• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

 

Python pour la Data Science

  • Composante

    Formation continue Panthéon-Sorbonne

  • Langue(s) d'enseignement

    Français

Présentation

Cette formation qualifiante a pour vocation de permettre l’acquisition de connaissances et de compétences spécifiques liées à la programmation et à l’analyse de données sous Python.

Lire plus

Objectifs

Faire des analyses avancées en science de données. La formation est ainsi organisée essentiellement autour de la maîtrise avancée de Python.

Lire plus

Savoir faire et compétences

Maîtrise des fonctions de base de Python pour travailler sur des données.
Maitrise des principales librairies Python de science de données.

Lire plus

Organisation

Membres de l’équipe pédagogique

Marc-Arthur Diaye, professeur des universités à l’université Paris 1 Panthéon - Sorbonne, directeur de la mention Econométrie-statistiques.
Chercheurs, experts et praticiens formeront le panel des intervenants.

Pour plus de renseignements (inscription, formation en intra-entreprise...) :
Tél : 01 53 55 27 69
formations-courtesfcps@univ-paris1.fr

Lire plus

Programme

3 jours

JOUR 1
Rappel 1 (3h)
• Introduction au langage python
• Le langage (la syntaxe, les structures), les opérateurs et les fonctions
• Présentation des données structurées et non structurées
• L’importation des données

Rappel 2 (4h)
• La préparation et le nettoyage des données (jointure, filtre, transformation, traitement des données manquantes avec pandas, numpy et scipy)
• Présentation des librairies matplotlib et bokeh : Data visualisation

JOUR 2
Review jour 1 (1h)

Apprentissage statistique 1 (2h)
• Présentation des librairies scikit-learn et xgboost pour l’apprentissage statistique

Apprentissage statistique 2 (4h)
• Application des modèles de Machine Learning sur des jeux de données : choix des modèles (apprentissage supervisé vs non supervisé), optimisation des modèles, choix des meilleurs modèles, View sur Ensemble model: bagging, boosting et stacking, averaging, majority vote...

JOUR 3
Apprentissage statistique 3 : View Deep Learning (3h)
• Présentation de la librairie keras pour le Deep Learning
• View sur l’algorithme de classification d’images pour le Deep Learning

Exercice pratique supervisé (3h)
• Text Mining (NLP : Natural Language Process)

Présentation du projet d’évaluation (1h)

Lire plus

Admission

Conditions d'accès

Niveau:
Base

Lire plus

Public cible

- Entreprises
- Administrations nationales et collectivités territoriales
- Forces armées
- Centres de recherche

Lire plus

Tarifs

Tairfs:
1 335 €

Lire plus
  • Ajouter à la sélection

    Vous avez formations et cours sauvegardés

  • S'inscrire