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
Objectifs
Faire des analyses avancées en science de données. La formation est ainsi organisée essentiellement autour de la maîtrise avancée de Python.
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.
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
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.
Admission
Conditions d'admission
Niveau :
Base
Modalités d'inscription
Prochaines sessions :
4, 11 et 18 avril 2023 (format hybride)
2, 9 et 16 octobre 2023 (format hybride)
Public cible
- Entreprises
- Administrations nationales et collectivités territoriales
- Forces armées
- Centres de recherche
Tarifs
1 470 €