Vous êtes ici : Accueil > Big Data > Formation > Data Science > Analyser des données avec Python

Formation Analyser des données avec Python


Objectifs

Connaître et savoir utiliser les librairies incontournables de Python pour la data science : La Scipy Stack
Connaître et utiliser les principales librairies de visualisation de données et notamment orientées cartographie
Savoir manipuler des données volumineuses ne tenant pas en mémoire
Avoir une bonne compréhension de l'écosystème scientifique de Python, savoir trouver ses librairies et juger de leur qualité

Pré-requis

Pour suivre ce stage dans de bonnes conditions, il est recommandé d'avoir suivi en amont la formation Python – Bases et introduction aux librairies scientifiques

Méthode

Nos formations sont majoritairement pratiques (70%), les concepts théoriques sont illustrés d’exemples et exercices. Les supports sont essentiellement construits avec les notebooks Jupyter/Lab et sont suffisamment détaillés pour être repris seul(e) après la formation.

Pour aller plus loin

Nous vous recommandons la formation Data Mining - Machine Learning

Programme

- L'écosystème scientifique Python
Il n'est pas facile d'y voir clair dans l'écosystème scientifique de Python tant les librairies sont variées et nombreuses.
Cette présentation vous apportera une vue d'ensemble et les éléments clefs qui vous aideront à choisir vos librairies et outils de travail pour vos projets de data science avec Python.

  • Les incontournables: Numpy, Scipy, Pandas, Matplotlib et iPython qui sont le ciment de toutes les autres librairies scientifiques
  • Panorama des librairies et logiciels scientifiques par domaine
  • Les critères permettant de juger de la qualité d'une librairie

- Calculer avec des nombres réels: comprendre les erreurs de calculs
Les nombres réels, dans la plupart des langages, dont Python, utilisent la norme en virgule flottante.
Celle-ci n'est pas précise et peut générer des erreurs de calcul parfois bien gênantes.
  • La représentation des nombres réels
  • Comprendre les erreurs de calculs et les contourner

- La scipy stack
La librairie Numpy qui signifie Numeric Python est la première que vous devez apprendre. Elle constitue avec Scipy, Matplotlib et Pandas le socle sur lequel s'appuient toutes les autres librairies scientifiques.
  • Manipuler des tableaux de nombres: Numpy
    • Différences avec les listes Python
    • Création, sélection, filtres et principales fonctions
  • Visualiser ses données: Matplotlib
    • Les concepts de la librairie
    • Principaux graphiques: nuages de points, courbes, histogrammes, boxplot, ...
    • Fonctionnalités avancées: 3D, légendes, colorbar, manipuler les axes, annotations, ...
  • Analyse de données: Pandas
    • Les fondements de la librairie: Manipuler des données de type CSV et Excel
    • Séries et Dataframes
    • Index, sélection de données, filtres/recherche, agrégations, jointures et fonctions avancées
    • Manipuler des séries temporelles
  • Les fonctions mathématiques avancées: Scipy
    • Statistiques, optimisation, interpolations/régressions, traitement d'images

- Visualisation de données
Bien que Matplotlib constitue la première librairie de visualisation que vous devrez apprendre, elle possède 2 limites majeures: elle ne sait pas gérer les données volumineuses et n'est pas adaptée au Web. Mais Python a su développer un riche écosystème de visualisation de données qui devrait pouvoir répondre à toutes vos attentes.
  • Présentation de l'écosystème de visualisation de données de Python
  • Les librairies orientées Web: Bokeh, Altair et Plotly
  • Les "écosystèmes" PyViz et HoloViz
  • La visualisation de données volumineuses/big data avec DataShader
  • Les statistiques avec Seaborn

- Visualiser des données géospatiales
Posséder des données disposant de coordonnées géospatiales apporte une toute autre dimension à leur représentation. Python est très bien outillé dans ce domaine.
  • Convertir ses données d'un système de coordonnées à l'autre
  • Cartographie interactive "à la Open Street Map/Google Maps" avec Folium/iPyleaflet
  • Cartographie statique avec Cartopy
  • Autres librairies géospatiales

- Manipulation de données volumineuses
Numpy et Pandas sont 2 librairies incroyables, mais elles ont 2 limites majeures: elles ne savent pas traiter des données de très grande volumétrie qui ne tiennent pas en mémoire et ne savent pas toujours paralléliser leurs calculs.
Python a su développer des solutions.
  • Les librairies h5py, pytables, netcdf4, xarray, iris, parquet permettant de lire vos fichiers scientifiques
  • Paralléliser ses calculs avec Dask
  • Paralléliser ses calculs avec CuDF
  • Manipuler des dataframes gigantesques avec Dask

- Personnalisation
Sous réserve de contraintes techniques ou de confidentialité, nous vous proposons de personnaliser la formation en réalisant des exercices directement sur vos données métiers.