Analyse de Données avec Python: Numpy, Pandas et Matplotlib

Maîtriser les bibliothèques Python pour la Data Science et le Traitement de Données: Numpy, Pandas, Matplotlib, et plus!

4.39 (253 reviews)
Udemy
platform
Français
language
Data Science
category
instructor
Analyse de Données avec Python: Numpy, Pandas et Matplotlib
27,191
students
3 hours
content
Jan 2024
last update
$19.99
regular price

What you will learn

Utiliser les bibliothèques scientifiques de Python, notamment NumPy, Pandas, et Matplotlib

Utiliser NumPy pour effectuer des analyses statistiques sur vos données (effectuer des comparaisons, sélectionner des éléments, remplacer des valeurs, etc.)

Transformer une colonne à l'aide de Pandas pour manipuler les données. Utilisez le DataFrame Sorter pour trier et normaliser une colonne numérique.

Dessiner, adapter et analyser des courbes basées sur des exemples concrets

Analyser des données du monde réel

Maîtriser des tableaux NumPy (lire un jeu de données, extraire une valeur, extraire un vecteur, extraire une matrice...)

Utiliser Pandas pour lire un jeu de données ou un DataFrame pour l'exploration. Choisissez une colonne ou une ligne pour trier le DataFrame

Réindexer un DataFrame

Description

Dans le marché du travail concurrentiel actuel, les data scientists sont tellement demandés qu’ils sont difficiles à garder. En effet, les personnes ayant une formation scientifique, informatique ainsi que des capacités analytiques sont difficiles à trouver.

Comme les "quants" de Wall Street dans les années 1980 et 1990, les data scientists d'aujourd'hui sont censés avoir des compétences similaires. Les personnes ayant une formation en physique et en mathématiques ont afflué vers les banques d'investissement et les fonds spéculatifs à cette époque parce qu'elles pouvaient proposer de nouveaux algorithmes et méthodes de données.

Ceci dit, la science des données est en train de devenir l'une des professions les mieux demandées du XXIe siècle. C’est un siècle ou beaucoup de choses sont informatisées, axées sur la programmation et de nature analytique. Par conséquent, il n'est pas surprenant que le besoin de spécialistes des données ait augmenté sur le marché de l'emploi au cours des dernières années.

L'offre, en revanche, est assez restreinte. Il est difficile d'acquérir les connaissances et les capacités requises pour travailler en tant que data scientist.

De nombreuses ressources pour apprendre Python sont disponibles en ligne. Pour cette raison, les étudiants sont souvent dépassés par la courbe d'apprentissage élevée de Python.

C'est pourquoi ce cours a été adapté pour vous que vous réussissiez ! L'instruction étape par étape est la marque de fabrique de ce cours. Tout au long de chaque leçon, nous continuons à construire sur ce que nous avons appris précédemment. Notre objectif est de vous doter de tous les outils et compétences dont vous avez besoin pour maîtriser Python, Numpy, Pandas & Matplotlib.

Vous repartirez de chaque vidéo avec une nouvelle idée que vous pourrez mettre en pratique immédiatement !

Tous les niveaux de compétence sont les bienvenus dans ce cours, et même si vous n'avez aucune expérience préalable en programmation ou en statistiques, vous serez en mesure de réussir !

Content

Rappels sur le langage Python (facultatif)

Bienvenue au cours
Introduction à Python pour la Data Science
Installation de Python pour la Data Science
Qu'est-ce que Jupyter Notebook ?
Installation d'Anaconda sur Windows, Mac & Ubuntu
Implémentation de Python dans Jupyter
Gestion des Répertoires dans Jupyter Notebook
Entrée-Sortie
Différents Types de Données
Variables
Opérateurs Arithmétiques
Opérateurs de Comparaison
Opérateurs Logiques
Instructions Conditionnelles
Boucles
Séquences : Listes
Séquences : Dictionnaires
Séquences : N-uplets
Fonctions intégrées
Fonctions définis par l'utilisateur
Supports de Cours: Python pour la Data Science

Bibliothèques Python essentielles pour la science des données

Installation des bibliothèques
Importation de bibliothèques
Bibliothèque Pandas pour la Data Science
Bibliothèque NumPy pour la Data Science
Pandas vs NumPy
Bibliothèque Matplotlib pour la Data Science
Bibliothèque Seaborn pour la Data Science

Fondamentaux de NumPy

Introduction au tableaux NumPy
Création de tableaux NumPy
Indexation des tableaux NumPy
Forme du tableau
Itération sur des tableaux NumPy

Mathématiques pour la Science des Données

.zeros()
.ones()
.full()
Addition d'un scalaire
Soustraction d'un scalaire
Multiplication par un scalaire
Diviser par un scalaire
Puissance
Transposée
Addition par éléments
Soustraction par éléments
Multiplication par éléments
Division par éléments
Multiplication matricielle
Statistiques

Dataframes avec Pandas et Séries

Structures de données Pandas
Qu'est-ce que le DataFrame Pandas ?
Qu'est-ce qu’une Série Pandas ?
DataFrame et Séries
Création d'un DataFrame en utilisant des listes
Création d'un DataFrame à l'aide d'un dictionnaire
Chargement d'un fichier csv en tant que DataFrame
Changer la colonne d'index
Inplace
Examen du Dataframe
Résumé Statistique
Opérateur pour le découpage en rangs
Opérateur pour l'indexation des colonnes
Listes Booléennes
Filtrage des lignes
Filtrer les rangs en utilisant l'opérateur AND et OR
Filtrer avec loc
Filtrer avec iloc pour le découpage en tranches
Ajout et suppression de lignes et de colonnes
Triage des valeurs
Exportation de DataFrame pandas en csv
Groupby()

