FORMATION PYTHON PACK - Spécialiste (5 jours) + Machine Learning (3 jours)

Formation créée le 13/10/2025. Dernière mise à jour le 14/10/2025.
Version du programme : 1

Type de formation

Formation présentielle

Durée de formation

56 heures (8 jours)

Accessibilité

Oui

Financement CPF

Formation finançable CPF
€ Net de TVA
S'inscrire
€ Net de TVA
S'inscrire
€ Net de TVA
S'inscrire

FORMATION PYTHON PACK - Spécialiste (5 jours) + Machine Learning (3 jours)


Python est un langage de développement qui a pris beaucoup d’ampleur ces dernières années. Sa simplicité et la rapidité avec laquelle on arrive à des résultats concrets séduit les utilisateurs. L’essor de la data a contribué largement a propulsé Python en tête des langages les plus utilisés. Python propose des outils puissants et accessibles pour tous pour le traitement et la visualisation de données. Python propose également des outils puissants couramment utilisés dans le WEB. C’est un langage multifonction, le plus approprié pour faire du machine learning.

Objectifs de la formation

  • 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)
  • Explorer la librairie scikit-kearn (Machine learning)

Profil des bénéficiaires

Pour qui
  • Data Scientists
  • Consultants, contrôleurs de gestion, chefs de projet, chefs de produit
  • Comptables, Experts Comptables
  • Développeurs
  • Data Analysts
  • Autodidactes
Prérequis
  • Aucun prérequis n'est nécessaire

Contenu de la formation

Introduction (J1)
  • Qu’est-ce qu’un programme informatique ? Pourquoi et comment utiliser Python ?
  • Créer son environnement de travail Python
  • Les bonnes pratiques de Python.
Les types et les structures de données (J1)
  • Les différents types de variables (« int », « float » et « str »)
  • Les différentes structures de données (liste, dictionnaire et ensemble)
Les fonctions (J1)
  • Qu’est-ce qu’une fonction ? Comment créer une fonction ?
  • Les méthodes natives « built-in » de Python
Les boucles (J1)
  • Les structures conditionnelles « if », « elif », « else »
  • L’itération avec « for » et « while »
  • L’utilisation des opérateurs logiques « and » et « or »
La compréhension de liste et de tuple (J1)
  • 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() »…
La compréhension de dictionnaire (J2)
  • Syntaxe de la compréhension de dictionnaire
  • Manipulation des dictionnaires avec l’utilisation des méthodes « items() », « values() », « get() »…
Les ensembles (J2)
  • Manipulation des ensembles avec l’utilisation des méthodes « union() », « intersection() »…
La gestion des erreurs (J2)
  • Gestion des erreurs et des exceptions avec les instructions « try », « except », « raise » et « finally »
Les modules (J2)
  • Introduction aux modules « datetime », « random » et « statistics »
La gestion des fichiers et des répertoires (J2)
  • Création et manipulation de fichiers et répertoires
  • Gestion des chemins d’accès
Intégrations de données (J3)
  • Connexion base de données SQL
  • Connexion API
La programmation orientée objet (POO) (J3)
  • 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
La construction d’une interface graphique avec PyQt (J3)
  • Le concept de GUI
  • Construction d’une interface graphique
  • Comparaison avec d’autres librairies (Tkinter)
La distribution d’une application avec pyinstaller (J3)
  • Création et distribution d’une micro-application
Anaconda (J4)
  • Qu’est-ce qu’un environnement data ?
  • Présentation de la plateforme Anaconda, de ses outils Jupyter notebook et Spyder.
Numpy (J4)
  • 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
Pandas (J4)
  • 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
Matplotlib (J5)
  • Récupérer les données
  • Créer un visuel (courbe, diagramme, histogramme, secteur, nuage de points et visualisation 3D)
  • Mise en forme d’un visuel
Seaborn (J5)
  • 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…
SciPy (J5)
  • Interpolation
  • Calcul matriciel
  • Régression linéaire
Beautiful Soup (J5)
  • 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
Introduction au machine learning (J6)
  • Les bases de Python (structure de données et boucles)
  • Les principales librairies pour la data (panda et numpy)
  • Définition du machine learning
  • La méthode d’utilisation
  • Travaux pratiques
Régression (J7)
  • Sélection du modèle
  • Application du modèle
  • Validation du modèle
  • Analyse des données
  • Travaux pratiques
Classification (J8)
  • Sélection du modèle
  • Analyse des données
  • Comprendre les indicateurs de performance
  • Comparaison avec d’autres modèles
  • Travaux pratiques

Équipe pédagogique

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

Suivi de l'exécution et évaluation des résultats

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

Ressources techniques et pédagogiques

  • 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.

Accessibilité

La formation peut s'effectuer à distance. Le bâtiment conforme aux normes d'accessibilité