Formation Big Data, Python pour l'analyse de données Mixte : présentiel / à distance

• Comprendre les principes de la modélisation statistique,
• Savoir utiliser les principaux outils d'analyse et de traitement des données de Python,
• Extraire des données d'un fichier,
• Savoir appliquer les bonnes pratiques pour nettoyer et préparer les données avant analyse,
• Créer des modèles d'apprentissage simples,
• Choisir entre régression et classification en fonction du type de données,
• Évaluer les performances prédictives d'un algorithme,
• Créer des sélections et des évaluations dans de grands volumes de données pour identifier les tendances.

• Développeurs en Python,
• Responsables Infocentre,
• Développeurs de logiciels,
• Programmeurs,
• Data analysts,
• Data scientists.

• Connaissances de base en Python et statistiques.

Introduction à la structure des données en Python

• Python pour les manipulations de données
• Listes, ensembles, strings, tuples et dictionnaires

Opérations avancées sur la structure de données intégrée

• Structures de données avancées
• Opérations de base sur les fichiers en Python

Introduction à NumPy, Pandas et Matplotlib

• Les tableaux NumPy
• Les DataFrames Pandas
• Statistiques et visualisation avec NumPy et Pandas
• Utiliser NumPy et Pandas pour calculer des statistiques descriptives de base sur le DataFrame

Data Wrangling avec Python

• Définition et processus
• Sous-ensembles, filtrage et regroupement
• Détection des valeurs extrêmes et traitement des valeurs manquantes
• Concaténer, fusionner et joindre
• Les méthodes utiles de Pandas
• Compréhension avancée des listes et fonction zip
• Formatage des données

Scraping de données avec Python

• Définition du scraping
• Les différents niveaux de difficulté sur plusieurs supports
• Lecture de données provenant de différentes sources textuelles, et non textuelles.
• Outils de scrapping
• Introduction à BeautifulSoup
• Introduction à CSS Select

Scraping avancé et collecte de données

• Les bases du Web scraping, bibliothèques BeautifulSoup
• Python comme solution ETL
• Formats de données structurées : CSV, flux XML et JSON
• Lire et écrire des fichiers
• Exploiter des données de fichiers provenant de différentes sources
• Fonctions pour l'accès et le chargement de données en blocs de lignes

Implémenter un scraper

• Scraper simple avec les requêtes GET et les pages séquencées
• Identification de la stratégie de navigation sur le site pour trouver les données
• Construction de l'algorithme du scraper
• Scraper complexe : envoi de données à un site Web, obtention de résultats plus complexes
• Requêtes POST et GET
• Parcourir un site pour trouver les données
• Identifier la stratégie à adopter
• Coder le scraper

Application dans la vie réelle et conclusion du cours

• Appliquer vos connaissances à des tâches de data wrangling et data scraping de la vie réelle

Docaposte Institute propose plusieurs dispositifs pédagogiques adaptés aux apprenants :

• Formation en présentiel
• En groupe (inter-entreprises ou intra-entreprise)
• En individuel (monitorat)
• En journée ou en cours du soir (sur demande spécifique)
• Formation en distanciel
• Distanciel synchrone
• Distanciel asynchrone

• Alternance d'apports théoriques et de mises en pratique contextualisées.
• Progression pédagogique structurée, de la compréhension à la mise en œuvre opérationnelle.
• Pédagogie immersive favorisant une mise en application immédiate des compétences.
• Formation interactive et participative s'appuyant sur des ateliers pratiques, études de cas et échanges collectifs (+ 60 % du temps de formation.)
• Séquences pédagogiques rythmées et évaluations formatives régulières pour renforcer l'ancrage des apprentissages.
• Supports de cours, ressources documentaires et références mis à disposition par le formateur

En amont de la formation (évaluation en ligne dans l'extranet apprenant)

• Recueil des besoins et des attentes des participants.
• Auto-positionnement permettant d'évaluer le niveau initial des apprenants.

Tout au long de la formation

• Évaluations continues réalisées par le formateur travers des questions orales, exercices, QCM, études de cas et mises en situation pratiques.

À l'issue de la formation (évaluations en ligne dans l'extranet apprenant)

• Auto-positionnement afin de mesurer l'acquisition des compétences visées.
• Validation de l'acquisition des compétences par le formateur
• Questionnaire de satisfaction « à chaud » à l'issue de la formation
• Questionnaire de satisfaction "à froid", 45 jours après la formation afin d'évaluer l'ancrage des acquis et leur mise en application en situation professionnelle.

NB : dans le cadre d'une Action collective, chaque stagiaire bénéficiaire sera contacté par un prestataire choisi par l'Opco Atlas afin d'évaluer « à chaud » la qualité de la formation suivie.

• Admission sans disposition particulière