- Référence : OAPY
- Durée : 5 jours (35h)
- Lieu : Au choix. À distance ou en présentiel, à Paris ou en Régions
2695€ HT
Choisir une date et Réserver- éligibleCPF
Formation Découvrir Python et l'analyse de données Pandas, Matplotlib, XML, JSON, NumPy, SciPy, iPython, MapReduce, Matrices, Séries
4.6 sur 5 étoiles
5 étoiles
4 étoiles
3 étoiles
2 étoiles
1 étoile
Durée
5 jours
Niveau
Fondamental
Classe à distance
Possible
Vous pouvez suivre cette formation en direct depuis votre domicile ou votre lieu de travail. Plus d'informations sur notre solution de classe à distance...
Référence
OAPY
Éligible CPF
Code RS6202
Cette formation Analyse de données en Python permet aux participants dans un premier temps de découvrir et apprendre le langage Python puis de comprendre pourquoi Python est particulièrement bien adapté à toutes sortes de problèmes d’analyse de données.
Lors de ce cours les participants aborderont donc le traitement de différents formats de données structurées ou non (tableau, matrice, série, CSV, flux XML ou JSON, etc.) tout en les rendant opérationnel dans l’utilisation des principales bibliothèques Python comme NumPy, Pandas, Matplotlib, IPython, SciPy, etc…
Enfin les participants seront capables de rendre leurs traitements performants grâce au parallélisme de leurs requêtes.
Objectif opérationnel :
Savoir rendre ses traitements performants grâce au parallélisme de leurs requêtes.
Objectifs pédagogiques :
Concrètement à l'issue de cette formation Analyse de données en Python, vous aurez acquis les connaissances et compétences nécessaires pour :
- Maîtriser les bases du langage Python
- Connaitre les aspects avancés en Python
- Savoir analyser des données en Python
- Savoir faire une représentation graphique de données en Python
- Acquérir des données externes en Python
- Comprendre les performances et la parallélisation
Public :
Cette formation est destinée à toute personne qui souhaite utiliser Python pour développer des applications de calcul scientifique ou d’analyse de données.
Prérequis :
Pour suivre cette formation d'Analyse de données, il est nécessaire de connaître au moins un langage de programmation.
Les bases du langage Python
Les caractéristiques du langage PythonPourquoi choisir Python pour l’analyse de données ?
Installation et configuration
Philosophie de Python (indentation, objet, etc.)
Les types de données
Appels de fonctions et méthodes
Structures de contrôles (boucle, test, exceptions)
Structures de données et séquences (tuple, liste, primitives, dict)
Les principales bibliothèques de Python (NumPy, Pandas, Matplotlib, Ipython, SciPy)Atelier :Installation et configuration de son environnement de développement
Un premier programme simple permettant de résumer la syntaxe de base des grands concepts dans une approche mnémonique
Aspects avancés en Python
Espace de noms, périmètre et fonctions localesManipuler les fonctions comme des objets
Les fonctions anonymes (lambda)
Syntaxe d’appels étendus (*args, **kwargs)
Introduction à l’Analyse de Données en Python
La manipulation de données par l’utilisation de la librairie PandasIntroduction du concept de Dataframe comme structure de données central pour l’analyse de données
Comment interroger ces structures ? Comment ces structures sont indexées ?
Traitement de « données manquantes »
Fusion de dataframes
Manipulation des dates
Application de mesures statistiques variées sur les DataFrames
Bonne compréhension des problèmes d’échelle de mesure, de normalisation
Création de métriques d’analyseAtelier :Cet atelier permettra aux participants d’intégrer des données tabulaires et des séries temporelles, de les « nettoyer », les manipuler et d’y appliquer des analyses statistiques simples
La représentation graphique de données en Python
Introduction aux bases de la visualisation de donnéesFocalisation sur la génération de graphes grâce à la librairie Matplotlib : démonstration de l’application de graphes Matplotlib à la visualisation de problèmes concretsAtelier :Cet atelier permettra de poursuivre les travaux de l’atelier précédent en générant des visualisations graphiques illustrant les analyses de données réalisées
L’acquisition de données externes en Python
Les formats de données structurées : CSV, flux XML et JSONLecture et écriture de fichiers
Manipulation des données issues de ces fichiers par des structures Python adaptées
Fonctions d‘accès et de download de données en ligneAtelier :Cet atelier permettra de réaliser un module de capture de données disponibles sur Internet
Application à la capture de séries financières (indices de marché et cours de bourse)
Analyses Statistiques en Python
Présentation des principales bibliothèques d’analyse de données Python : NumPy, SciPy, IPython (Jupyter)Fonctions de manipulation et de calcul matriciel (Numpy)
Fonctions de Statistiques Descriptives (SciPy) : quantiles et des fonctions de répartition pour
différentes lois statistiques
Fonctions de comparaison de populations, mesures d’association, etc (SciPy)
Fonctions de classification automatique (SciPy) : k-meansAtelier :Cet atelier permettra aux participants d’appliquer leurs connaissances à la réalisation d’un « mini atelier » d’Analyse Technique pour la Finance des Marchés :
- Collecte automatique de séries financières
- Calcul d’indicateurs : d’indicateurs simples (moyennes mobiles) à des indicateurs avancés (tel que le RSI et les Bandes de Bollinger)
- Visualisation des résultats
Performances et parallélisation
Les outils pour lire l’activité (Timeit, cProfile)Paralléliser vos traitements avec le multiprocessing
Calcul distribué avec la librairie Celery
Les faiblesses du multithreadingAtelier :Mise en œuvre de l’algorithme Map Reduce avec Celery
Ce cours alterne théorie et travaux pratiques pour une meilleure assimilation et application des notions présentées lors de ce stage.
