éF École de FranceFormations CPF & écoles Trouver ma formation
Certif. RS 100% CPF

Formation : Data Science avec Python, certification API Society

ORSYS

2 209 €à partir de
Durée variabledurée
3sessions actives
Hauts-de-Seinelieu

Objectifs de la formation

À l'issue de la formation, le participant sera en mesure de :
• Découvrir l'écosystème Python scientifique
• Manipuler et analyser des données avec NumPy et Pandas
• Visualiser les données simples et interactives avec Matplotlib, Seaborn, Plotly
• Mener des projets data science et data vizualisation
Public concerné
Statisticiens, data analysts et data scientists
Prérequis
Connaissances des bases du langage de programmation Python
Certification
L'examen de certification se déroule en ligne, en différé et en français dans le mois qui suit la formation. Il se compose d'un épreuve théorique d'une durée de 20 minutes - 40 questions type QCM vrai / faux et informations à saisir (24 réponses à valider sur 40), et d'une épreuve pratique de programmation (exercice de code) d'une durée de 120 minutes sur un format de 6 exercices (10 critères à valider sur 21).
Méthodes et moyens pédagogiques
Travaux pratiques
Travaux pratiques individuels et en groupe, réflexion collective
Méthodes pédagogiques
Pédagogie active favorisant l'implication personnelle et les échanges entre participants.
Modalités d'évaluation
Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de QCM, mises en situation, travaux pratiques…
Le participant complète également un test de positionnement en amont et en aval pour valider les compétences acquises.

Programme

Accédez au programme complet : https://www.orsys.fr/formation/formation-data-science-avec-python
1 L'écosystème Python scientifique
• Présentation des packages Python de data science.
• Installation de bibliothèques en environnement virtuel: pip et le module venv, miniconda, mamba, miniforge, WinPython.
• Environnement de développement.
• Utiliser les environnements IPython, Jupyter Notebook, JupyterLab, IDE : l'exemple de Spyder.
• Découvrir l'éditeur de texte : VS Code.
2 La bibliothèque NumPy
• Introduction et création de tableaux.
• Présentation de la librairie NumPy.
• Avantages des tableaux (performance, manipulation des données).
• Création de tableaux avec array(), zeros(), ones(), full(), arange(), linspace(), logspace().
• Multiplication matricielle avec np.dot et l'opérateur @.
• Initialisation avec des données aléatoires (module random).
• Etc.
3 La bibliothèque Pandas
• Introduction et structures de données.
• Présentation de la bibliothèque Pandas.
• Création de séries avec la classe series.
• Création de tableaux 2D ou DataFrame avec la classe DataFrame.
• Extraction des indices de ligne et de colonne (attributs index et columns).
• Lire et exporter des données dans différents formats (csv, xls).
• Mettre en œuvre les méthodes de base : head() et tail().
• Etc.
4 Analyse et agrégation des données
• Agrégation des données : sum(), cumsum(), min(), max(), count(), mean(), median(), var(), std(), quantile(), describe()
• Groupement et analyse avec groupby().
• Utiliser des fonctions aggregate(), apply(), filter(), transform().
• Etc.
5 La bibliothèque Matplotlib
• Introduction et création de graphiques.
• Présentation de la bibliothèque.
• Afficher des graphiques depuis un script Python (plt.show()) ou depuis un notebook.
• Utiliser le style MATLAB ou le style orienté objet pour afficher les graphiques.
• Modifier le style des graphiques.
• Objets figure et axes.
• Etc.
6 La bibliothèque Seaborn
• Introduction à Seaborn et fonctionnalités de base.
• Fonctionnement de l'API Seaborn : distinction entre les plots de niveau figure et de niveau axes.
• Relational Plots : utiliser des fonctions pour tracer des relations entre variables.
• Tracer des distributions : utiliser des fonctions pour visualiser des distributions de données.
• Données qualitatives : tracer des données catégorielles.
• Etc.
7 La bibliothèque Plotly
• Présentation de la librairie Plotly et de Kaleido : introduction et exploration de Plotly Express.
• Tracer des courbes avec line() : modification de la figure avec les options title, width, height, marker, labels, etc..
• Créer des graphiques en aires avec area() : ajout de motifs avec pattern_shape.
• Créer des nuages de points avec scatter() : utilisation des options size, size_max, opacity, symbol, color_continuous_
• Etc.
Accédez au programme complet : https://www.orsys.fr/formation/formation-data-science-avec-python

Résultats attendus

Certification
L'examen de certification se déroule en ligne, en différé et en français dans le mois qui suit la formation. Il se compose d'un épreuve théorique d'une durée de 20 minutes - 40 questions type QCM vrai / faux et informations à saisir (24 réponses à valider sur 40), et d'une épreuve pratique de programmation (exercice de code) d'une durée de 120 minutes sur un format de 6 exercices (10 critères à valider sur 21).

Les points forts

Accédez au programme complet :
https://www.orsys.fr/formation/formation-data-science-avec-python

La certification

Manipuler, analyser et visualiser des données grâce aux modules Python de Data Science

  • TypeCertif. RS
  • Spécialité (NSF)Informatique, traitement de l'information, réseaux de transmission
  • DomaineAnalyse de données
RS 6763 CertifInfo 117606

Organisme & lieu

Formations similaires