Outils de programmation pour la science des données

3.0 credits

Objectifs généraux Quelques objectifs spécifiques parmi d'autres Utiliser la syntaxe de base de Python; Utiliser la programmation orientée objet; Manipuler des données réelles avec Pandas; Évaluer la qualité des données; Créer des visualisations interactives avec Plotly; S'initier aux analyses exploratoires de données; Appliquer les bonnes pratiques de codage; Développer dans des IDE et notebooks Jupyter en assurant la reproductibilité. Écosystème scientifique de Python (variables, types de base comme int, float, string, bool; structures de contrôle conditions if/else, boucles for/while; fonctions personnalisées); structures de données complexes (listes, dictionnaires, ensembles, objets orientés-objet); bibliothèques clés de la science des données (NumPy pour opérations vectorisées et matricielles, Pandas pour nettoyage, regroupements, jointures de données tabulaires, Matplotlib et Seaborn pour visualisation statistique, Plotly pour visualisation interactive); métadonnées (noms de colonnes, schémas, dictionnaires de données); analyses exploratoires de données (EDA : statistiques descriptives, tendances temporelles, détection d'anomalies ou valeurs aberrantes); bonnes pratiques de programmation (PEP8 pour le style, tests unitaires avec pytest, reproductibilité, versionnage avec Git, documentation claire, modularité du code); environnements de développement et de travail (Anaconda pour la gestion de packages, Jupyter Notebooks pour prototypage interactif, VS Code ou PyCharm pour développement structuré); flux d'exécution (conditions imbriquées, boucles, itérateurs, compréhension de listes); scripts reproductibles (organisation en modules, utilisation d'environnements virtuels). Formule pédagogique : Cours Magistral