Logo de l'organisme de formation

La formation au coeur de l'avenir technologique

Représentation de la formation : Big Data - Python

Big Data - Python

Formation à distance
Durée : 21 heures (3 jours)
Durée :21 heures (3 jours)
HT
Se préinscrire
Durée :21 heures (3 jours)
HT
Se préinscrire
Durée :21 heures (3 jours)
HT
Se préinscrire

Formation créée le 17/03/2022.

Version du programme : 1

Programme de la formation

Objectifs de formation : à l’issue de la formation, le stagiaire sera capable de manipuler des données statistiques grâce au langage Python.

Objectifs de la formation

  • Comprendre le principe de la modélisation statistique
  • Savoir utiliser les principaux outils de traitement et d'analyse de données pour Python
  • Être capable d'extraire des données d'un fichier
  • Savoir appliquer les pratiques optimales en matière de nettoyage et de préparation des données avant l'analyse
  • Apprendre à mettre en place un modèle d'apprentissage simple
  • Choisir entre la régression et la classification en fonction du type de données
  • Évaluer les performances prédictives d'un algorithme
  • Créer des sélections et des classements dans de grands volumes de données pour dégager des tendances

Profil des bénéficiaires

Pour qui
  • Développeurs en Python
  • Responsables Infocentre
  • Développeurs de logiciels
  • Programmeurs
  • Data analysts
  • Data scientists
Prérequis
  • Maîtrise de la programmation Python et connaissances de base en statistiques

Contenu de la formation

  • Présentation de Python
    • Les forces & faiblesses Python pour la data
    • Outils liés à Python
  • Calculs & graphiques
    • Présentation de NumPy
    • Présentation de SciPy
    • Utilisation de tableaux & fonctions mathématiques
    • basemap & matplotlib : représentation graphique
    • Manipulation de NumPy & SciPy
  • Données relationnelles
    • Manipulation de tables de données
    • Tableaux avec pandas
    • Stockage dans des fichiers
    • Comparatif Pandas / NumPy : forces & faiblesses, cas d'usages
  • Utilisation de Python pour le machine learning & le deep learning
    • Tour d'horizon des outils
    • Focus sur Tensorflow
    • APIs fournies en standard
    • Modèles d'apprentissage
    • Scikit-learn : initiation et comparatif
Équipe pédagogique

Professionnel expert technique et pédagogique.

Suivi de l'exécution et évaluation des résultats
  • Feuilles de présence.
  • Questions orales ou écrites (QCM).
  • Mises en situation.
  • Formulaires d'évaluation de la formation.
  • Certificat de réalisation de l’action de formation.
Ressources techniques et pédagogiques
  • Espace numérique de travail
  • Documents supports de formation projetés
  • Exposés théoriques
  • Etude de cas concrets
  • Quiz en salle
  • Mise à disposition en ligne de documents supports à la suite de la formation

Qualité et satisfaction

Taux de satisfaction des apprenants, nombre d'apprenants, taux et causes des abandons, taux de retour des enquêtes, taux d'interruption en cours de prestation...