A l’issue de la formation le participant sera capable de :
Savoir utiliser les principaux outils de traitement et d’analyse de données pour Python
Extraire des données d’un fichier et les manipuler
Apprendre à mettre en place un modèle d’apprentissage simple
- BDD & Décisionnel
- Python
Formation Big Data – Python pour l’analyse de données
Objectifs
Prérequis
Maîtrise de la programmation Python
Un entretien en amont avec notre expert permet de prendre en compte le profil de chaque participant (niveau, objectifs et résultats attendus, contexte professionnel, enjeux…)
Cette formation ne peut être financée que dans le cadre d’un projet d’entreprise (prise en charge entreprise ou OPCO). Les dossiers à financement personnel et CPF ne sont pas pris en compte.
Public
Développeurs en Python
Formation(s) associée(s)
Dernière mise à jour
Programme mis à jour le 23 octobre 2024
Bon à savoir
Evaluez votre niveau
Pour vous aider à bien choisir votre formation, nous vous proposons soit un entretien avec le formateur soit un test d’évaluation. Cela vous assurera que vous disposez des connaissances nécessaires pour suivre la formation dans des conditions optimales.
Formations modulables
Toutes nos formations sont disponibles en présentiel comme en distanciel, en mode coaching individuel ou en groupe de 3 à 6 participants maximum.
Travaux pratiques
Nos formations comprennent de nombreux travaux pratiques pour un meilleur apprentissage (60 % de pratique). Nous proposons également de travailler sur vos données pour une meilleure expérience.
Les Modules
de formation
Module1
POSITIONNEMENT PYTHON
Besoins des data-scientist : calculs, analyse d’images, machine learning, interface avec les bases de données
Apports de python : grande variété d’outils, expertise dans le domaine du calcul scientifique
Tour d’horizon des outils : pandas, agate, bokeh, scikit-learn, pybrain, tensorflow, keras, mxnet, caffe
Module2
CALCULS ET GRAPHIQUES
NumPy : Base du calcul sur des tableaux
SciPy : Scientific Tools for Python, couche scientifique
Manipulation de tableaux, fonctions mathématiques
Représentation graphique avec basemap et matplotlib
Mise en oeuvre de SciPy/NumPy : manipulation d’images, détection de contours
Module3
MANIPULATION DE DONNÉES RELATIONNELLES
NumPy : Base du calcul sur des tableaux
SciPy : Scientific Tools for Python, couche scientifique
Manipulation de tableaux, fonctions mathématiques
Représentation graphique avec basemap et matplotlib
Mise en oeuvre de SciPy/NumPy : manipulation d’images, détection de contours
Module4
MANIPULATION DE DONNÉES RELATIONNELLES
Pandas : manipulation de tables de données
Tableaux avec Pandas : indexation, opérations, algèbre relationnelle
Stockage dans des fichiers : CSV, h5py, netCDF
Comparaison et performances Pandas / NumPy
Module5
MACHINE LEARNING ET DEEP LEARNING
Présentation de TensorFlow, scikit-learn, keras, mxnet, caffe
TensorFlow : principe de fonctionnement, plates-formes supportées, distribution, APIs fournies en standard, modèles d’apprentissage
Projet scikit-learn : classification, régression, validation de modèles prédictifs
Démonstrations avec les modèles fournis par scikit-learn
Positionnement et comparaison avec Keras, mxnet, caffe
Les prochaines
sessions de formation
Sur demande
Vous souhaitez organiser cette formation à une date spécifique ?Contactez-nous en remplissant le formulaire ci-dessous
18 novembre 2024
13 janvier 2025
17 mars 2025
05 mai 2025
