Objectifs
Expérimenter les outils de calcul scientifique Python. Utiliser la visualisation avec Matplotlib. Utiliser les calculs matriciels avec NumPy. Tester le calcul scientifique avec SciPy. Manipuler et analyser des données avec Pandas
Pédagogie
- Réflexion de groupe et apports théoriques du formateur
- Travail d'échange avec les participants sous forme de réunion-discussion
- Utilisation de cas concrets issus de l'expérience professionnelle
- Validation des acquis par des exercices de synthèse
- Alternance entre apports théoriques et exercices pratiques (en moyenne 30 et 70%)
- Remise d'un support de cours.
- Assistance post-formation d'une durée de 1 an sur le contenu de la formation via notre adresse mail dédiée formateurs@atp-formation.com
Contenu
Introduction
- Présentation des modules NumPy, Pandas et SciPy
- Visualiser vos données avec MatPlotLib
- Installer les librairies nécessaires
Utilisation de MatPlotLib
- Un outil de visualisation de données mathématiques l
- Produire un graphique en 2D
- Produire un graphique en 3D
- Afficher plusieurs figures simultanément
- Sauvegarder un graphique MatPlotLib
- Intégration MatPlotLib / Application Qt
NumPy et les calculs algébriques et matriciels
- Les tableaux et les matrices
- Le shape des matrices et le reshape
- NumPy et les fichiers l Indexing, subsetting et slicing
- Opérations proposées sur vecteurs et matrices
- Les fonctions trigonométriques
- Algèbre linéaire avec NumPy
- Les nombres complexes et l'algèbre complexe
- Visualisation des résultats avec MatPlotLib
SciPy et le calcul scientifique
- L'écart-type et la variance
- La régression linéaire
- Intégration
- Opérations d'algèbre linéaire avec SciPy
- Interpolation avec le module scipy.interpolate
- Ajustement de courbe avec le module scipy.optimize
- Transformée de Fourier avec le module scipy.fft
- Traitement d'images avec SciPy
Utilisation de Pandas
- Introduction
- Les différentes sources de données supportées par Pandas
- Series et DataFrame
- Indexation et sélection des données
- Manipulation des données.
Méthode d'évaluation
- Feuille de présence signée en demi-journée,
- Evaluation des acquis tout au long de la formation,
- Questionnaire de satisfaction,
- Attestation de stage à chaque apprenant,
- Positionnement préalable oral ou écrit,
- Evaluation formative tout au long de la formation,
- Evaluation sommative faite par le formateur ou à l'aide des certifications disponibles.
Public
Développeurs et scientifiques.
Pré-requis
Disposer des connaissances de base du langage Python et des concepts de programmation orientée objet. De bonnes connaissances mathématiques seront fortement appréciées.
Formateur
Nos formateurs sont des experts dans leurs domaines d'intervention
Leur expérience de terrain et leurs qualités pédagogiques constituent un gage de qualité.
Modalités
Formation organisée dans les locaux du partenaire. Sous convention partenaire 1 à 8 personnes maximum par session 1 poste informatique par personne Une assistance post-formation, d'une durée d'un an, sur le contenu de la formation
Les cours ont lieu de 9h-12h30 - 13h30-17h.
Accessibilité
Les personnes atteintes de handicap souhaitant suivre cette formation sont invitées à nous contacter directement, afin d'étudier ensemble les possibilités de suivre la formation