme
- Introduction rapide
Historique
Installation
Premier programme
Principales versions
Prise en main de IPython
- 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)
Historique
Installation
Premier programme
Principales versions
Prise en main de IPython
- 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)
Envie d’en savoir plus sur cette formation ?
Documentez-vous sur la formation
Ces formations peuvent vous intéresser
Les formations les plus recherchées
Lyon
Toulouse
Marseille
Montpellier
Paris
Bordeaux
Dijon
Mâcon
Nantes
Rennes
Informatique CPF
Informatique en Ligne
Python
Python CPF
Python en Ligne
Technicien informatique
Technicien support informatique
Administrateur systeme
Consultant en informatique
Spark
Programmation
Technicien reseaux
Administrateur reseau
Hadoop
Growth hacking
Python Clermont-Ferrand
Python Grenoble
Python Saint-Étienne
Python Annecy
Python Chambéry
Python Roanne
Python Aurillac
Python Le Pontet
Python Moirans
Python Annemasse