1.
Installation et première prise en main de l’environnement de travail (21 min)
Introduction
Qu'est-ce que la Data Science ?
Présentation et installation d’Anaconda
Découverte d’Anaconda
Maîtrise du notebook Jupyter : les bases
Maîtrise du notebook Jupyter : enregistrer son travail
2. Les bases du langage Python (56 min)
Introduction
Concept de variable et déclaration d’une variable
Concept de type de variable
Les chiffres et les opérateurs mathématiques
Les strings et les opérateurs
Vérifier et modifier le type d’une variable
Maîtrise de jupyter notebook : session 2
Présentation exercices
Corrections exercices
3. Les conditions (28 min)
Les conditions logiques
La structure des conditions
Présentation exercices
Corrections exercices
Corrections exercices (fin)
4. Les listes (31 min)
Concept et déclaration d'une liste en Python
Consultation et analyse d'une liste
Manipulations d'une liste
Travaux pratiques : tout le monde à bord ! Analyse des données du Titanic !
Correction travaux pratiques
5. Les dictionnaires (21 min)
Qu’est ce qu’un dictionnaire ?
Navigation et manipulation sur un dictionnaire
Les dictionnaires multi-valeurs
Travaux pratiques : brisons la glace ! Analyse des données du Titanic !
Correction travaux pratiques
6. Les boucles (19 min)
Concept des boucles avec While
La boucle For
Création de listes de chiffres
7. Les fonctions (27 min)
Le concept de fonction
Les paramètres de fonctions
"Return" dans les fonctions
Les paramètres optionnels
TP : les boucles et les fonctions d'abord ! Analyse des données du Titanic !
Correction travaux pratiques
8. Les librairies (11 min)
Importer et utiliser une librairie
Utiliser le gestionnaire PIP
9. Maîtriser la librairie Numpy (40 min)
Créer un tableau et sélectionner des valeurs
Faire des opérations dans un tableau
Analyser un tableau
Manipuler un tableau
La fonction "Arrange"
TP ! Analyse des boissons délivrées dans les Starbucks
Correction travaux pratiques
10. Maîtriser la librairie Pandas (1 h 58 min)
Créer votre premier Dataframe
Comprendre la composition d'un Dataframe
Navigation dans un Dataframe
Faire une boucle dans un Dataframe
Le Data cleaning
Les premières analyses avec Pandas
Introduction au feature modeling
Rassembler plusieurs jeux de données dans un Dataframe
La gestion des dates
Modifier le paramétrage de Pandas
TP ! Partons faire un peu de shopping sur un site e-commerce !
Correction travaux pratiques
11. Apprendre la Data visualisation (1 h 11 min)
Créer son premier graphique
Apprendre à gérer le multi graph
Le bar chart
L'histogramme de répartition
Le nuage de points et scatter matrix
La librairie Seaborn
TP ! Quel est ton Digimon préféré ?
Corrections exercices
12. Maîtriser les APi pour extraire de la data (44 min)
Qu'est ce qu'une API ?
Qu'est ce que le format Json ?
Comment requêter une API en Python ?
Transformer du Json en Dataframe
Dynamiser le paramétrage de vos appels API
TP ! Récupérez des Data sur les pays du monde !
Correction travaux pratiques
13. Apprendre le Web scraping (32 min)
Qu'est ce que le web scraping ?
La librairie "Beautifulsoup"
TP ! Crawler un site e-commerce pour récupérer des données sur les produits !
Correction travaux pratiques
14. Maîtriser le langage SQL (1 h 13 min)
Introduction au SQL
Faire des filtres du votre base de données
Faire des tris
Faire des calculs en SQL
Group by et les Alias
les concepts de clé primaire et étrangère
Faire des jointures en SQL
TP : analyser les parcours des velib' de San Fransisco
Correction travaux pratiques
15. Une première approche de la statistique descriptive (45 min)
Les types de variables
Les statistiques de base
Qu'est ce que la loi normale
Calculer la corrélation entre 2 variables
16. Le machine learning (2 h 41 min)
Le concept du machine learning
Comprendre le type de problème à résoudre
Le data cleaning : analyse de la valeur à prédire
Le data cleaning : vérifier le format des colonnes
Le data cleaning : gestion des valeurs manquantes
Le data cleaning : corriger problème de logique de certaines colonnes
le data modeling
Concept de la régression linéaire
Spliter le jeu de donnés entre entrainement et test
Créer son premier modèle uni-varié
La normalisation des variables
Mise en pratique de la normalisation des variables
Le dilemme biais-Variance
La gestion des variables avec catégories
TP ! Estimer les frais de santé d'une personne en fonction de ses caractéristiqu
Correction travaux pratiques
1. Installation et première prise en main de l’environnement de travail
Introduction
Qu'est-ce que la Data Science ?
