Apprendre la Data Science avec Python de A à Z
Problème de lecture
Cette vidéo ne semble pas disponible
00:00
00:00

TUTO Apprendre la Data Science avec Python de A à Z

Amandine Velt
40,00€

Téléchargement & visionnage illimité

Satisfait ou remboursé

Paiement 100% sécurisé

Cette formation 100% en ligne est dédiée à l'apprentissage de la programmation en Python appliqué à la Data Science.

Si vous avez envie d'apprendre à coder, d'apprendre à manipuler de la data ou les deux, alors n'hésitez pas, ce cours est un concentré de tout ça ! 
 

Au programme de cette formation Apprendre la Data Science avec Python de A à Z

Ce cours de 8 heures en vidéo, vous permettra :

  • Dans un premier temps d'acquérir les outils nécessaires pour coder en Python et faire de la Data Science
  • Puis il enchaînera sur la partie théorique de la programmation en Python, avec des exercices à chaque étape, afin de comprendre la théorie en pratiquant
  • Enfin, vous apprendrez à manipuler et explorer/visualiser des données efficacement. 
  • De tester vos nouvelles compétences avec un QCM.

A la fin de ce cours, vous serez capable d'aller récupérer un jeu de données qui vous intéresse et de l'analyser de A à Z pour en sortir des informations pertinents.

J'espère que ce cours vous plaira, j'ajouterai d'avantage de cas pratiques au fur et à mesure pour le rendre encore plus complet qu'il ne l'est déjà. 

Le but de ce cours de Data Science est réellement de vous apprendre à programmer en Python, de vous faire pratiquer afin de devenir totalement autonome pour analyser tous les jeux de données qui vous intéressent. Et je compte bien vous aider à chaque étape pour arriver à cette finalité ! 
 

Pourquoi utiliser Python pour la Data Science ?

Ce cours est dédié à Python pour la simple et bonne raison que c'est un des langages les plus utilisés en Data Science. De plus, c'est un langage que je maîtrise et qui a fait ses preuves pour résoudre tous mes problèmes d'analyse de données. Mais aussi parce que c'est un langage de programmation libre, intuitif et très bien documenté.

Je veux que ce cours soit le plus complet possible. 
Ainsi, n'hésitez surtout pas à me contacter si vous avez la moindre question ou la moindre remarque via le salon d'entraide. C'est aussi grâce à vous que je pourrai l'améliorer et le faire évoluer. 
Mon objectif est réellement de vous aider à devenir un Data Scientist autonome et passionné !

Logo du visuel conçu par Katemangostar de Freepik.

Qu’allez-vous apprendre dans ce cours ?

Plan de cours
Chapitre 1
Introduction et mise en place du cours
Chapitre 2
Les bases de Python
Chapitre 3
Les listes en Python
Chapitre 4
Les bases de la programmation en Python
Chapitre 5
Les dictionnaires en Python
Chapitre 6
Utilisation de la bibliothèque Numpy
Chapitre 7
Utilisation de la bibliothèque Pandas pour manipuler les données

Plan détaillé du cours

Chapitre 1 : Introduction et mise en place du cours
24m46s
 
Leçon 1Introduction
Leçon 2Installation de l'environnement de travail (Windows, Mac, Linux)
Leçon 3Les bibliothèques Python essentielles à la Data Science
Leçon 4Prise en main du tableau de bord de Jupyter Notebook
Leçon 5Prise en main des notebooks de Jupyter Notebooks
Chapitre 2 : Les bases de Python
28m14s
 
Leçon 1Les variables
Leçon 2Les types de données (numériques)
Leçon 3Les types de données (booléens)
Leçon 4Les types de données (caractères)
Leçon 5Les opérateurs arithmétiques
Leçon 6Qu'est-ce qu'une fonction ?
Leçon 7Qu'est-ce qu'une bibliothèque ?
Leçon 8Importer une bibliothèque et utiliser ses fonctions
Chapitre 3 : Les listes en Python
46m54s
 
Leçon 1Introduction aux listes
Leçon 2Accéder aux éléments d'une liste (slicing)
Leçon 3Ajouter/modifier/supprimer des éléments d'une liste
Leçon 4Diverses manipulations des listes (tri, somme, concaténation, ...)
Leçon 5Introduction sur les tuples
Leçon 6Introduction : exercice sur les listes
Leçon 7Correction : exercice sur les listes
Chapitre 4 : Les bases de la programmation en Python
1h09m
 
