FORMATION PYTHON – Les bases + approfondissement data

Une formation de 5 jours avec un consultant pour découvrir le langage Python

Training created on 10/25/23. Last update on 12/19/25.
Programme version: 1

Satisfaction rate of learners

9,2/10 (47 review)

Next date

4/20/26

Type of training

Face-to-face

Training duration

35 hours (5 days)

Accessibility

Yes

CPF funding

CPF #RS5445

€ Net of VAT

Sign-up

€ Net of VAT

Sign-up

€ Net of VAT

Sign-up

FORMATION PYTHON – Les bases + approfondissement data

Une formation de 5 jours avec un consultant pour découvrir le langage Python

Devenir data scientist avec le langage Python. Des cours et des exercices de qualité pour apprendre à coder et traiter la data. Cette formation est tout public, ouverte aux débutants et aux initiés de tous métiers.

Créer son environnement de travail Python (Les bases)
Maîtriser les bases de Python (Les bases)
Concevoir une micro-application (Les bases)
Maîtriser les principales librairies de la Data Science (Data Science)
Automatiser son travail (Data Science)

For whom

Data Scientists
Consultants, contrôleurs de gestion, chefs de projet, chefs de produit
Comptables, Experts Comptables
Développeurs
Data Analysts
Autodidactes

Requirements

Aucun prérequis n'est nécessaire

Qu’est-ce qu’un programme informatique ? Pourquoi et comment utiliser Python ?
Créer son environnement de travail Python
Les bonnes pratiques de Python.

Les différents types de variables (« int », « float » et « str »)
Les différentes structures de données (liste, dictionnaire et ensemble)

Qu’est-ce qu’une fonction ? Comment créer une fonction ?
Les méthodes natives « built-in » de Python

Les structures conditionnelles « if », « elif », « else »
L’itération avec « for » et « while »
L’utilisation des opérateurs logiques « and » et « or »

Syntaxe de la compréhension de liste et de tuple
Les fonctions anonymes : Lambda
Manipulation des listes avec l’utilisation des fonctions « range() », « len() », « enumerate() », « zip() », « filter() »… et méthode « append() », « count() »…

Syntaxe de la compréhension de dictionnaire
Manipulation des dictionnaires avec l’utilisation des méthodes « items() », « values() », « get() »…

Manipulation des ensembles avec l’utilisation des méthodes « union() », « intersection() »…

Gestion des erreurs et des exceptions avec les instructions « try », « except », « raise » et « finally »

Introduction aux modules « datetime », « random » et « statistics »

Création et manipulation de fichiers et répertoires
Gestion des chemins d’accès

Connexion base de données SQL
Connexion API

Le concept de classe et d’objet
Les 5 fondamentaux de la POO : L’héritage, le polymorphisme, l’abstraction, l’encapsulation et les interfaces
Les méthodes spéciales

Le concept de GUI
Construction d’une interface graphique
Comparaison avec d’autres librairies (Tkinter)

Création et distribution d’une micro-application

Qu’est-ce qu’un environnement data ?
Présentation de la plateforme Anaconda, de ses outils Jupyter notebook et Spyder.

Les différentes structures de données (ndarray, matrice)
Intégration de données de fichiers « .csv »
Manipulation de données (Agréger, insérer, supprimer, filtrer, slicing…)
Restructurer un tableau (Fractionner, combiner, fusionner)
Calcul matriciel
Résolution d’équation
Calcul statistique (moyenne, médiane et variance)
Les tableaux masqués

Créer un DataFrame
Intégration de données de fichiers Excel
Indexing avec les méthodes « loc() » et « iloc() »
Manipulation de données (Filtrer, trier, supprimer, remplacer, extraire, créer des colonnes…)
Restructurer un tableau (Fractionner, combiner, fusionner, pivoter, dépivoter)
Décrire les données avec les outils statistiques

Récupérer les données
Créer un visuel (courbe, diagramme, histogramme, secteur, nuage de points et visualisation 3D)
Mise en forme d’un visuel

Récupérer les données
Les différents types de visuels : relation, distribution, catégorisation, corrélation, régression et multi-visuel
Création d’un visuel : Lineplot, scatterplot, displot, hisplot, kdeplot, catplot, boxplot, heatmap…

Interpolation
Calcul matriciel
Régression linéaire

Généralités sur le web-scraping
Chargement d’une page WEB
Naviguer dans la structure de la page WEB
Rechercher des éléments dans la page WEB

Notre équipe de consultants et formateurs sont des experts sur Power BI et Python, salariés en CDI. Ils sont titulaires de la certification Microsoft Certified : Data Analyst Associate.

Feuilles de présence.
Questions orales ou écrites (QCM).
Mises en situation.
Formulaires d'évaluation de la formation.

Accueil des stagiaires dans une salle dédiée à la formation.
Documents supports de formation projetés.
Exposés théoriques.
Etude de cas concrets.
Quiz et/ou exercices en salle.
Mise à disposition en ligne de documents supports à la suite de la formation.

Satisfaction rate of learners

9,2/10 (47 review)

Expected results at the end of the training

Acquérir des compétences solides sur ce langage informatique. Apprendre la collecte des données avec Pandas, la connexion aux API, bases de données Mysql ou encore le web Scraping avec le framework Scrapy.

Validity period

1 year

Siège MYPE Salle 1 15 street de Cadix 75015 Paris

Between 1 and 8 learners

Nous contacter si vous souhaitez nous mentionner une forme de Handicap.

5 places remaining PARIS et DISTANCIEL | PYTHON Les bases + Spécialisation D...

from 4/20/26 to 4/24/26 Paris

4 places remaining PARIS et DISTANCIEL - Formation Python – Les bases + appr...

from 6/22/26 to 6/26/26 Paris