Formation Développeur Python Python - Calculs scientifiques

Partager cette formation Télécharger au format pdf Ajouter à mes favoris

Objectifs pédagogiques / Compétences visées

• Créer et paramétrer votre environnement de travail Python scientifique
• Reconnaître l'écosystème scientifique de Python
• Analyser les données avec NumPy, Pandas et SciPy
• Visualiser les données avec Matplotlib et Pandas.

Niveau requis

Avoir de bonnes connaissances en langage Python ou avoir suivi la formation PYT "Python - Par la pratique".

Public concerné

Ingénieurs, développeurs, scientifiques, enseignants ou toute personne souhaitant se former sur les calculs scientifiques avec Python.

Programme

Introduction

• Installer la SciPy Stack facilement avec Anaconda
• Les notebooks Jupyter
• Environnements de développement intégrés

NumPy

• Introduction
• Pourquoi avez-vous besoin de NumPy ?
• Pourquoi des tableaux ?
• Créer un tableau avec NumPy
• Manipuler les tableaux NumPy
• Broadcasting
• Les fonctions universelles
• Extraire les informations significatives de vos données
• Masques booléens
• Charger et sauvegarder vos tableaux
• Données structurées

Pandas

• Introduction
• Séries (Series)
• Tableau de données (DataFrame)
• Lire / exporter des données sous différents formats
• Indexation et sélection des données
• Opérations simples
• Traiter les données manquantes
• Informations sur les données : taille, type, mémoire
• Changer le type des données
• Traitement avancé des données
• Tableau croisé dynamique
• Segmenter les données
• Moyenne glissante
• Ajouter des dimensions
• Manipuler les MultiIndex
• Travailler avec des chaînes de caractères
• Traiter des données temporelles
• Quelles options pour les données massives?

Matpotlib et Pandas plot

• Introduction
• Interface MATLAB vs orientée objet
• Graphique linéaire
• Nuage de points
• Histogramme
• Représenter plusieurs graphiques
• Graphique 3D
• Interagir avec les graphiques dans le notebook Jupyter
• Modifier les graduations et les axes
• Représentation graphique avec Pandas

SciPy

• Introduction
• Intégration
• Algèbre linéaire
• Transformée de Fourier (FFT)
• Interpolation
• Ajustement de courbe

Modalités d’évaluation des acquis

• En cours de formation, par des études de cas ou des travaux pratiques
• Et, en fin de formation, par un questionnaire d'auto-évaluation ou une certification (M2i ou éditeur)

Partager cette formation Télécharger au format pdf Ajouter à mes favoris