> formation Technologies numériques > formation Développement logiciel > formation Python, C, C_plus_plus > formation Python, initiation au traitement de données économiques et scientifiques

ERROR Avis : La référence d'objet n'est pas définie à une instance d'un objet.
Toutes nos formations Python, C, C++

Formation Python, initiation au traitement de données économiques et scientifiques
Débuter avec Python et ses librairies de calculs et d'analyses

Stage pratique
New
Durée : 3 jours
Réf : PYK
Prix  2021 : 1990 € H.T.
Pauses et déjeuners offerts
  • Programme
  • Participants / Prérequis
  • Intra / sur-mesure
Programme

Python est devenu en quelques années le principal langage de programmation pour tous les métiers liés aux calculs numériques et à l’analyse de données. Cette montée en puissance est devenue telle que plus aucune discipline scientifique ne semble pouvoir, ni même vouloir lui échapper. Alors lancez-vous avec Python !

Objectifs pédagogiques

À l’issue de la formation, le participant sera en mesure de :
  • 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

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.
PROGRAMME DE FORMATION

Initiation au langage Python

  • 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
Installation de Python avec la distribution Anaconda, utilisation d’un IDE, petits exercices d’algorithmique pour prendre en main le langage. Manipulation de dates.

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.

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.

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.

Participants / Prérequis

» 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.
Intra / sur-mesure

Demande de devis intra-entreprise
(réponse sous 48h)

Vos coordonnées

En cochant cette case, j’atteste avoir lu et accepté les conditions liées à l’usage de mes données dans le cadre de la réglementation sur la protection des données à caractère personnel (RGPD).
Vous pouvez à tout moment modifier l’usage de vos données et exercer vos droits en envoyant un email à l’adresse rgpd@orsys.fr
En cochant cette case, j’accepte de recevoir les communications à vocation commerciale et promotionnelle de la part d’ORSYS Formation*
Vous pouvez à tout moment vous désinscrire en utilisant le lien de désabonnement inclus dans nos communications.
* Les participants inscrits à nos sessions de formation sont également susceptibles de recevoir nos communications avec la possibilité de se désabonner à tout moment.
CLASSE A DISTANCE

En inter et en intra-entreprise
Inscrivez-vous ou contactez-nous !

Pour vous inscrire

Cliquez sur la ville, puis sur la date de votre choix.
[+]
CLASSE A DISTANCE
[+]
PARIS
[+]
AIX
[+]
BORDEAUX
[+]
LILLE
[+]
LYON
[+]
NANTES
[+]
SOPHIA-ANTIPOLIS
[+]
STRASBOURG
[+]
TOULOUSE

Horaires

Les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45.
Pour les stages pratiques de 4 ou 5 jours, les sessions se terminent à 15h30 le dernier jour.