La formation Python for Data Science - Rabat Agdal et Casa Maârif- Maroc
Inscrivez-vous
Inscrivez-vous à notre formation Python for Data Science.
Formation: Python for Data Science – Télépresentiel et Présentiel à Rabat Agdal et Casablanca Mâarif
Le métier de Data Scientist est avant tout une vocation, qui se traduit par la pratique de traitement de données de différentes natures, à l’aide d’algorithmes adaptés, afin de répondre à des challenges de décision. Ainsi, au sein d’une équipe Data, vous serez en charge de choisir le modèle le plus performant, parmi une palette d’algorithmes : supervisés, non supervisés ou encore réseaux de neurones profonds (Deep Learning). L’importance de ce type particulier d’algorithmes, réside dans leur pouvoir à permettre à des machines d’agir sans être explicitement programmés et c’est exactement, la maîtrise de ces algorithmes, qui ont permis d’industrialiser des voitures automnes, de tirer profit de la reconnaissance vocale, d’effectuer des recherches Web efficaces et de construire une connaissance considérablement améliorée du génome humain.
Ce cours vous aidera à découvrir les bonnes pratiques et connaissances fondamentales pour effectuer vos analyses de données à l’aide de Python. À l’issue de ce cours, vous serez en mesure d’écrire vos propres scripts Python et d’effectuer des analyses de données pratiques. Vous verrez ainsi commencer utiliser les notebooks Jupyter et des librairies Python comme Pandas, Matplotlib ou encore Numpy . Étant donné que Python possède de nombreuses librairies qui sont utilisées dans tous les domaines, ce cours vous sera utile pour découvrir quelques régles de base vous permettant de traiter une grande quantité de données.
Session télé-présentielle:
- Dates prévisionnelles: 17-18, 24-25, 31 Décembre 2022.
- Nombre de jours: 05 jours en ligne .
- Horaire: De 9h00 à 15h00
- Rabat: +212653906825 | +212537681495
- Casablanca: +212777376560 | +212522986758
- Paris: +33780919590
Certification de la formation:
- Certification « Python for Data Science ».
S'inscrire à la formation.
Ce module de 5 jours en ligne présentera à l'apprenant les bases de l'environnement de programmation python, y compris les techniques de programmation python fondamentales telles que les fonctions lambdas, la lecture et la manipulation de fichiers csv et la bibliothèque numpy. Le cours présentera les techniques de manipulation et de nettoyage des données à l'aide de la populaire bibliothèque de science des données python pandas et présentera l'abstraction de la série et du DataFrame en tant que structures de données centrales pour l'analyse des données. Ce cours couvre également Seaborn et Matplotlib qui sont deux des bibliothèques de visualisation les plus puissantes de Python. À la fin de ce cours, les étudiants seront en mesure de prendre des données tabulaires, de les nettoyer, de les manipuler et d'exécuter des analyses statistiques inférentielles de base. Le module a pour objectifs:
- Maîtriser le language de programmation python.
- La manipulation et l'analyse des données en utilisant la bibliothèque Pandas.
- Manipuler les matrices ou tableaux multidimensionnels en utilisant la bibliothèque Pandas.
- Créer des représentations visuelles en utilisant Seaborn et Matplotlib qui sont deux des bibliothèques de visualisation les plus puissantes de Python.
- Formateur Machine Learning et Statistique: Ingénieur d’Etat et consultant statisticien, lauréat de l’Institut National de Statistique et d’Economie Appliquée (INSEA), le formateur a ainsi un doctorat en Statistique. Notre formateur a plus de 13 ans d’expérience dans le domaine professionnel (secteur privé et public), avec une expertise en matière de traitement et modélisation des données et une bonne connaissance des secteurs économiques. Il est au même temps professeur universitaire à l’université Alakhawayn (AUI). Il a aussi animé plusieurs formations de Machine Learning, dans le cadre de plusieurs groupes de travail et au profit des étudiants universitaires et des grands comptes tel que : Inwi. UIA
Programme détaillé du Python for datascience - en ligne - 5 jours
Python part 1
L'objectif de cette partie est d'avoir un niveau de compétence intermédiaire en programmation Python. Ca couvre les modules suivants:
- Introduction
- Why Python?
