Vous êtes ici : Accueil > Informatique > Formation > Développement (5) > Python – Bases et introduction aux librairies scientifiques

Formation Python – Bases et introduction aux librairies scientifiques


Objectifs

Connaître les concepts du langage Python ainsi que les principales librairies scientifiques : NumPy, Pandas, Matplotlib...

Public

Profil scientifique désireux d'acquérir les bases du langage Python pour être autonome lors de l'utilisation des librairies scientifiques

Pré-requis

Expérience de la programmation et de l'algorithmique

Méthode

Chaque chapitre s'achève par des travaux pratiques qui mettent en oeuvre les éléments présentés. Les TP utilisent les outils Pycharm ou Spyder selon les souhaits.
Pédagogie active mêlant exposés, exercices et applications pratiques dans le logiciel Python.

Pour aller plus loin

Nous vous recommandons la formation Python avancé

Programme

- Introduction rapide
  • Historique
  • Installation
  • Premier programme
  • Principales versions
  • Prise en main de IPython

- Bases du langage
  • Opérateurs et expressions
  • Instructions de contrôle
  • Fonctions
  • Structures de données

- Modules et packages
  • Programmation modulaire
  • Importation de modules
  • Du module au Package

- Librairie standard
  • Gestion des fichiers
  • Gestion des répertoires
  • Interface avec le système

- Programmation objets (bases)
  • Définition de classes
  • Héritages
  • Gestion des exceptions
  • Surcharge des opérateurs

- Syntaxe avancée
  • Définitions fonctionnelles de listes
  • Itérateurs et générateurs
  • Décorateurs
  • Instructions "with" et Contextlib
  • Lambda fonctions

- Aide au développement
  • Documentation de code
  • Tests unitaires
  • Debugger
  • Installation de packages (pip)

- NumPy
  • Base de NumPy (tableaux et types)
  • Entrées/Sorties
  • Fonctions utiles
    • corrélation de données
    • polynômes
    • programmation fonctionnelle
  • Manipulation de matrices

- Matplotlib
  • Structure d'un graphe - éléments esthétiques
  • Layout et Annotations
  • Graphes en 3D
  • Graphes interactifs
  • Introduction à Seaborn
  • Introduction à VisPy (3D temps-réel)

- Pandas
  • Manipulation de Series et DataFrames
  • Indexation, Catégories
  • Fonctions numériques et statistiques
  • Lecture & écriture de données
  • Transformation de données
  • Agrégations
  • Time-Series
  • Visualisation

- Machine Learning
  • Introduction à SciKit-Learn
  • Introduction à TensorFlow
  • Introduction à PyTorch (Deep Learning)