Development
Data Science
Python
Programmer en Python pour la Data Science de A à Z
4.7 (286 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
1,562 students enrolled

Programmer en Python pour la Data Science de A à Z

Apprenez à programmer en Python et à utiliser NumPy, Pandas, Matplotlib et Seaborn pour faire de la Data Science.
4.7 (286 ratings)
Course Ratings are calculated from individual students’ ratings and a variety of other signals, like age of rating and reliability, to ensure that they reflect course quality fairly and accurately.
1,562 students enrolled
Created by Amandine Velt | Data Science - Python - R
Last updated 5/2020
French
Preview this course
Programmer en Python pour la Data Science de A à Z
Current price: $111.99 Original price: $159.99 Discount: 30% off
5 hours left at this price!
Buy now
30-Day Money-Back Guarantee
This course includes
  • 8 hours on-demand video
  • 4 articles
  • 12 downloadable resources
  • Full lifetime access
  • Access on mobile and TV
  • Certificate of Completion
Training 5 or more people?

Get your team access to 4,000+ top Udemy courses anytime, anywhere.

Try Udemy for Business
What you'll learn
  • Utiliser Jupyter
  • Programmer en Python
  • Récupérer des données et les intégrer dans son environnement de travail
  • Connaitre les différentes structures de données (listes, dictionnaires, tableaux, dataframes, ...)
  • Manipuler efficacement des données avec Python et la librairie Pandas
  • Explorer et visualiser des données avec Matplotlib et Seaborn
  • Utiliser Python pour faire de la data science
Course content
Expand all 70 lectures 07:58:28
+ – Les bases de Python
8 lectures 28:09
Les variables
04:01
Les types de données (numériques)
03:20
Les types de données (booléens)
01:31
Les types de données (caractères)
02:53
Les opérateurs arithmétiques
05:27
Qu'est-ce qu'une fonction ?
03:37
Qu'est-ce qu'une bibliothèque ?
01:49
Importer une bibliothèque et utiliser ses fonctions
05:31
Testez vos connaissance sur les bases de Python
8 questions
+ – Les listes en Python
7 lectures 46:48
Introduction aux listes
03:24
Accéder aux éléments d'une liste (slicing)
09:13
Ajouter/modifier/supprimer des éléments d'une liste
09:08
Diverses manipulations des listes (tri, somme, concaténation, ...)
06:25
Introduction sur les tuples
03:43
Introduction : exercice sur les listes
02:30
Correction : exercice sur les listes
12:25
+ – Les bases de la programmation en Python
7 lectures 01:09:52
Les opérateurs relationnels et logiques
11:03
Les instructions de condition (if..else)
10:10
Boucle for
08:47
Boucle while
10:51
Introduction de l'exercice : manipuler la liste des prix de 58 maisons
05:51
Correction de l'exercice : manipuler la liste des prix de 58 maisons
09:39
Créer sa propre fonction en Python
13:31
+ – Les dictionnaires en Python
5 lectures 34:57
Introduction aux dictionnaires
05:26
Ajouter/modifier/supprimer des éléments d'un dictionnaire
04:09
Parcourir un dictionnaire
05:13
Introduction : exercice sur les dictionnaires
04:09
Correction : exercice sur les dictionnaires
16:00
+ – Utilisation de la bibliothèque NumPy
10 lectures 01:14:08
Introduction à NumPy
03:07
Création des tableaux NumPy (ndarray)
06:40
Notions de vues et copies d'un tableau
05:46
Accéder aux éléments d'un array (slicing)
07:19
Explorer et filtrer un array
12:29
Concaténation des arrays avec NumPy
08:15
Split (cassure) des arrays avec NumPy
08:12
Calculs sur les arrays
07:12
Exercice : manipuler un array de 20 maisons vendues en 2008 aux Etats-Unis
04:54
Correction : manipuler un array de 20 maisons vendues en 2008 aux Etats-Unis
10:14
+ – Utilisation de la bibliothèque Pandas pour manipuler les données
11 lectures 01:40:56
Introduction à la bibliothèque Pandas
02:36
Les séries avec Pandas
09:22
Les Dataframes avec Pandas
10:27
Lire et écrire un fichier
14:07
Accéder aux éléments d'un Dataframe
11:33
Ajouter/supprimer des colonnes d'un dataframe
03:18
Explorer un Dataframe
21:38
Filtrer un Dataframe selon des conditions
07:08
Grouper un Dataframe sur une ou plusieurs colonnes (groupby)
08:54
Introduction de l'exercice : étudier le marché Android via le Google play store
01:44
Correction de l'exercice : étudier le marché Android via le Google play store
10:09
+ – Utilisation de Matplotlib et Seaborn pour la visualisation de données
12 lectures 01:35:32
Importation et description des données de vente du Black Friday
07:28
Créer son premier graphique
11:57
Ajouter un titre principal et des labels aux axes
03:39
Changer les couleurs (et colorer selon certaines variables)
08:34
Changer la taille ou la forme des points
02:11
Enregistrer son graphique
02:04
Les différents types de graphes
12:58
Combiner plusieurs graphiques (subplots)
06:31
Créer des graphiques avec Seaborn
19:42
Exercice : visualiser les données de vente d'un magasin le jour du Black Friday
04:23
Correction : visualiser les données d'un magasin le jour du Black Friday
14:08
Fin du cours - Remerciements et conseils
01:57
+ – BONUS
5 lectures 01:33
Coupon : apprendre la Data Science avec R de A à Z
01:02
Coupon : apprendre la Data Science avec R de A à Z
00:20
Les notebooks du cours
00:07
Aide-mémoire Pandas
00:01
Aide-mémoire Matplotlib
00:02
Requirements
  • Un ordinateur
  • Une connexion internet pour installer les outils et récupérer des jeux de données
  • Aucunes connaissances requises en programmation, je pars du début !
Description

