Python pour la science des données

• d’utiliser Python en standalone et à travers JupyterLab.
• d’acquérir des données à partir des formats de fichiers standards (ex: CSV) ou par web scraping.
• de mettre en oeuvre des analyses de données exploratoires quantitatives avec Numpy et Pandas.
• de mettre en oeuvre des analyses de données exploratoires visuelles avec Matplotlib, Pandas, Seaborn, Bokeh,…
• de résoudre des problèmes réels d’analyse de données à grande échelle.

• Consultants, développeurs, chefs de projet, data scientists, data engineers

• Connaissances de base en programmation (logique, structures de données)
• Connaissances de base en mathématiques (fonctions, vecteurs, matrices)

A noter: des bases en Python seront un plus mais ne sont pas requises, les concepts fondamentaux du langage étant présentés la première journée

Jour 1

Python au sein d’un environnement data science type Anaconda.

Module 1: Introduction à l’analyse de données avec Python

• Pourquoi Python pour l’analyse de données ?
• Introduction au langage Python: bref historique, versions, outils.
• Les librairies Python essentielles pour l’analyse de données.
• Notebooks interactifs collaboratifs: JupyterLab, Kaggle Kernels, Google Colab.

Ateliers:

• Installer un environnement Python complet pour l’analyse des données, type Anaconda.
• Prendre en main de l’environnement de développement JupyterLab.

Module 2: Les bases de Python pour la manipulation de données

• Premier programme Python.
• Organiser et écrire son code, PEPs.
• Expressions, variables et types.
• Chaînes de caractère et texte.
• Interagir avec les utilisateurs: inputs et affichage formaté.
• Structures de données: listes, ensembles, dictionnaires, tuples.
• Logique et boucles.
• Fonctions.
• Travailler avec des fichiers.
• Itérateurs et Générateurs.

Atelier:

• Explorer des jeux de données dans des fichiers tenant ou non en mémoire.

Module 3: Au delà du prototypage dans les notebooks

• Bases de POO en Python (classes, objets).
• Modulariser son code.
• IDE et débuggers.

Ateliers:

• Refactoring du code d’exploration de données avec une approche modulaire et POO.
• Développer une application web basique avec Flask permettant de partager les résultats de l’exploration des données.

Jour 2

Les librairies Python pour la data science.

Module 4: Les bases de Numpy: tableaux et calculs vectoriels

• Représentation des tableaux avec Numpy.
• Fonction universelles et accès rapide aux éléments.
• Programmation orientée tableaux.
• Tableaux et fichiers.
• Algèbre linéaire.
• Génération de nombres pseudo aléatoire.
• SciPy.

Ateliers:

• Implémenter des fonctions avec Numpy.
• Traiter des données avec Numpy et SciPy.

Module 5: Les bases de Pandas

• Les structures de données Pandas.
• Fonctionnalités essentielles.
• Statistiques descriptives.

Atelier:

• Mettre en oeuvre des analyses de données exploratoires quantitatives.

Module 6: Gestion des fichiers de données sous Pandas

• Les différents formats de données.
• Bonnes pratiques en terme de manipulation de gros fichiers.
• Stratégies pour analyser les données à l’échelle.

Atelier:

• Explorer des jeux de données tenant ou non en mémoire.

Module 7: Visualisation des données en Python

• Visualisation avec MatplotLib.
• Visualisation avec Pandas et Seaborn.
• Autres outils de visualisation: bokeh, plotly,…

Atelier:

• Mettre en oeuvre des analyses de données exploratoires visuelles.

Jour 3

Utilisation avancée des librairies Python pour la data science.

Module 8: Pandas avancé

• Nettoyer et préparer les données.
• Joindre, combiner et reshaper des données.
• Agréger et grouper les données.
• Séries de temps.

Atelier:

• Manipulation avancée des fichiers .CSV avec Pandas.

Module 9: Web scraping

• Rappels sur le fonctionnement du web et des sites web.
• Qu’est-ce que le web crawling et le web scraping ? Est-ce légal, faut-il se conformer ? Quels sont les outils communément utilisés ?
• Télécharger des pages web et effectuer des requêtes HTTP.
• Web scraping avec BeautifulSoup.

Atelier:

• Scraping web avec Request et BeautifulSoup.

Module 10: Introduction à Scikit-learn

• Pré-traitement des données: chargement et transformations.
• Analyse et prédiction sur les données avec les algorithmes de machine learning: régression, classification, clustering, réduction de dimensionnalité.

Atelier:

• Prise en main de Scikit-learn: pré-processing et premier modèle ML.