Informations générales
Objectifs & compétences
Savoir utiliser les principaux outils de traitement et d'analyse de données pour Python, Savoir extraire des données d'un fichier et les manipuler, Mettre en place un modèle d'apprentissage simple
Public visé
Les développeurs en Python.
Pré-requis
Maîtrise de la programmation Python.
Programme
Positionnement Python
Besoins des data-scientist:calculs, analyse d'images, machine learning, interface avec les bases de données
Apports de python:grande variété d'outils, expertise dans le domaine du calcul scientifique
Tour d'horizon des outils: pandas, agate, bokeh, scikit-learn, pybrain, tensorflow, keras, mxnet, caffe
Calculs et graphiques
NumPy : Base du calcul sur des tableaux
SciPy : Scientific Tools for Python, couche scientifique
Manipulation de tableaux, fonctions mathématiques.
Représentation graphique avec basemap et matplotlib.
Mise en oeuvre de SciPy/NumPy : manipulation d'images, détection de contours
Manipulation de données relationnelles
Pandas : manipulation de tables de données
Tableaux avec Pandas: indexation, opérations, algèbre relationnelle
Stockage dans des fichiers: CSV, h5py, netCDF
Comparaison et performances Pandas / NumPy
Machine learning et deep learning
Présentation de TensorFlow,scikit-learn,keras,mxnet,caffe
TensorFlow:principe de fonctionnement, plate-formes supportées, distribution,
APIs fournies en standard, modèles d'apprentissage
Projet scikit-learn:classification, régression, validation de modèles prédictifs.
Démonstrations avec les modèles fournis par scikit-learn
Positionnement et comparaison avec Keras, mxnet, caffe
Modalités
Méthodes
Tarifs
- Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
- Le dispositif FNE-Formation.
- L’OPCO (opérateurs de compétences) de votre entreprise.
- Pôle Emploi sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.
- CPF -MonCompteFormation
Lieux & Horaires
Prochaines sessions