Python pour la Data Science

Data Value

Non finançable CPF

Tout public

En ligne

Présentiel

Public admis

Salarié en poste

Demandeur d'emploi

Entreprise

Etudiant

Prix

Nous contacter

Durée

Nous contacter

Localité

En ligne

Vous pouvez suivre cette formation depuis chez vous ou depuis n’importe quel endroit à distance.

En présentiel

Découvrez les localités disponibles pour suivre cette formation en présentiel.

Objectifs

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

Programme

- L'écosystème scientifique Python

Les incontournables: Numpy, Scipy, Pandas, Matplotlib et iPython qui sont le ciment de toutes les autres librairies scientifiques
Panorama des librairies et logiciels scientifiques par domaine
Les critères permettant de juger de la qualité d'une librairie

- Calculer avec des nombres réels: comprendre les erreurs de calculs

- La scipy stack

Manipuler des tableaux de nombres: Numpy
- Différences avec les listes Python
- Création, sélection, filtres et principales fonctions
Visualiser ses données: Matplotlib
- Les concepts de la librairie
- Principaux graphiques: nuages de points, courbes, histogrammes, boxplot, ...
- Fonctionnalités avancées: 3D, légendes, colorbar, manipuler les axes, annotations, ...
Analyse de données: Pandas
- Les fondements de la librairie: Manipuler des données de type CSV et Excel
- Séries et Dataframes
- Index, sélection de données, filtres/recherche, agrégations, jointures et fonctions avancées
- Manipuler des séries temporelles
Les fonctions mathématiques avancées: Scipy
- Statistiques, optimisation, interpolations/régressions, traitement d'images

- Visualisation de données

- Visualiser des données géospatiales

Convertir ses données d'un système de coordonnées à l'autre
Cartographie interactive "à la Open Street Map/Google Maps" avec Folium/iPyleaflet
Cartographie statique avec Cartopy
Autres librairies géospatiales

- Manipulation de données volumineuses

Les librairies h5py, pytables, netcdf4, xarray, iris, parquet permettant de lire vos fichiers scientifiques
Paralléliser ses calculs avec Dask
Paralléliser ses calculs avec CuDF
Manipuler des dataframes gigantesques avec Dask

- Personnalisation
Sous réserve de contraintes techniques ou de confidentialité, nous vous pr