Formation Big Data - Python pour l'analyse de données

Télécharger le plan de cours

Demander un devis

Obtenir un renseignement

Informations générales

Référence BIG555

Durée 4 jours (28h)

Tarif 3 250 €HT

Objectifs

Après ce cours, vous serez capable de :

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

Public

Ce cours s'adresse avant tout aux personnes suivantes :

Développeurs en Python

Prérequis

Pour suivre ce cours, vous devez déjà posséder les connaissances suivantes :

Maîtrise de la programmation Python

Programme de la formation

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

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

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

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

plus d'infos

Méthode pédagogique

Chaque participant travaille sur un poste informatique qui lui est dédié. Un support de cours lui est remis soit en début soit en fin de cours. La théorie est complétée par des cas pratiques ou exercices corrigés et discutés avec le formateur. Le formateur projette une présentation pour animer la formation et reste disponible pour répondre à toutes les questions.

Méthode d'évaluation

Tout au long de la formation, les exercices et mises en situation permettent de valider et contrôler les acquis du stagiaire. En fin de formation, le stagiaire complète un QCM d'auto-évaluation.

Mis à jour le 08/11/2023