Python : Fondamentaux pour la Data Science

Maîtriser Python pour la Data Science : Une Remise à Niveau Pratique et Appliquée

Formation créée le 29/11/2023. Dernière mise à jour le 03/04/2025.
Version du programme : 1
Taux de satisfaction des apprenants
7,3/10 (8 avis)

Type de formation

Formation à distance

Durée de formation

14 heures (2 jours)

Accessibilité

Oui

Python : Fondamentaux pour la Data Science

Maîtriser Python pour la Data Science : Une Remise à Niveau Pratique et Appliquée


Ce programme est proposé en tant que remise à niveau pour un public varié souhaitant intégrer des formations plus poussées en lien avec Python et la Data Science telle que " Data Analytics avec Python". Il vise à fournir une compréhension suffisante de Python, avec un accent particulier sur son application dans la manipulation, l'analyse et la visualisation de données.

Objectifs de la formation

  • Comprendre les fondamentaux de Python pour la Data Science
  • Comprendre les fondamentaux de la manipulation et du traitement de données
  • Accéder aux bases du machine learning
  • Prendre en main Jupyter Notebook

Profil des bénéficiaires

Pour qui
  • Personnes souhaitant suivre la formation "Data Analytics avec Python" mais n'ayant pas les pré-requis en Python
  • Personnes souhaitant une remise à niveau en Python
Prérequis
  • Aucun

Contenu de la formation

Présentation de Python
  • Brève histoire et pertinence de Python dans la data science
  • Aperçu de l'écosystème Python pour la data science (Anaconda, Jupyter Notebook, etc.).
  • Configuration de l'environnement (20 min)
  • TP : Installation de Python et des outils nécessaires
  • TP : Initiation à JupyterNotebook
Concepts Fondamentaux de Python
  • Syntaxe de base
  • Fonctions et modules
  • TP : Exercices d'application sur la syntaxe et les fonctions
Python pour la Manipulation de Données
  • Introduction à Numpy
  • Introduction à Pandas
  • TP : Manipulation des données avec Numpy et Pandas
Python pour l'analyse de données
  • Analyse Exploratoire de Données (EDA)
  • Initiation aux techniques de Machine Learning
  • TP : Mise en place d'une EDA

Suivi de l'exécution et évaluation des résultats

  • Travaux Pratiques
  • Mises en situation
  • Test de positionnement en amont et en aval par le/la participant.e

Ressources techniques et pédagogiques

  • Support de cours au format diapo html et pdf
  • Travaux pratiques et leurs corrections au format Jupyter notebook
  • Ressources en lignes

Qualité et satisfaction

Taux de satisfaction des apprenant.e.s / Nombre d'apprenant.e.s depuis le début de la proposition / Taux et causes des abandons / Taux de retour des enquêtes
Taux de satisfaction des apprenants
7,3/10 (8 avis)

Capacité d'accueil

Entre 1 et 10 apprenants

Délai d'accès

4 semaines

Accessibilité

La formation est proposée à distance et permet donc l'accès aux personnes en situation de handicap, pour cela un échange aura lieu après pré-inscription.