Initiation au Langage SQL

JOUR 1 : Syntaxe du langage Python – Démarrer avec Python

• Découvrir l’historique, la philosophie et les points forts du langage.
• Créer un 1er script : comprendre le fonctionnement de l’interpréteur.
• Découvrir les caractéristiques du langage : rôle de l’indentation, les variables, les commentaires
• Découvrir outils de développement

Utiliser des types de base :

• Les numériques : entiers et flottants
• Les chaînes de caractères
• Les conteneurs : listes, tuples et dictionnaires

Contrôler les flux avec :

• l’instruction if, les boucles for et while
• Exercices types : création de procédures, utiliser les bonnes structures de données (notamment importance des dictionnaires en Python), nombreux exemples de mise en pratique

JOUR 2 : Organiser son code

• Appliquer les bonnes pratiques (Les identifiants et les références. Les conventions de codage et les règles de nommage)
• Utiliser les fonctions
• Utiliser les listes de compréhension, les fonctions lambda
• Utiliser les fonctions map, zip
• Interagir avec le système
• Manipuler et dépouiller les fichiers
• Utiliser un module tiers
• Créer ses propres modules
• Gérer les erreurs par exception
• Philosophie de la gestion des erreurs
• Signaler une erreur (raise)
• Traiter une erreur (try … except … finally)

Nombreux exercices d’application

S’initier à la programmation objet :

• Programmer en utilisant des objets
• Rappeler les principes et intérêt de la programmation objet
• Créer ses propres classes d’objets
• Aller plus loin avec l’héritage et le polymorphisme
• Exercices types : création de procédures, classes et d’objets,
  • Aperçu des autres modules principaux de la « librairie standard » Python indispensables pour le traitement de données, notamment :
  •  gestion des date / datetime,
  •  conversion de format, timestamps, timezones, etc.

JOUR 3 : Introduction à des librairies pour traitement de données

• Rappels rapides (ou introduction) sur les matrices : format, opérations usuelles sur les matrices, etc. (indispensable pour NumPy et la suite)
• Introduction à NumPy et SciPy
• Librairie de visualisation Matplotlib
• Exercices : interpolation, recherche d’extremum de fonction, visualisation, etc.
• Librairie d’analyse et traitement de données Pandas : introduction, syntaxe de filtrage des données, etc.
• Import / export de données de sources diverses : CSV, Excel, JSON, etc.
• Utilisation de Jupyter Notebooks
• Exercices types : Création d’application avec des fonctions de librairies intégrées
• Exercices (ou mini-projet si souhaité) : importation/fusion de données de sources diverses, conversion de formats, etc.

JOUR 4: Traitement des données avec Python

• Statistique de base sous Python (statistique descriptive, test d’hypothèses)
• Régression
• Développement et ajustement de modèles
• Automatisation de visualisation de données
• (Optionnel en fonction des besoins) : librairie Scikit-learn, par exemple à travers des algorithmes de clustering, etc.
• Exercices : Illustration des concepts abordés sur des jeux de données fournis par le formateur

JOUR 4 (FIN) : Ouverture / Pour aller plus loin

• Mention des techniques/librairies pour aller plus loin (tous, ou certains au choix, adaptable en fonction des besoins) :
• Librairies réseau pour acquisition de données en provenance de sources diverses (API, open[1]data, requêtes HTTP) avec Python
• Frameworks web en Python : Django, Bottle, Flask
• Outils de traitement d’image
• Outils de Machine Learning / Deep Learning

Le programme de la formation est établi de manière à proposer continuellement une illustration des concepts abordés par la pratique, sur des exemples et exercices.