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.