Si vous souhaitez vous initier aux Data Sciences et à la manipulation de données en jouant avec les bases de Python, cette formation en vidéo est faite pour vous !
Ce cours vidéo est constitué des points théoriques nécessaires pour commencer à stocker et manipuler de la data depuis des datasets (jeux de données). Toutes les syntaxes de base de Python y sont présentes, mises en scène autour du domaine de la Data Science.
La formation est également remplie d'exercices, de défis, de projets et d'opportunités pour que vous puissiez pratiquer directement ce que vous apprenez. Appliquez ce que vous apprenez à l'aide de datasets adaptés à chaque étape de votre apprentissage.
Ce cours en quelques chiffres :
- 7 heures de vidéos
- 14 chapitres théoriques avec de nombreuses vidéos
- 2 challenges pour valider vos acquis
- 2 projets complets pour commencer un portfolio sur github
- 10 datasets divers et variés à explorer
Pourquoi apprendre Python?
Constamment classé une des compétences les plus demandées par les employeurs, Python est un moyen fantastique de stimuler votre développement professionnel que ce soit du côté data scientist, data analyst ou même développeur.
Pourquoi ce cours est différent ?
Ce ne sera pas un cours où vous allez regarder mon code pendant des heures. C'est un parcours où l'on pratique, on met les mains dans le code et on manipule soi-même pendant des heures de la data. Mon but c'est surtout de vous donner l'envie d'investiguer à fond des datasets.
Une fois ce cours terminé, vous pourrez interagir avec n'importe quel fichier csv, déceler des tendances sur tout sujet qui vous intéresse.
Alors, faisons ça ! Inscrivez-vous aujourd'hui et commencez à apprendre Python & la Data Science !
Je reste disponible dans le salon d'entraide de ce cours pour répondre à vos éventuelles questions.
Table des matières de cette formation Python, Data Science (durée : 7h09m)
-
Installation Anaconda (jupyter notebook) -- Voir fichiers sources
- Présentation Jupyter Notebook (voir fichiers source pour l'installation) 00:05:27
-
Python : les bases
- 2.1 Les variables : Créer et afficher une variable gratuit 00:03:17
- 2.2 Les variables : Types de données gratuit 00:06:26
- 2.3 Opérations avec des variables gratuit 00:04:52
- 2.4 Création d'une liste gratuit 00:05:22
- 2.5 Récupérer une valeur dans une liste gratuit 00:06:35
- 2.6 Retourner la longueur d'une liste gratuit 00:06:02
- 2.7 Récupérer un morceau de liste (slicing) gratuit 00:05:10
-
Fichiers et Boucles
- 3.1 Objectifs 00:00:52
- 3.2 Ouvrir et lire un fichier 00:04:17
- 3.3 Séparation des éléments 00:03:57
- 3.4 Les boucles FOR 00:06:35
- 3.5 Liste de listes 00:07:03
- 3.6 Récupérer et afficher des éléments d'une liste de listes 00:09:45
- 3.7 Challenge 00:05:12
-
Booléens et Conditions IF
- 4.1 Objectifs 00:00:25
- 4.2 Booléens et Opérateurs 00:11:59
- 4.3 La condition IF 00:06:30
- 4.4 Condition IF et Boucle FOR 00:05:46
-
Challenge 1
- 5.1 En quoi consiste ce challenge? 00:00:44
- 5.2 Lire le fichier dans une liste 00:00:44
- 5.3 Solution "Lire le fichier dans une liste" 00:01:07
- 5.4 Convertir la liste en liste de listes 00:00:34
- 5.5 Solution "Convertir la liste en liste de listes" 00:01:46
- 5.6 Convertir les valeurs numériques 00:00:59
- 5.7 Solution "Convertir les valeurs numériques" 00:01:46
- 5.8 Filtrer la liste 00:00:49
- 5.9 Solution "Filtrer la liste" 00:01:57
-
Opérations sur les Listes
- 6.1 Objectifs et Datasets 00:03:17
- 6.2 Supprimer l'en-tête 00:01:23
- 6.3 Vérifier la présence d'un élément en une ligne 00:06:53
-
Les Dictionnaires
- 7.1 Qu'est-ce qu'un dictionnaire ? 00:10:22
- 7.2 La condition IF / ELSE 00:07:47
- 7.3 Compter les éléments d'une liste et présenter les résultats dans un dictionnaire 00:06:18
-
Introduction aux Fonctions
- 8.1 Objectifs 00:00:56
- 8.2 Tokenization du vocabulaire 00:02:27
- 8.3 Remplacement des caractères spéciaux 00:05:55
- 8.4 Les fonctions 00:06:31
- 8.5 Changer les lettres majuscules en minuscule 00:01:34
- 8.6 Arguments multiples 00:11:36
- 8.7 Tokenization du fichier texte 00:03:55
- 8.8 Trouver les mots mal orthographiés 00:02:55
-
Fonctions : Améliorations et Erreurs
- 9.1 Fonctions avec plusieurs chemins d'exécution 00:03:13
