• Votre sélection est vide.

    Enregistrez les diplômes, parcours ou enseignements de votre choix.

 

Python pour la Data Science

  • Composante

    Formation continue Panthéon-Sorbonne (FCPS)

  • 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.

Prochaines sessions (sous réserve d'un nombre suffisant d'inscrits) :
22-23-24 avril 2024
2-3-4 décembre 2024

Information et inscription :
formations-courtes-fcps @ univ-paris1.fr

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

Responsable de la formation :
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...) :
formations-courtes-fcps @ univ-paris1.fr (katerina.chatel @ univ-paris1.fr)

Intra-entreprise : intra-fcps @ univ-paris1.fr 

Lire plus

Programme

3 jours l 21 heures

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)

Évaluation : quiz et/ou cas pratiques et/ou exercices et/ou jeu de rôle etc.
Une attestation de formation est délivrée à l’issue de la formation.

Lire plus

Admission

Conditions d'admission

Niveau :
Base

Lire plus

Modalités d'inscription

Prochaines sessions :
4, 11 et 18 avril 2023 (format hybride)
2, 9 et 16 octobre 2023 (format hybride)

Lire plus

Public cible

  • Entreprises
  • Administrations nationales et collectivités territoriales
  • Forces armées
  • Centres de recherche
Lire plus

Tarifs

1 470 €

Lire plus
  • Ajouter à la sélection

    Vous avez formations et cours sauvegardés

  • S'inscrire