Formation Python – Bases et introduction aux librairies scientifiques

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 œuvre 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.

Public

Profil scientifique désireux d'acquérir les bases du langage Python pour être autonome lors de l'utilisation des librairies scientifiques

Pré-requis

Expérience de la programmation et de l'algorithmique

Méthode pédagogique

Chaque chapitre s'achève par des travaux pratiques qui mettent en oeuvre les éléments présentés. Les TP utilisent les outils Pycharm ou Spyder selon les souhaits.
Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel Python.

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)

Modalités d'évaluation

Un formulaire d'auto-évaluation proposé en amont de la formation nous permettra d'évaluer votre niveau et de recueillir vos attentes. Ce même formulaire soumis en aval de la formation fournira une appréciation de votre progression.
Des exercices pratiques seront proposés à la fin de chaque séquence pédagogique pour l'évaluation des acquis.
En fin de formation, vous serez amené(e) à renseigner un questionnaire d'évaluation à chaud.
Une attestation de formation vous sera adressée à l'issue de la session.
Trois mois après votre formation, vous recevrez par email un formulaire d'évaluation à froid sur l'utilisation des acquis de la formation.

Pour aller plus loin

Nous vous recommandons les formations Python pour la Data Science et Python avancé

Solutions de financement

Cette formation peut être financée :

dans le cadre du plan de développement des compétences de votre Entreprise
par l’OPCO (opérateur de compétences) de votre Entreprise ou le FAF (Fonds d’Assurance Formation) pour les professionnels libéraux
par France Travail dans le cadre du dispositif de l'Aide Individuelle à la Formation (soumis à accord de votre Agence)
à titre personnel

Accessibilité

Vous souhaitez suivre notre formation Python – Bases et introduction aux librairies scientifiques et êtes en situation de handicap ? Merci de nous contacter afin que nous puissions envisager les adaptations nécessaires et vous garantir de bonnes conditions d'apprentissage

Ce que pensent nos clients de la formation Python – Bases et introduction aux librairies scientifiques

M. Andrian N., Airbus Defence & Space
L'équilibre parfait entre les TP et la théorie. Animateur excellent

Mme Carole C., Ingénieure chez Airbus Defence & Space
Parfait ! Formateur très compétent et passionné

M. Jean-Claude S, Maître de Conférences en Informatique à Agrosup Dijon
Très bonne introduction aux bases de Python et de la Data Science. Parfaite pour débuter les Data Science et Python. Formateur très bien avec un débit adapté, à l'écoute et une très bonne pédagogie

M. Florian V., Ingénieur d'Etudes & Optimisation des Performances chez VALECO
Troisième formation suivie avec Data Value. Toujours aussi satisfait de la qualité et du professionnalisme des intervenants de cet organisme. Merci encore Carlos pour ce partage de connaissances.