Nettoyage des Données

Introduction
Introduction au nettoyage des données
Qualité des données
Exemples d’anomalies
Détection des anomalies grâce aux médianes
Détection des anomalies grâce à la moyenne
Détection des anomalies grâce à la méthode Z-score
Détection des anomalies grâce à l’écart interquartile
Gestion des valeurs manquantes
Expressions rationnelles
Mise à l’échelle des caractéristiques

Visualisation de données à l’aide de Python

Introduction
À propos de Matplotlib
Importation de Matplotlib
Tracé des graphiques linéaires
Titre, Étiquettes et Légende
Tracé des histogrammes
Traçage de diagrammes à barres
Tracer des diagrammes circulaires
Tracer un diagramme de dispersion
Traçage de graphiques logarithmiques
Traçage de parcelles polaires
Manipulation des dates
Création de plusieurs graphes dans une figure

Reviews

Hadime
July 1, 2023
Explication claire concise, rythme permettant de suivre étape par étape et "quiz" final s'assurant de l'assimilation, c'est excellent même pour des "révisions" !
Nagan
May 30, 2023
Cette formation permet d'obtenir une base de connaissances pour se lancer dans l'analyse de donnés, cependant je trouve que les explications sont trop machinales et certains termes mathématiques utilisés sont parfois assez complexes mais non expliqués pendant les cours. À part les petits projets du dernier module, il manque également des exercices pour mettre en pratique les éléments étudiés.
DIENG
April 10, 2023
En suivant ce cours j'ai une expérience sur les opérations arithmétiques, savoir comparer deux valeurs et capable à trouver le type d'une variable.
L.
March 21, 2023
Ce cours reste général et une bonne introduction à l'analyse de données avec Python, les mini-projets sont un plus !
Nasser
August 28, 2022
Les notions enseignées dans cette formation ne sont pas abordées en détail et en profondeur malheureusement
Mohand
August 9, 2022
personnaly i like the way you explain things because you give the time to each step and you explain it with an easy way
Landry
July 26, 2022
La personne parle très vite, le cours se passe trop vite pour un débutant. J'ai beaucoup de mal a suivre ...
Antoine
July 2, 2022
Des diaporamas de faible qualité avec des images déformées, des fautes. Une diction pas naturelle avec des erreurs par rapport à ce qui est affiché. Un cours trop mécanique avec seulement les bases : c'est plus un cours de Python que d'analyse de données...
Mar
June 18, 2022
Excellente formation et excellente prof ! C'était vraiment très agréable, on se laisse guider et on apprend avec plaisir. Je conseille vivement.

Coupons

DateDiscountStatus
6/11/2022100% OFF
expired
6/13/2022100% OFF
expired
6/13/2022100% OFF
expired
6/15/2022100% OFF
expired
6/16/2022100% OFF
expired
6/20/2022100% OFF
expired
6/20/2022100% OFF
expired
6/23/2022100% OFF
expired
6/24/2022100% OFF
expired
7/1/2022100% OFF
expired
7/1/2022100% OFF
expired
7/3/2022100% OFF
expired
7/5/2022100% OFF
expired
7/18/2022100% OFF
expired
7/19/2022100% OFF
expired
7/23/2022100% OFF
expired
7/31/2022100% OFF
expired
8/1/2022100% OFF
expired
8/2/2022100% OFF
expired
8/3/2022100% OFF
expired
8/5/2022100% OFF
expired
8/19/2022100% OFF
expired
9/1/2022100% OFF
expired
9/6/2022100% OFF
expired
9/9/2022100% OFF
expired
10/2/2022100% OFF
expired
10/17/2022100% OFF
expired
10/24/2022100% OFF
expired
11/24/2022100% OFF
expired
12/6/2022100% OFF
expired
12/14/2022100% OFF
expired
12/25/2022100% OFF
expired
1/23/2023100% OFF
expired
2/4/2023100% OFF
expired
2/4/2023100% OFF
expired
2/6/2023100% OFF
expired
3/18/2023100% OFF
expired
3/21/2023100% OFF
expired
4/14/2023100% OFF
expired
5/19/2023100% OFF
expired
5/28/2023100% OFF
expired
5/28/2023100% OFF
expired
6/7/2023100% OFF
expired
6/16/2023100% OFF
expired
6/29/2023100% OFF
expired
7/30/2023100% OFF
expired
7/30/2023100% OFF
expired
8/5/2023100% OFF
expired
8/14/2023100% OFF
expired
8/28/2023100% OFF
expired
9/3/2023100% OFF
expired
9/11/2023100% OFF
expired
9/24/2023100% OFF
expired
10/7/202350% OFF
expired
10/14/2023100% OFF
expired
10/28/2023100% OFF
expired
11/11/2023100% OFF
expired
12/11/2023100% OFF
expired
12/23/2023100% OFF
expired
1/1/2024100% OFF
expired
1/5/2024100% OFF
expired
1/18/2024100% OFF
expired
2/4/2024100% OFF
expired
2/16/2024100% OFF
expired
3/2/2024100% OFF
expired
3/9/2024100% OFF
expired
3/16/2024100% OFF
expired
3/24/2024100% OFF
expired

Charts

Price

Analyse de Données avec Python: Numpy, Pandas et Matplotlib - Price chart

Rating

Analyse de Données avec Python: Numpy, Pandas et Matplotlib - Ratings chart

Enrollment distribution

Analyse de Données avec Python: Numpy, Pandas et Matplotlib - Distribution chart

Related Topics

4657496
udemy ID
4/24/2022
course created date
6/11/2022
course indexed date
Bot
course submited by