Au programme :

Introduction à Python

• Présentation du langage Python et de son écosystème.
• Installation de l’environnement de développement (Anaconda). pour une configuration optimale.
• Variables et types de données.
• Opérations de base et manipulation de données.
• fonctions, boucles et conditions.

Qualité des Données avec Pandas :

• Évaluation de la qualité de vos données en utilisant Python avec la bibliothèque Pandas 
• Techniques de nettoyage et de prétraitement des données 
• Utilisation de bibliothèques python clé en main pour l’analyse exploratoire des données  (D-Tale, pandas profiling, etc. )

Mini projet : évaluation et amélioration de la qualité de vos données en utilisant Pandas

 Data Visualization avec Matplotlib :

• Présentation de la bibliothèque Matplotlib
• Création de graphiques simples (ligne, barres, scatter,etc)
• Personnalisation des graphiques

Data Visualization avec Seaborn :

• Introduction à Seaborn et ses fonctionnalités
• Création de graphiques statistiques avancés
• Visualisations matricielles :  cartes de chaleur, pairplots, etc
• Utilisation de palettes de couleurs et de styles

Interactive Data Visualization avec Plotly :

• Présentation de Plotly et de ses capacités interactives
• Création de graphiques interactifs tels que les graphiques à bulles, les graphiques en secteurs dynamiques et les graphiques choroplèthes.
• Exploration des fonctionnalités d’interactivité telles que le zoom, le survol et les boutons personnalisés
• Introduction à la création de tableaux de bord interactifs en utilisant Dash, la bibliothèque web de Plotly
• Liaison de composants interactifs pour des mises à jour dynamiques

Projet Data Visualisation : 

Que ce soit dans le domaine des ventes, de la santé publique ou de l’écologie, vous incarnerez le rôle d’un data analyst pour résoudre une problématique métier en utilisant la visualisation de données avec Python. De la manipulation des données à la création du tableau de bord et la communication des résultats, vous mettrez en pratique l’ensemble des compétences acquises au cours de la formation. Et si vous souhaitez explorer vos propres données, cela est également envisageable, voire encouragé !

Introduction au Machine Learning avec Python : 

• Concepts de base du Machine Learning (classification, régression, clustering).
• Présentation de la bibliothèque Scikit-Learn.
• Création d’un modèle simple de Machine Learning

Pour aller plus loin, suivez notre formation Python pour le Machine Learning