Programme Python Orienté Big Data
Licence 1, 2 et 3
Dakar Institute of Technology (DIT)
Département Big Data
Enseignant : Madické DIOP
Année Universitaire : 2025 – 2026
Table des matières
1 Licence 1 : Fondamentaux de Python et Initiation aux données 2
1.1 Semestre 1 : Introduction à Python . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Semestre 2 : Programmation Orientée Objet et traitement de données . . . 2
2 Licence 2 : Python pour la Data Science 4
2.1 Semestre 3 : Analyse et visualisation de données . . . . . . . . . . . . . . . 4
2.2 Semestre 4 : Python et Bases de données . . . . . . . . . . . . . . . . . . . 4
3 Licence 3 : Python pour le Big Data et le Machine Learning 6
3.1 Semestre 5 : Python et Big Data . . . . . . . . . . . . . . . . . . . . . . . 6
3.2 Semestre 6 : Machine Learning et Projet Big Data . . . . . . . . . . . . . . 6
1
1. Licence 1 : Fondamentaux de Python
et Initiation aux données
1.1 Semestre 1 : Introduction à Python
Contenus
• Syntaxe, variables et types de données : int, float, str, bool, list, tuple, dict,
set
• Opérations de base, expressions logiques, boucles et conditions
• Fonctions et portée des variables
• Manipulation des fichiers : lecture/écriture (CSV, TXT, JSON)
Exercices pratiques
• Calcul de moyennes et recherche du maximum
• Analyse simple de fichiers CSV
Projets
• Mini-projet : Calculatrice scientifique
• Mini-projet : Gestion d’une liste d’étudiants avec sauvegarde en TXT
1.2 Semestre 2 : Programmation Orientée Objet et trai-
tement de données
Contenus
• Classes, objets, méthodes, héritage simple
• Introduction à l’encapsulation
• Manipulation avancée de fichiers (csv, json)
• Bases du traitement de données : organisation, tri, regroupement
2
Programme Python Big Data DIT – Licence Big Data
Exercices pratiques
• Analyse de fichiers CSV (notes des étudiants)
• Génération de rapports (moyenne, min, max)
Projets
• Mini-projet : Analyse de données scolaires (CSV → histogrammes)
• Mini-projet : Gestion d’une base de contacts (JSON)
3
2. Licence 2 : Python pour la Data Science
2.1 Semestre 3 : Analyse et visualisation de données
Contenus
• NumPy : vecteurs, matrices, opérations statistiques
• Pandas : DataFrame, Series, nettoyage de données
• Visualisation : Matplotlib et Seaborn
• Statistiques descriptives (moyenne, variance, corrélation)
Exercices pratiques
• Analyse et nettoyage d’un dataset réel
• Création de graphiques variés
Projets
• Analyse COVID-19 (CSV → Pandas → Graphiques)
• Visualisation de données météorologiques
2.2 Semestre 4 : Python et Bases de données
Contenus
• Introduction à SQL (SELECT, JOIN, GROUP BY)
• Connexion Python SQL (SQLite, MySQL)
• Requêtes intégrées avec Pandas
• Création d’applications simples avec Streamlit
Exercices pratiques
• Création d’une base "Ventes"
• Analyse de données SQL et visualisation
4
Programme Python Big Data DIT – Licence Big Data
Projets
• Dashboard de gestion de ventes
• Analyse d’un dataset Open Data
5
3. Licence 3 : Python pour le Big Data
et le Machine Learning
3.1 Semestre 5 : Python et Big Data
Contenus
• Concepts Big Data : Volume, Vélocité, Variété
• Introduction à PySpark (RDD, DataFrame)
• Transformations distribuées : map, filter, reduce
• Spark SQL et gestion des formats (CSV, Parquet, JSON)
Exercices pratiques
• Manipulation de fichiers volumineux
• Requêtes SQL distribuées avec PySpark
Projets
• Analyse de logs web avec PySpark
• Traitement d’un dataset Kaggle (>1 Go)
3.2 Semestre 6 : Machine Learning et Projet Big Data
Contenus
• Introduction au Machine Learning (supervisé, non supervisé)
• Scikit-learn : régression, classification, clustering
• Spark MLlib : modèles distribués, pipelines
• ETL avec Python : extraction, transformation, chargement
Exercices pratiques
• Prédiction des ventes/météo avec scikit-learn
6
Programme Python Big Data DIT – Licence Big Data
• Clustering de clients avec KMeans
Projets
• Projet Big Data complet : collecte → traitement → ML → visualisation
• Exemples : Prédiction énergétique, analyse de tweets, dashboard temps réel