- 9.2 Les arguments 00:04:33
- 9.3 Pratique : Amélioration de notre correcteur orthographique 00:07:34
- 9.4 Types d'erreurs 00:06:15
-
Projet : Explorer les naissances aux US depuis 2000
- 10.1 Introduction au dataset 00:02:42
- 10.2 Convertir la data en liste de listes 00:04:39
- 10.3 Calculer le nombre de naissances par mois 00:04:43
- 10.4 Calculer le nombre de naissances par jour de la semaine 00:03:16
- 10.5 Créer une fonction plus générale 00:04:08
-
Les Modules
- 11.1 Dataset 00:01:08
- 11.2 Les Modules 00:03:18
- 11.3 Le Module CSV 00:01:27
- 11.4 Compter le nombre de fois qu'une équipe a gagné 00:04:06
- 11.5 Opérateurs AND et OR avec les booléens 00:03:33
- 11.6 Compter les victoires pour une année donnée 00:02:54
-
Les Classes
- 12.1 Objets et Classes 00:02:44
- 12.2 La méthode d'instance __init__ 00:01:31
- 12.3 D'autres méthodes d'instance 00:04:26
- 12.4 Améliorer la méthode d'instance __init__ 00:03:45
- 12.5 Nombre de victoires pour une année donnée 00:03:02
-
Gestion des Erreurs
- 13.1 Objectifs et Dataset 00:01:12
- 13.2 Sets 00:05:47
- 13.3 Exploration du dataset 00:01:53
- 13.4 Valeurs manquantes 00:05:03
- 13.5 Analyse des années de naissance 00:02:40
- 13.6 Bloc TRY / EXCEPT 00:03:21
- 13.7 Le mot clé PASS 00:04:17
- 13.8 Convertir l'année de naissance en entier dans le dataset 00:03:16
- 13.9 Modifier les valeurs des années manquantes 00:02:42
-
La Compréhension de Liste
- 14.1 Objectifs 00:00:45
- 14.2 Fonction Enumerate() 00:06:11
- 14.3 Compréhension de liste 00:04:29
- 14.4 Compter les prénoms féminins 00:02:56
- 14.5 None 00:05:13
- 14.6 Application : Prénoms féminins les plus fréquents 00:02:07
- 14.7 La méthode items() 00:01:34
- 14.8 Trouver les prénoms les plus fréquents 00:07:23
-
Challenge 2
- 15.1 Introduction au dataset 00:04:47
- 15.2 Valeurs uniques 00:02:09
- 15.3 Classe Suspension 00:02:56
- 15.4 Amélioration classe suspension 00:03:33
-
Portée des Valeurs
- 16.1 Fonctions Built-in 00:02:35
- 16.2 La portée des variables 00:04:27
- 16.3 L'héritage 00:02:54
-
Les Expressions Régulières (regex)
- 17.1 Introduction 00:01:05
- 17.2 Caractères génériques 00:01:18
- 17.3 Chercher le début et la fin d'une chaine de caractères 00:02:04
- 17.4 Introduction au dataset 00:03:12
- 17.5 Compter les correspondances avec le module re() 00:03:56
- 17.6 Crochets pour matcher plusieurs lettres 00:03:15
- 17.7 Ignorer des caractères spéciaux 00:03:19
- 17.8 Améliorer notre regex 00:02:50
- 17.9 Combiner plusieurs regex 00:04:31
- 17.10 Modifier des chaines de caractères avec regex 00:04:04
- 17.11 Matcher les années avec regex 00:02:46
- 17.12 Extraire toutes les années 00:02:39
-
Python et les Dates
- 18.1 Le module time 00:03:08
- 18.2 Le module datetime 00:01:54
- 18.3 Classe Timedelta 00:02:42
- 18.4 Formater les dates 00:02:50
- 18.5 Les dates sur notre dataset 00:04:44
- 18.6 Compter les posts publiés au mois de mai 00:01:55
- 18.7 Compter les posts de n'importe quel mois 00:02:52
-
Projet Final
- 19.1 Découverte du dataset 00:02:14
- 19.2 Solution 'Exploration du dataset' 00:02:22
- 19.3 Compter le nombre de décès par armes à feu aux USA chaque année 00:00:36
- 19.4 Solution 'Compter le nombre de décès par armes à feu aux USA chaque année' 00:02:26
- 19.5 Exploration du nombre de décès par mois 00:00:56
- 19.6 Solution 'Exploration du nombre de décès par mois' 00:03:06
- 19.7 Exploration du nombre de décès par origine et par sexe 00:00:31
- 19.8 Solution 'Exploration du nombre de décès par origine et par sexe' 00:04:45
- 19.9 Dataset Population Totale par origine aux USA 00:01:14
- 19.10 Calculer le ratio de décès par armes à feu en fonction de l'origine 00:02:26
- 19.11 Solution 'Calculer le ratio de décès par armes à feu en fonction de l'origine' 00:03:18
- 19.12 Filtrer par homicide 00:00:57
- 19.13 Solution 'Filtrer par homicide' 00:04:34
- Fichiers sourcestélécharger
- Certificat
Formateur : Rod Paris
-
Tres clair. Le pas à pas nous accompagne. Parfait.
-
Bonne formation, pas de niveau requis pour la suivre
-
Avec quelles versions de logiciels ce tuto est-il compatible ?Python , Data Science
-
Quel est le niveau requis pour suivre ce tuto ?débutant
note moyenne
avis laissés