- HELLO WORLD
- INDENTATION
- VARIABLES
- DATA TYPES
- NUMBERS
- CASTING
- STRINGS
- BOOLEAN
- LISTS
- TUPLES
- Set
- Dictionaries
Python part 2
L'objectif de cette partie est d'avoir un niveau de compétence intermédiaire en programmation Python. Ca couvre les modules suivants:
- If … Else
- Loops
- Functions
- Lambda Functions
- Array
- Classes/Objects
- Inheritance
- Iterators
- Scope
- Modules
- Datetime
- JSON
- RegEx
- PIP
- Try … Except
- User Input
- String Formating
Numpy
Ce module couvre l'utilisation de la bibliothèque numpy pour créer et manipuler des tableaux.
- Introduction
- Creating arrays
- Lab 1 – Creating array
- NumPy Array Indexing
- Array Slicing
- Lab 2 – Array Slicing
- Data Types
- Lab 3 – Data Type
- Array Shape
- Array Reshape
- Lab 4 – Array reshape
- Array Iterating
- Lab 5 – Array iterating
- Joining Array
- Lab 6 – Joining array
- Splitting Array
- Lab 7 – Splitting array
- Searching Arrays
- Lab 8 – Searching array
- Sorting Arrays
- Lab 9 – Sorting array
- Filter Array
- Random Numbers
- Lab 10 – Random number
Pandas
Ce module couvre l'utilisation du module pandas avec Python pour créer et structurer des données.
- Introduction
- Creating Data
- Lab 1 – Creating data
- Naive accessors
- Indexing in Pandas
- Lab 2 – Indexing
- Summary Functions and Maps
- Lab 3 – Summary Functions and Maps
- Grouping and Sorting
- Lab 4 – Grouping and Sorting
- Data Types & Missing Values
- Lab 5 – Data Types & Missing Values
- Renaming and Combining
Data Visualization
Ce module couvre la création des des visualisations de données à l'aide de matplotlib et seaborn avec python.
- Introduction
- Line chart
- Lab 1 – Line Charts - Los Angeles City Museums
- Bar chart & Heatmap
- Lab 2 – Bar chart & Heatmap
- Scatter Plots
- Lab 3 – Scatter plots
- Distributions
- Lab 4 – Distributions
- Pairplot
- Boxplot
FAQs
Python est un langage de programmation très populaire inventé dans les années 90. Il est utilisé par des développeurs de tout poil, que ce soit pour coder des applications web, des logiciels, mais aussi des algorithmes d’analyse des données.
La formation Python vous aidera à découvrir les bonnes pratiques et connaissances fondamentales pour effectuer vos analyses de données à l’aide de Python. Les sujets traités comprennent entre autres :
- Mettre en œuvre les différents modules Python.
- Concevoir et exécuter un notebook Jupyter.
- Visualiser des données avec Matplotlib et Seaborn.
- Editer des tableaux avec Numpy.
- Manipuler un jeu de données grâce à Pandas.
Le marché de l'analyse Big Data est en croissance à travers le monde et ce modèle de croissance forte se traduit par une excellente opportunité pour tous les professionnels de l'informatique. Les responsables du recrutement recherchent des professionnels certifiés Big Data Hadoop et Spark. Notre formation à la certification Big Data et Hadoop et Spark vous aide à saisir cette opportunité et à accélérer votre carrière. Notre cours Big Data Hadoop et Spark peut être suivi par des professionnels comme par des novices. Il est le mieux adapté pour:
- Passionnés de Big Data
- Développeurs logiciels, chefs de projet
- Architectes logiciels
- Consultant BI
- Ingénieurs de données
- Data Analyst
- Data scientist
- DBA et professionnels de la base de données
- Ingénieurs en informatique
- Diplômés cherchant à construire une carrière dans le domaine du Big Data
Il n'y a pas de tels prérequis pour la formation Mini Master Machine Learning ou data science avec R, Scikit Learn avec Python et Spark avec Python ou Scala. Cependant, une connaissance préalable de la programmation, Statistique sera utile mais n'est pas obligatoire. De plus, pour parfaire vos compétences, Itabacademy propose le cours gratuit "python for data science" à suivre à votre rythme lorsque vous vous inscrivez au cours Mini Master Machine Learning ou data science avec R, Scikit Learn avec Python et Spark avec Python ou Scala.