Programmer en Python pour la Data Science de A à Z
- Objectifs pédagogiques
- Sections du cours
- Avis
Ce cours est dédié à l’apprentissage de la programmation en Python appliqué à la Data Science. Si vous avez envie d’apprendre à coder, d’apprendre à manipuler de la data ou les deux, alors n’hésitez pas, ce cours est un concentré de tout ça !
Ce cours de 8 heures vous permettra dans un premier temps d’acquérir les outils nécessaires pour coder en Python et faire de la Data Science. Puis il enchaînera sur la partie théorique de la programmation en Python, avec des exercices à chaque étape, afin de comprendre la théorie en pratiquant. Enfin, vous apprendrez à manipuler et explorer/visualiser des données efficacement.
A la fin de ce cours, vous serez capable d’aller récupérer un jeu de données qui vous intéresse et de l’analyser de A à Z pour en sortir les informations qui vous intéresse.
J’espère que ce cours vous plaira, j’ajouterai d’avantage de cas pratiques au fur et à mesure pour le rendre encore plus complet qu’il ne l’est déjà. Le but de ce cours de Data Science est réellement de vous apprendre à programmer en Python, de vous faire pratiquer afin de devenir totalement autonome pour analyser tous les jeux de données qui vous intéresse. Et je compte bien vous aider à chaque étape pour arriver à cette finalité !
Pourquoi utiliser Python ?
Ce cours est dédié à Python pour la simple et bonne raison que c’est un des langages les plus utilisés en Data Science. De plus, c’est un langage que je maîtrise et qui a fait ses preuves pour résoudre tout mes problèmes d’analyse de données. Mais aussi parce que c’est un langage de programmation libre, intuitif et très bien documenté.
Je veux que ce cours soit le plus complet possible. Ainsi, n’hésitez surtout pas à me contacter si vous avez la moindre question ou la moindre remarque sur ce cours. C’est aussi grâce à vous que je pourrais l’améliorer et le faire évoluer. Mon objectif est réellement de vous aider à devenir un Data Scientist autonome et passionné !
Logo conçu par Katemangostar de Freepik.
-
1IntroductionLeçon vidéo
-
2Installation de l'environnement de travail (Windows, Mac, Linux)Leçon vidéo
-
3Les bibliothèques Python essentielles à la Data ScienceLeçon vidéo
-
4Prise en main du tableau de bord de Jupyter NotebookLeçon vidéo
-
5Prise en main des notebooks de Jupyter NotebooksLeçon vidéo
-
6Les variablesLeçon vidéo
-
7Les types de données (numériques)Leçon vidéo
-
8Les types de données (booléens)Leçon vidéo
-
9Les types de données (caractères)Leçon vidéo
-
10Les opérateurs arithmétiquesLeçon vidéo
-
11Qu'est-ce qu'une fonction ?Leçon vidéo
-
12Qu'est-ce qu'une bibliothèque ?Leçon vidéo
-
13Importer une bibliothèque et utiliser ses fonctionsLeçon vidéo
-
14Testez vos connaissance sur les bases de PythonQuiz
-
15Introduction aux listesLeçon vidéo
-
16Accéder aux éléments d'une liste (slicing)Leçon vidéo
-
17Ajouter/modifier/supprimer des éléments d'une listeLeçon vidéo
-
18Diverses manipulations des listes (tri, somme, concaténation, ...)Leçon vidéo
-
19Introduction sur les tuplesLeçon vidéo
-
20Introduction : exercice sur les listesLeçon vidéo
-
21Correction : exercice sur les listesLeçon vidéo
-
22Les opérateurs relationnels et logiquesLeçon vidéo
-
23Les instructions de condition (if..else)Leçon vidéo
-
24Boucle forLeçon vidéo
-
25Boucle whileLeçon vidéo
-
26Introduction de l'exercice : manipuler la liste des prix de 58 maisonsLeçon vidéo
-
27Correction de l'exercice : manipuler la liste des prix de 58 maisonsLeçon vidéo
-
28Créer sa propre fonction en PythonLeçon vidéo
-
34Introduction à NumPyLeçon vidéo
-
35Création des tableaux NumPy (ndarray)Leçon vidéo
-
36Notions de vues et copies d'un tableauLeçon vidéo
-
37Accéder aux éléments d'un array (slicing)Leçon vidéo
-
38Explorer et filtrer un arrayLeçon vidéo
-
39Concaténation des arrays avec NumPyLeçon vidéo
-
40Split (cassure) des arrays avec NumPyLeçon vidéo
-
41Calculs sur les arraysLeçon vidéo
-
42Exercice : manipuler un array de 20 maisons vendues en 2008 aux Etats-UnisLeçon vidéo
-
43Correction : manipuler un array de 20 maisons vendues en 2008 aux Etats-UnisLeçon vidéo
-
44Introduction à la bibliothèque PandasLeçon vidéo
-
45Les séries avec PandasLeçon vidéo
-
46Les Dataframes avec PandasLeçon vidéo
-
47Lire et écrire un fichierLeçon vidéo
-
48Accéder aux éléments d'un DataframeLeçon vidéo
-
49Ajouter/supprimer des colonnes d'un dataframeLeçon vidéo
-
50Explorer un DataframeLeçon vidéo
-
51Filtrer un Dataframe selon des conditionsLeçon vidéo
-
52Grouper un Dataframe sur une ou plusieurs colonnes (groupby)Leçon vidéo
-
53Introduction de l'exercice : étudier le marché Android via le Google play storeLeçon vidéo
-
54Correction de l'exercice : étudier le marché Android via le Google play storeLeçon vidéo
-
55Importation et description des données de vente du Black FridayLeçon vidéo
-
56Créer son premier graphiqueLeçon vidéo
-
57Ajouter un titre principal et des labels aux axesLeçon vidéo
-
58Changer les couleurs (et colorer selon certaines variables)Leçon vidéo
-
59Changer la taille ou la forme des pointsLeçon vidéo
-
60Enregistrer son graphiqueLeçon vidéo
-
61Les différents types de graphesLeçon vidéo
-
62Combiner plusieurs graphiques (subplots)Leçon vidéo
-
63Créer des graphiques avec SeabornLeçon vidéo
-
64Exercice : visualiser les données de vente d'un magasin le jour du Black FridayLeçon vidéo
-
65Correction : visualiser les données d'un magasin le jour du Black FridayLeçon vidéo
-
66Fin du cours - Remerciements et conseilsLeçon vidéo