Leçon 1Les opérateurs relationnels et logiques
Leçon 2Les instructions de condition (if..else)
Leçon 3Boucle for
Leçon 4Boucle while
Leçon 5Introduction de l'exercice : manipuler la liste des prix de 58 maisons
Leçon 6Correction de l'exercice : manipuler la liste des prix de 58 maisons
Leçon 7Créer sa propre fonction en Python
Chapitre 5 : Les dictionnaires en Python
35m
 
Leçon 1Introduction aux dictionnaires
Leçon 2Ajouter/modifier/supprimer des éléments d'un dictionnaire
Leçon 3Parcourir un dictionnaire
Leçon 4Introduction : exercice sur les dictionnaires
Leçon 5Correction : exercice sur les dictionnaires
Chapitre 6 : Utilisation de la bibliothèque Numpy
1h14m
 
Leçon 1Introduction à NumPy
Leçon 2Création des tableaux NumPy (ndarray)
Leçon 3Notions de vues et copies d'un tableau
Leçon 4Accéder aux éléments d'un array (slicing)
Leçon 5Explorer et filtrer un array
Leçon 6Concaténation des arrays avec NumPy
Leçon 7Split (cassure) des arrays avec NumPy
Leçon 8Calculs sur les arrays
Leçon 9Exercice : manipuler un array de 20 maisons vendues en 2008 aux Etats-Unis
Leçon 10Correction : manipuler un array de 20 maisons vendues en 2008 aux Etats-Unis
Chapitre 7 : Utilisation de la bibliothèque Pandas pour manipuler les données
1h41m
 
Leçon 1Introduction à la bibliothèque Pandas
Leçon 2Les séries avec Pandas
Leçon 3Les dataframes avec Pandas
Leçon 4Lire et écrire un fichier
Leçon 5Accéder aux éléments d'un Dataframe
Leçon 6Ajouter/supprimer des colonnes d'un dataframe
Leçon 7Explorer un Dataframe
Leçon 8Filtrer un Dataframe selon des conditions
Leçon 9Grouper un Dataframe sur une ou plusieurs colonnes (groupby)
Leçon 10Introduction de l'exercice : étudier le marché Android via le Google play store
Leçon 11Correction de l'exercice : étudier le marché Android via le Google play store
Chapitre 8 : Utilisation de Matplotlib et Seaborn pour la visualisation de données
1h35m
 
Leçon 1Importation et description des données de vente du Black Friday
Leçon 2Créer son premier graphique
Leçon 3Ajouter un titre principal et des labels aux axes
Leçon 4Changer les couleurs (et colorer selon certaines variables)
Leçon 5Changer la taille ou la forme des points
Leçon 6Enregistrer son graphique
Leçon 7Les différents types de graphes
Leçon 8Combiner plusieurs graphiques (subplots)
Leçon 9Créer des graphiques avec Seaborn (Partie 1)
Leçon 10Créer des graphiques avec Seaborn (Partie 2)
Leçon 11Exercice : explorer les données d'additions d'un restaurant
Leçon 12Correction : explorer les données d'additions d'un restaurant
Leçon 13Fin du cours - Remerciements et conseils

Avis des apprenants

Détail des avis
54
Apprenants
8
Commentaires
4,7/5
Note moyenne
5/5
5
4/5
3
3/5
0
2/5
0
1/5
0
Joel Valentin
Joel Valentin
Publié le 10/01/2024
Bonjour, Je suis super content d'avoir suivi cette formation. Tout s'est passé merveilleusement bien. Cours très évolutif et couvre bien l'étude de la datascience. Je vais pouvoir commencer l'approfondissement. Très pédagogue et respect des modalités pédagogiques. Merci !
Arnaud Simon
Arnaud Simon
Publié le 28/03/2021
Explcation claire et rythme Agreable
Membre-6397-2505
Membre-6397-2505
Publié le 28/01/2021
merci pour ce cours, je commence ma reconversion vers le metier de DataScientist et c'est une tres bonne introduction

Vos questions sur le cours

Avec quelles versions de logiciels ce tuto est-il compatible ?

Data Science , Python

Quel est le niveau requis pour suivre ce tuto ?

débutant

Que contient le fichier source ?

Le fichier source contient l'ensemble des Powerpoints d'introduction des exercices. Il contient aussi l'ensemble des Notebooks utilisés durant le cours, afin que vous ayez accès à l'ensemble des lignes de code écrites durant le cours. Et enfin, le fichier source contient l'ensemble des jeux de données au format .csv que nous utiliserons durant le cours.

Attendez ! 🤗

Accédez à plus de 1333 tutos gratuits

Notre politique de protection des données