Débuter en Data Science
De Python à votre premier modèle de machine learning : un parcours concret pour entrer dans la donnée.
- Durée
- 35 h · 5 jours
- Niveau
- Débutant
- Format
- Présentiel · Distanciel · Mixte
- Effectif max.
- 12 participants
Présentation
Ce programme initie à la data science en partant de zéro. Les participants découvrent le cycle d’un projet data, apprennent les bases de Python et de la programmation orientée objet, manipulent et visualisent des données avec pandas et Matplotlib, acquièrent les notions de statistiques indispensables, puis construisent et évaluent leurs premiers modèles de machine learning avec scikit-learn. Chaque notion est immédiatement appliquée sur des jeux de données réels, jusqu’à un mini-projet complet présenté en fin de parcours.
À qui s’adresse ce programme
- Salariés en évolution ou en reconversion vers les métiers de la donnée
- Analystes, étudiants et professionnels curieux de la data science
- Centres de formation proposant un parcours d’initiation à la data
Prérequis
- Aucune connaissance en programmation requise
- Bases de mathématiques de niveau lycée (pourcentages, moyennes, fonctions simples)
- À l’aise avec un tableur
Objectifs pédagogiques
- Décrire les métiers de la donnée et le cycle d’un projet data
- Écrire des programmes Python simples avec Jupyter
- Structurer son code Python avec la programmation orientée objet (classes, héritage, encapsulation)
- Nettoyer, transformer et analyser des données avec pandas
- Produire des visualisations claires avec Matplotlib et Seaborn
- Appliquer les statistiques descriptives et les notions de base d’inférence
- Construire, évaluer et interpréter un modèle de machine learning
- Réaliser un mini-projet data de bout en bout
Programme détaillé
10 modules · 35 h · 5 jours
Panorama de la data science
- Métiers : data analyst, data scientist, data engineer
- Cycle d’un projet data
- Types de données et de problèmes (prédiction, classification…)
- Enjeux éthiques et qualité des données
Python pour la data
- Installer l’environnement et découvrir Jupyter
- Variables, types, listes et dictionnaires
- Conditions, boucles et fonctions
- Lire et écrire des fichiers
- Modules et bibliothèques
Série d’exercices progressifs pour acquérir les réflexes de programmation.
Programmation orientée objet en Python
- Pourquoi la programmation orientée objet : structurer et réutiliser son code
- Classes, objets, attributs et méthodes ; constructeur __init__ et self
- Encapsulation : attributs publics et privés, propriétés
- Héritage, polymorphisme et surcharge des méthodes spéciales (__str__, __repr__, __eq__)
- Méthodes de classe et méthodes statiques ; classes de données (dataclasses)
- Gestion des erreurs et exceptions personnalisées
- Organiser son code en modules et packages
- Lien avec la data science : classes pour charger, nettoyer et transformer les données ; logique des objets de scikit-learn (fit, predict, transform)
Écrire des classes qui chargent un jeu de données, le nettoient et calculent des indicateurs, puis les réutiliser dans un notebook.
Manipuler les données avec pandas et NumPy
- Tableaux NumPy et calculs vectoriels
- DataFrames pandas : lecture, sélection, filtrage
- Nettoyer : valeurs manquantes, doublons, types
- Regrouper, trier et fusionner
- Créer de nouvelles variables
Préparer un jeu de données brut pour l’analyse : correction des erreurs, harmonisation, nouvelles variables.
Visualiser les données
- Principes d’une bonne visualisation
- Graphiques avec Matplotlib et Seaborn
- Distributions, relations et comparaisons
- Raconter une histoire avec ses graphiques
Statistiques pour la data science
- Statistiques descriptives : moyenne, médiane, dispersion
- Corrélation et causalité
- Probabilités et lois usuelles
- Notions d’échantillonnage et de tests
Machine learning : concepts et régression
- Apprentissage supervisé et non supervisé
- Jeux d’entraînement et de test
- Régression linéaire avec scikit-learn
- Préparer les variables pour un modèle
Construire un modèle de régression et mesurer sa qualité.
Classification et évaluation des modèles
- Classification : régression logistique, arbres de décision
- Matrice de confusion, précision et rappel
- Surapprentissage et validation croisée
- Comparer plusieurs modèles
Entraîner et comparer deux modèles de classification sur un cas métier.
Éthique, biais et limites
- Biais dans les données et les modèles
- Interprétabilité et responsabilité
- Confidentialité et conformité
Mini-projet data de bout en bout
- Choix d’un jeu de données et d’une question
- Nettoyage, exploration, modélisation
- Restitution des résultats
Chaque participant réalise et présente un projet complet, de la donnée brute à la conclusion.
Outils et technologies
Méthodes pédagogiques
- Apports théoriques courts suivis de manipulations immédiates
- Notebooks guidés puis exercices en autonomie
- Jeux de données réels issus de cas métiers
- Mini-projet fil rouge et revues individuelles
Évaluation
- Exercices notés à chaque module
- Mini-projet présenté au groupe
- Quiz de validation des acquis
Matériel requis
- Un ordinateur avec connexion internet
- Python et Jupyter (installation guidée en début de formation) ou accès à un environnement en ligne
Ressources fournies
- Support de cours et notebooks corrigés
- Jeux de données d’exercice
- Aide-mémoire pandas et scikit-learn
Débouchés
- Bases solides pour poursuivre vers data analyst ou data scientist
- Autonomie pour analyser des données avec Python
- Préparation aux formations avancées en machine learning
Les cours vidéo associés
Mes cours en vidéo qui accompagnent ce programme : pour préparer la formation ou réviser ensuite. Accès gratuit avec un compte.
