Savoir utiliser les principaux outils de traitement et d’analyse de données pour Python
Être capable d’extraire des données d’un fichier et les manipuler
Apprendre à mettre en place un modèle d’apprentissage simple
- BDD & Décisionnel
- Décisionnel
Formation Big Data – Python pour l’analyse de données
Objectifs
Prérequis
Maîtrise de la programmation Python
Public
Développeurs en Python
Formation(s) associée(s)
A distance / Classe virtuelle
En classe virtuelle, vous êtes en totale immersion avec le groupe et participez à la formation dans les mêmes conditions que le présentiel : cours théorique, travaux pratiques, échanges en temps réel avec le formateur et les autres stagiaires…
Notre formateur
La formation est animée par un professionnel de l’informatique et de la pédagogie, dont les compétences techniques, professionnelles et pédagogiques ont été validées par des certifications et/ou testées et approuvées par les éditeurs et/ou notre équipe pédagogique. Il est en veille technologique permanente et possède plusieurs années d’expérience sur les produits, technologies et méthodes enseignés. Il est présent auprès des stagiaires pendant toute la durée de la formation.
Présentiel
Formations intra ou interentreprises, cours officiels ou création de contenu spécifique, nos formations sauront répondre à vos attentes.
Les + d'une formation Access it
Des formations d'excellence, éligibles CPF, disponibles en distanciel, et animées par des consultants experts passionnés par leur métier.
Les Modules
de formation
Module 1
POSITIONNEMENT PYTHON
Besoins des data-scientist : calculs, analyse d’images, machine learning, interface avec les bases de données
Apports de python : grande variété d’outils, expertise dans le domaine du calcul scientifique
Tour d’horizon des outils : pandas, agate, bokeh, scikit-learn, pybrain, tensorflow, keras, mxnet, caffe
Module 2
CALCULS ET GRAPHIQUES
NumPy : Base du calcul sur des tableaux
SciPy : Scientific Tools for Python, couche scientifique
Manipulation de tableaux, fonctions mathématiques
Représentation graphique avec basemap et matplotlib
Mise en oeuvre de SciPy/NumPy : manipulation d’images, détection de contours
Module 3
MANIPULATION DE DONNÉES RELATIONNELLES
NumPy : Base du calcul sur des tableaux
SciPy : Scientific Tools for Python, couche scientifique
Manipulation de tableaux, fonctions mathématiques
Représentation graphique avec basemap et matplotlib
Mise en oeuvre de SciPy/NumPy : manipulation d’images, détection de contours
Module 4
MANIPULATION DE DONNÉES RELATIONNELLES
Pandas : manipulation de tables de données
Tableaux avec Pandas : indexation, opérations, algèbre relationnelle
Stockage dans des fichiers : CSV, h5py, netCDF
Comparaison et performances Pandas / NumPy
Module 5
MACHINE LEARNING ET DEEP LEARNING
Présentation de TensorFlow, scikit-learn, keras, mxnet, caffe
TensorFlow : principe de fonctionnement, plates-formes supportées, distribution, APIs fournies en standard, modèles d’apprentissage
Projet scikit-learn : classification, régression, validation de modèles prédictifs
Démonstrations avec les modèles fournis par scikit-learn
Positionnement et comparaison avec Keras, mxnet, caffe
Les prochaines
sessions de formation
Sur demande
Vous souhaitez organiser cette formation à une date spécifique ?
Contactez-nous en remplissant le formulaire ci-dessous
