> Formations > Technologies numériques > Développement logiciel > Python > Formation Python Data Science, manipuler et visualiser les données > Formations > Technologies numériques > Formation Python Data Science, manipuler et visualiser les données
Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Formation : Python Data Science, manipuler et visualiser les données

Python Data Science, manipuler et visualiser les données


Moyenne des avis clients Moyenne des avis clients Moyenne des avis clients Moyenne des avis clients
4,4 / 5

Best

La science des données est un domaine multidisciplinaire en constante expansion. Elle s’appuie sur des méthodes scientifiques, des algorithmes et des processus que Python a su maîtriser grâce à un écosystème particulièrement riche. Il est devenu aujourd’hui le langage de référence pour l’analyse de données, quels qu’en soient les formats. Notre formation vous permet la prise en main des outils, bibliothèques et modules Python pour obtenir de rapides compétences en data science avec ce langage.


INTER
INTRA
SUR MESURE

Cours pratique en présentiel ou à distance
Disponible en anglais, à la demande

Réf. IYT
  4j - 28h00
Prix : 2440 € H.T.
Pauses-café et
déjeuners offerts

Télécharger le programme

Partager cette formation




La science des données est un domaine multidisciplinaire en constante expansion. Elle s’appuie sur des méthodes scientifiques, des algorithmes et des processus que Python a su maîtriser grâce à un écosystème particulièrement riche. Il est devenu aujourd’hui le langage de référence pour l’analyse de données, quels qu’en soient les formats. Notre formation vous permet la prise en main des outils, bibliothèques et modules Python pour obtenir de rapides compétences en data science avec ce langage.


Objectifs pédagogiques
À l’issue de la formation, le participant sera en mesure de :
Posséder une vue d’ensemble de l’écosystème scientifique de Python
Connaître les librairies scientifiques incontournables pour la science des données
Être capable de manipuler des données volumineuses avec Python
Comprendre l’intérêt de la datavisualisation
Savoir visualiser des données avec Python

Public concerné
Ingénieur, développeur, chercheur, data scientist, data analyst et toute personne désireuse de se former à l'univers scientifique de Python.

Prérequis
Pratique du langage Python.
Vérifiez que vous avez les prérequis nécessaires pour profiter pleinement de cette formation en faisant  ce test.

Méthodes et moyens pédagogiques
Travaux pratiques
De nombreux exercices sont réalisés pour illustrer les sujets.
Méthodes pédagogiques
Pédagogie active, retours d'expériences, des démonstrations sont mises en œuvre par le formateur pour une mise en pratique plus rapide par les participants.

Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Programme de la formation

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, 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 votre 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 : installation d’Anaconda, création d’un environnement virtuel, export et duplication d’un environnement, utiliser les notebooks Jupyter.

La SciPy Stack

  • 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, géospatiales, le traitement du signal, etc.
  • Pandas : l’analyse de données tabulaires (CSV, Excel, etc.), statistiques, pivots, filtres, recherche…
  • Matplotlib : la librairie de visualisation de données incontournable.
Travaux pratiques
Mesurer les performances du NumPy installé par votre Linux et celui d’Anaconda. Traitement d’images avec NumPy. Premiers tracés. Analyses statistiques de fichiers CSV. Premiers éléments de cartographie. Transformées de Fourier.

Les librairies de visualisation

  • Panorama des librairies de visualisation de Python : 2D/3D, desktop/web, statistiques, cartographie, big data...
  • Les librairies orientées desktop : Matplotlib, Pandas, Seaborn.
  • Les librairies orientées web : Bokeh, Altair, Plotly...
  • Les librairies pour la 3D : Plotly, pythreejs, ipyvolume...
  • Les librairies cartographiques : Cartopy, folium, ipyleaflet, Bokeh, cesiumpy…
  • Les librairies big data : datashader, Vaex...
Travaux pratiques
Réalisation de multiples exercices avec quelques librairies présentées. Visualisation big data, cartographique, 2D et 3D.

La datavisualisation

  • L'intérêt de la datavisualisation
  • Utiliser PyViz et l’écosystème HoloViz.
  • Présentation des outils SuperSet, Mayavi, Paraview et VisIt.
Travaux pratiques
Poursuivre l'utilisation des librairies de visualisation et manipulations des outils.

Les formats de fichiers scientifiques et la manipulation de données volumineuses

  • Panorama des principaux formats de fichiers scientifiques : NetCDF, HDF5, GRIB, JSON, PARQUET, MATLAB, CGNS...
  • Manipuler des données volumineuses avec Dask, Vaex et Xarray.
Travaux pratiques
Manipulation de données dépassant les Go, lecture et écriture de fichiers NetCDF/HDF5. Visualisation de données climatiques, images satellites, création de vidéos/animations graphiques.
Solutions de financement
Plusieurs solutions existent pour financer votre formation et dépendent de votre situation professionnelle.
Découvrez-les sur notre page Comment financer sa formation ou contactez votre conseiller formation.

Avis clients
4,4 / 5
Les avis clients sont issus des évaluations de fin de formation. La note est calculée à partir de l’ensemble des évaluations datant de moins de 12 mois. Seules celles avec un commentaire textuel sont affichées.
KENZA S.
19/11/24
5 / 5

Tres bonne formation avec un contenu riche, et des exercices pratiques.Malheureusement 4j ne suffit pas pour voir tout mais cest deja bien de connaitre les librairies les plus utiles.Formateur au top.
YOHANN C.
19/11/24
5 / 5

Gael a été une intervenante remarquable, toujours soucieuse de s’assurer que chacun progresse à son rythme, sans ralentir les plus rapides. Il a constamment mis à disposition des documents complémentaires pertinents pour approfondir nos connaissances et a répondu à toutes nos questions avec clarté et exhaustivité. Sa pédagogie et son engagement ont véritablement enrichi l’expérience de formation. Je regrette de ne pas avoir pu suivre cette formation sur site.
STEAVEN L.
17/09/24
4 / 5

Cette formation sur Python correspond bien à mes attentes.

> Afficher plus d’avis clients


Horaires
les cours ont lieu de 9h à 12h30 et de 14h à 17h30.
Les participants sont accueillis à partir de 8h45. Les pauses et déjeuners sont offerts.
Pour les stages pratiques de 4 ou 5 jours, quelle que soit la modalité, les sessions se terminent à 16h le dernier jour.

Dates et lieux
Sélectionnez votre lieu ou optez pour la classe à distance puis choisissez votre date.
Classe à distance

Dernières places
Date garantie en présentiel ou à distance
Session garantie