- الوصف
- أقسام الدرس
- رأي
Programmer en Python pour la Data Science, le Machine Learning, la DataViz et l’Intelligence Artificielle
Ce cours a pour objectif de vous initier à la programmation en Python en lien avec les concepts essentiels du Big Data (Data Science, Machine Learning, IA, etc.). Il ne requiert aucun prérequis et vous permet d’atteindre un niveau solide en seulement 4 heures de formation.
Acquérir des bases solides
Plus besoin de partir à la chasse aux informations sur Google, l’essentiel de votre apprentissage est concentré dans ce cours.
Gagner du temps
Ce cours est conçu pour vous familiariser avec la Data Science et Python de manière rapide et efficace. Vous pourrez ainsi atteindre un niveau solide en seulement 4 heures de cours.
Une formation qui va à votre rythme
Les concepts sont présentés progressivement, à travers des exemples concrets issus de projets d’entreprises et d’universités, vous permettant d’appliquer ce que vous avez appris.
Cours récent et régulièrement mis à jour
Mis à jour en 2024, ce cours est en adéquation avec les compétences actuellement recherchées par les entreprises.
Éviter les pièges de débutants
Ce cours détaille les bonnes pratiques d’un Data Scientist expérimenté pour rédiger un code de qualité professionnelle.
Préparation réussie pour vos examens, certifications et tests techniques sur Python
Les exercices inclus dans ce cours constituent un excellent moyen de préparation pour vos examens, certifications et tests techniques en entreprise.
Travailler pour les plus grandes entreprises
Des entreprises prestigieuses telles qu’Intel, Google, Netflix, Spotify, Meta, mais aussi Renault, la SNCF, Orange, Total, Capgemini, sont actuellement à la recherche de Data Scientists expérimentés maîtrisant Python.
Se former à des métiers actuellement recherchés
En 2024, la demande en Data Scientists, Data Engineers et autres professions liées au Big Data est élevée. C’est donc le moment idéal pour se former à ces métiers en forte demande.
Obtenir un certificat de fin de formation
Un certificat attestant que vous avez suivi et complété le cours vous sera remis à l’issue de la formation.
-
1
Présentation : Apprendre la Data Science avec Python en 4 heures de A à Z -
2
Installation de Anaconda, Spyder et Jupyter Notebook
-
3
Lien pour télécharger Anaconda, Spyder et Jupyter Notebook -
4
Présentation de l'interface de développement Python
-
5
Présentation du projet de Data Science et Machine Learning avec Python
-
6
Importation des données avec Python et bonnes pratiques avec Pandas
-
7
Code pour importer les données sur Python avec Pandas
-
8
Modification des noms sur les tableaux de données
-
9
Traitement des valeurs manquantes (très important !)
-
10
Recodage des données
-
11
Avant de continuer...
-
12
Télécharger le code Python
-
17
Créer un diagramme à barres (seaborn countplot)
-
18
Automatiser les diagrammes à barres avec une fonction Python
-
19
Créer un histogramme pour les variables quantitatives (seaborn histplot)
-
20
Graphiques croisés : comparer deux variables qualitatives
-
21
Graphiques croisés : comparer une variable quantitative avec une qualitative
-
22
Télécharger le code Python
-
23
Qu'est-ce qu'un test d'hypothèse / test statistique ?
-
24
Analyse bivariée de deux variables qualitatives
-
25
Analyse bivariée d'une variable quantitative avec une variable qualitative
-
26
Avant de continuer...
-
27
Test du Khi-Deux d'indépendance pour analyser la relation des variables
-
28
Test de Shapiro-Wilk pour analyser la normalité des variables
-
29
Test de Mann-Whitney pour analyser la relation des variables non-paramétriques
-
30
Test de Student pour analyser la relation des variables paramétriques
-
31
Télécharger le code Python
-
32
Introduction : Régression logistique
-
33
Transformation des données en variables binaires
-
34
Répartir les données en données d'entraînement et de test
-
35
Créer le modèle de Machine Learning
-
36
Faire des prédictions à l'aide du Machine Learning
-
37
Evaluer les performances du modèle avec une matrice de confusion
-
38
Analyse ROC des prédictions réalisées
-
39
Télécharger le code Python final