Ce cours est dédié à l'apprentissage de la programmation en Python appliqué à la Data Science. Si vous avez envie d'apprendre à coder, d'apprendre à manipuler de la data ou les deux, alors n'hésitez pas, ce cours est un concentré de tout ça ! 

Ce cours de 8 heures vous permettra dans un premier temps d'acquérir les outils nécessaires pour coder en Python et faire de la Data Science. Puis il enchaînera sur la partie théorique de la programmation en Python, avec des exercices à chaque étape, afin de comprendre la théorie en pratiquant. Enfin, vous apprendrez à manipuler et explorer/visualiser des données efficacement. 

A la fin de ce cours, vous serez capable d'aller récupérer un jeu de données qui vous intéresse et de l'analyser de A à Z pour en sortir les informations qui vous intéresse.

J'espère que ce cours vous plaira, j'ajouterai d'avantage de cas pratiques au fur et à mesure pour le rendre encore plus complet qu'il ne l'est déjà. Le but de ce cours de Data Science est réellement de vous apprendre à programmer en Python, de vous faire pratiquer afin de devenir totalement autonome pour analyser tous les jeux de données qui vous intéresse. Et je compte bien vous aider à chaque étape pour arriver à cette finalité ! 

Pourquoi utiliser Python ?

Ce cours est dédié à Python pour la simple et bonne raison que c'est un des langages les plus utilisés en Data Science. De plus, c'est un langage que je maîtrise et qui a fait ses preuves pour résoudre tout mes problèmes d'analyse de données. Mais aussi parce que c'est un langage de programmation libre, intuitif et très bien documenté.

Je veux que ce cours soit le plus complet possible. Ainsi, n'hésitez surtout pas à me contacter si vous avez la moindre question ou la moindre remarque sur ce cours. C'est aussi grâce à vous que je pourrais l'améliorer et le faire évoluer. Mon objectif est réellement de vous aider à devenir un Data Scientist autonome et passionné !

Logo conçu par Katemangostar de Freepik.

Who this course is for:
  • Les personnes souhaitant apprendre à programmer en Python
  • Les personnes souhaitant apprendre à faire de la Data Science avec Python
  • Les personnes intéressées par la Data Science en général