Ces ateliers permettront aux participants de réaliser des programmes Python couvrant les différentes phases de l’Analyse de Données : de la capture des données, leur nettoyage, leur manipulation, leur traitement à la restitution graphique des résultats.
Les exemples appliqués seront concrets et accessibles à tous. Par ailleurs ces exemples mettent également en avant le côté prédictif de l’analyse (de l’analyse statistique de population à l’Analyse Technique pour la Finance des Marchés).
Dates et lieux
Avis des participants à la formation Découvrir Python et l'analyse de données
Les avis figurant ci-dessous sont issus des fiches d’évaluation que remplissent les participants à la fin de la formation. Ils sont ensuite publiés automatiquement si les personnes ont explicitement accepté que nous les diffusions.
JK
5/5
Mon avis sur le contenu du stage :
"Le stage était parfait, seul petit bémol, nous avons vu énormément de notion en très peu de temps."
Mon avis sur le formateur :
"Le formateur a été top ! il a su répondre a toutes nos questions sans aucun problèmes et il a toujours été très clair dans ses explications !"
Ce que j'ai le plus apprécié :
"On a pu travailler directement sur notre poste de travail sans passer par une VM."
Ce que j'ai le moins apprécié :
"La formation était très condensé, peut être un peu trop de notion a assimiler en si peu de temps."
BOURQUARD Clémentine
5/5
Mon avis sur le formateur :
"Très bon formateur à l'écoute de chacun, vérifie régulièrement la compréhension de tous. Bonne illustration des techniques et outils présentés, plusieurs support différents pour effectuer les tp afin de découvrir plusieurs environnements, idéal pour bien comprendre. Formation un peu lente au début pour ma part, du fait de mes connaissances sur le sujet mais rythme adapté au reste des participants."
Ce que j'ai le plus apprécié :
"Les tp avec les notebook"
Ce que j'ai le moins apprécié :
"1 jour sur les bases de python que je connaissais"
KW
5/5
Mon avis sur le contenu du stage :
"Le programme était très dense donc on n'a pas forcément pu énormément pratiquer, le rythme ne le permettait pas toujours, mais les moments de pratique étaient très bien et très bien expliqués."
Mon avis sur le formateur :
"Excellente pédagogie de l'animateur, explications très claires et toujours à notre écoute. Le stage répondait extrêmement bien à nos attentes et des petits compléments demandés ont bien été vus."
LKT
4/5
Mon avis sur le contenu du stage :
"Les dernières parties du contenu ont été peu développées compte tenu du timing. Cependant, on a eu les bases nécessaires pour une autoformation plus confortable."
Mon avis sur le formateur :
"Très bon pédagogue, très ouvert, attentif"
Ce que j'ai le plus apprécié :
"Les échanges "
Ce que j'ai le moins apprécié :
"Aucun"
FJ
4/5
Mon avis sur le contenu du stage :
"Bon équilibre entre théorie et pratique."
Mon avis sur le formateur :
"Bonne adhérence au scénario du stage."
Ce que j'ai le plus apprécié :
"L'absence de problème technique."
Ce que j'ai le moins apprécié :
"La participation de stagiaires en distanciel et en présenciel (pas très audibles)."
SY
5/5
Mon avis sur le contenu du stage :
"Très bon choix de programme et de progression."
Mon avis sur le formateur :
"Toutes les questions posées ont été traitées."
Ce que j'ai le plus apprécié :
"Environnement python choisi idéal pour la formation."
BM
4/5
Mon avis sur le formateur :
"impeccable et à l'écoute"
Ce que j'ai le plus apprécié :
"les outils mis en place pour faciliter la formation sont excellent. (machine virtuelle,we transfert,...)"
SJ
4/5
Mon avis sur le contenu du stage :
"Contenu très pertinent et intéressant. Petits soucis techniques avec les fichiers exemples."
Ce que j'ai le plus apprécié :
"Les en-cas."
CT
5/5
Mon avis sur le formateur :
"Franck est bon animateur, le rythme a été adapté et Franck est également très pédagogue. Un grand merci."
DC
5/5
Mon avis sur le contenu du stage :
"au top"
Mon avis sur le formateur :
"franchement impec!"
KY
4/5
Ce que j'ai le plus apprécié :
"Les TPs."
KA
5/5
Mon avis sur le formateur :
"Merci au formateur."
Ces formations peuvent aussi vous intéresser :
Formations Informatique
et Management
en ligne à ce jour
+
Stagiaires dans nos salles
de cours sur
l'année
%
De participants satisfaits
ou très satisfaits de nos
formations
Formateurs experts
validés par
PLB
