Durant cette formation Python pour la data science, vous apprendrez à maîtriser les principales librairies Python servant au traitement, à la manipulation, à la visualisation, et à l'analyse de données.

Cette formation Python s'adresse à tout-public, sans pré-requis si ce n'est être à l'aise à l'idée de programmer quelques lignes de code (pas forcément Python - un langage qui se comprend et s'apprend très rapidement pour quelqu'un de familier avec la programmation), et qui souhaitent devenir maître de l'analyse et la manipulation de données.

A l'issue de cette formation Python pour la data science, les participant·e·s seront capables d'utiliser les principales librairies Python essentielles en data science (NumPy, Pandas, scipy, matplotlib, seaborn, scikit-learn...), et repartirons avec l'ensemble des cours, des exercices et leurs corrigés (sous format Jupyter Notebook).

Les objectifs

• Apprendre à structurer la résolution d'un problème de data science
• Maîtriser l'essentiel du langage Python et de ses librairies pour s'attaquer à n'importe quel problème "data"
• Comprendre les bases de l'apprentissage automatique (Machine Learning) et être capable d'appliquer ces techniques à de nouvelles situations

Pré-requis

• Ordinateur portable à apporter
• Avoir des notions d'algorithmie/programmation
• Être à l'aise avec les bases de Python (types de variables, boucles for, conditions, etc.)
• Avoir fait des mathématiques jusqu'au Bac

Le programme de la formation Python pour la data science

Jour 1 : L'environnement de travail et les bases de Python

• Présentation et configuration de l'environnement de travail
• Découverte de Python : langage de référence en data science
• Familiarisation avec l'écriture de scripts, les fonctions et l'organisation de son espace de travail

Jour 2 : Le calcul scientifique et la manipulation des données

• Découverte des principales librairies Python en sciences des données (Numpy, SciPy, Matplotlib, Pandas)
• Maitrise du calcul matriciel et de la manipulation de données
• Analyse et visualisation des données

Jour 3 : Introduction au Machine Learning

• Les différents types d'apprentissage et leurs principaux algorithmes
• Entrainement de vos premiers modèles de Machine Learning avec scikit-learn
• Evaluation, amélioration et déploiement de vos modèles d'apprentissage

Le(s) formateur(s)

Antoine Meicler

Antoine est un chercheur en intelligence artificielle, spécialisé en traitements d’images et en apprentissage automatique. Diplômé de l’ISAE SUPAERO, il a travaillé chez Criteo et dans diverses startups.
Il travaille aujourd’hui en indépendant et construit des solutions IA pour le compte de ses clients : ameicler.github.io . Il est également passionné par l’enseignement, et a cofondé le bootcamp Vivadata.

Voir son profil détaillé

Suivi de formation en option

A l'issue de la formation, nos formateurs peuvent aussi intervenir pour vous accompagner dans la mise en application des compétences acquises :

• en répondant à vos questions lors de rendez-vous téléphoniques réguliers
• en étant présents physiquement à l'amorce du projet
• en réalisant un audit de vos pratiques quelques semaines/mois après la formation

Cette idée vous intéresse ? Faîtes-le nous savoir pour que nous trouvions la formule adaptée à votre situation.