Big Data | Python pour l'analyse de données Mixte : présentiel / à distance
Dernière mise à jour : 28/01/2025
Pré-inscription
Présentation
Cette formation vous enseignera les fondamentaux du traitement des données en Python, de la collecte de données brutes au nettoyage et à la mise en forme de celles-ci afin de les exploiter pour créer de modèles prédictifs, établir des statistiques et des indicateurs, et bien plus encore.
Eligible au financement OPCO
- Actions Collectives OPCO Atlas
Cette formation peut être prise en charge à 100% dans le cadre des Actions Collectives.
Pour en bénéficier, contactez-nous à hello.institute@docaposte.fr et complétez votre inscription sur campusAtlas.
Objectifs
- 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.
Public visé
- Développeurs en Python,
- Responsables Infocentre,
- Développeurs de logiciels,
- Programmeurs,
- Data analysts,
- Data scientists.
Prérequis
- Connaissances de base en Python et statistiques.
Programme
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
Modalités pédagogiques
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
Moyens et supports pédagogiques
- Apports des connaissances communes.
- Mises en situation sur le thème de la formation et des cas concrets.
- Méthodologie d'apprentissage attractive, interactive et participative.
- Equilibre théorie / pratique : 60 % / 40 %.
- Supports de cours fournis au format papier et/ou numérique.
- Ressources documentaires en ligne et références mises à disposition par le formateur.
- Pour les formations en présentiel dans les locaux mis à disposition, les apprenants sont accueillis dans une salle de cours équipée d'un réseau Wi-Fi, d'un tableau blanc ou paperboard. Un ordinateur avec les logiciels appropriés est mis à disposition (le cas échéant).
Modalités d'évaluation et de suivi
En amont de la formation
- Recueil des besoins des apprenants afin de disposer des informations essentielles au bon déroulé de la formation (profil, niveau, attentes particulières...).
- Auto-positionnement des apprenants afin de mesurer le niveau de départ.
Tout au long de la formation
- Évaluation continue des acquis avec des questions orales, des exercices, des QCM, des cas pratiques ou mises en situation...
A la fin de la formation
- Auto-positionnement des apprenants afin de mesurer l'acquisition des compétences.
- Evaluation par le formateur des compétences acquises par les apprenants.
- Questionnaire de satisfaction à chaud afin de recueillir la satisfaction des apprenants à l'issue de la formation.
- Questionnaire de satisfaction à froid afin d'évaluer les apports ancrés de la formation et leurs mises en application au quotidien.
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.
Informations sur l'admission
Nous consulter.
Modalités d'admission
- Admission sans disposition particulière
Accessibilité
Nos formations peuvent être adaptées à certaines conditions de handicap. Nous contacter pour toute information et demande spécifique.