Présentation et installation d’Anaconda
Découverte d’Anaconda
Maîtrise du notebook Jupyter : les bases
Maîtrise du notebook Jupyter : enregistrer son travail
2. Les bases du langage Python - Partie 1
Introduction
Concept de variable et déclaration d’une variable
Concept de type de variable
Les chiffres et les opérateurs mathématiques
Les strings et les opérateurs
Vérifier et modifier le type d’une variable
Maîtrise de jupyter notebook : session 2
Présentation exercices
Corrections exercices
Les conditions logiques
La structure des conditions
Présentation exercices
Corrections exercices
Corrections exercices (fin)
Concept et déclaration d'une liste en Python
Consultation et analyse d'une liste
Manipulations d'une liste
Travaux pratiques : tout le monde à bord ! Analyse des données du Titanic !
Correction travaux pratiques
3. Les bases du langage Python - Partie 2
Qu’est ce qu’un dictionnaire ?
Navigation et manipulation sur un dictionnaire
Les dictionnaires multi-valeurs
Travaux pratiques : brisons la glace ! Analyse des données du Titanic !
Correction travaux pratiques
Concept des boucles avec While
La boucle For
Création de listes de chiffres
Le concept de fonction
Les paramètres de fonctions
"Return" dans les fonctions
Les paramètres optionnels
TP : les boucles et les fonctions d'abord ! Analyse des données du Titanic !
Correction travaux pratiques
Importer et utiliser une librairie
Utiliser le gestionnaire PIP
4. Maîtriser la librairie Numpy
Créer un tableau et sélectionner des valeurs
Faire des opérations dans un tableau
Analyser un tableau
Manipuler un tableau
La fonction "Arrange"
TP ! Analyse des boissons délivrées dans les Starbucks
Correction travaux pratiques
5. Maîtriser la librairie Pandas
Créer votre premier Dataframe
Comprendre la composition d'un Dataframe
Navigation dans un Dataframe
Faire une boucle dans un Dataframe
Le Data cleaning
Les premières analyses avec Pandas
Introduction au feature modeling
Rassembler plusieurs jeux de données dans un Dataframe
La gestion des dates
Modifier le paramétrage de Pandas
TP ! Partons faire un peu de shopping sur un site e-commerce !
Correction travaux pratiques
6. Apprendre la Data visualisation
Créer son premier graphique
Apprendre à gérer le multi graph
Le bar chart
L'histogramme de répartition
Le nuage de points et scatter matrix
La librairie Seaborn
TP ! Quel est ton Digimon préféré ?
Corrections exercices
7. Extraire des données depuis l'extérieur
Qu'est ce qu'une API ?
Qu'est ce que le format Json ?
Comment requêter une API en Python ?
Transformer du Json en Dataframe
Dynamiser le paramétrage de vos appels API
TP ! Récupérez des Data sur les pays du monde !
Correction travaux pratiques
Qu'est ce que le web scraping ?
La librairie "Beautifulsoup"
TP ! Crawler un site e-commerce pour récupérer des données sur les produits !
Correction travaux pratiques
Introduction au SQL
Faire des filtres du votre base de données
Faire des tris
Faire des calculs en SQL
Group by et les Alias
les concepts de clé primaire et étrangère
Faire des jointures en SQL
TP : analyser les parcours des velib' de San Fransisco
Correction travaux pratiques
8. Les statistiques et le machine learning
Les types de variables
Les statistiques de base
Qu'est ce que la loi normale
Calculer la corrélation entre 2 variables
Le concept du machine learning
Comprendre le type de problème à résoudre
Le data cleaning : analyse de la valeur à prédire
Le data cleaning : vérifier le format des colonnes
Le data cleaning : gestion des valeurs manquantes
Le data cleaning : corriger problème de logique de certaines colonnes
le data modeling
Concept de la régression linéaire
Spliter le jeu de donnés entre entrainement et test
Créer son premier modèle uni-varié
La normalisation des variables
Mise en pratique de la normalisation des variables
Le dilemme biais-Variance
La gestion des variables avec catégories
TP ! Estimer les frais de santé d'une personne en fonction de ses caractéristiqu
Correction travaux pratiques