Descriptif
Analyse de données avec Python : intermédiaire est une formation de 3 jours (21 heures), de niveau intermédiaire, rattachée au domaine « Bases de données, outils décisionnels, Big Data et Cloud Computing ». Préparer, analyser et visualiser des données avec Python. Conçue et animée par des praticiens en activité, elle alterne apports ciblés (30 %) et mises en pratique (70 %) sur des laboratoires cloud individuels, avec des cas inspirés des secteurs banque, assurance et services publics. Disponible en inter-entreprises, en intra sur catalogue et en version sur mesure adaptée au contexte de l'entreprise.
Objectifs pédagogiques
À l'issue de la formation, le participant sera capable de :
- Manipuler efficacement les données avec pandas pour le nettoyage et la transformation
- Visualiser les données avec matplotlib et seaborn pour extraire des insights pertinents
- Nettoyer et préparer des datasets complexes en vue d’analyses approfondies
- Réaliser des analyses statistiques de base pour interpréter les résultats
- Automatiser les processus d’analyse de données avec des scripts Python
- Utiliser les techniques d’agrégation et de regroupement pour synthétiser les données
Programme détaillé
| N° | Contenus et activités | Durée |
|---|---|---|
| Jour 1 | ||
| 1 | Attentes, rappel des bases Python utiles et prise en main de JupyterLab et du dépôt Git | 1 h |
| 2 | NumPy : tableaux, vectorisation, diffusion, types et empreinte mémoire, ce que cela change face aux boucles | 1,5 h |
| 3 | pandas : Series et DataFrame, indexation loc et iloc, sélection, types, lecture CSV, Parquet et SQL | 2 h |
| 4 | Travaux pratiques : charger un jeu de 2 millions de lignes, explorer, typer correctement et réduire l'empreinte mémoire | 2,5 h |
| Jour 2 | ||
| 5 | Nettoyage : valeurs manquantes, doublons, valeurs aberrantes, chaînes sales, dates et catégories | 1,5 h |
| 6 | Travaux pratiques : remettre en état un fichier client bruité et documenter chaque règle de correction | 2 h |
| 7 | Agrégation et remodelage : groupby, agg, transform, pivot_table, fusion et concaténation | 1,5 h |
| 8 | Travaux pratiques : produire un tableau de synthèse mensuel par segment et le contrôler par recoupement | 2 h |
| Jour 3 | ||
| 9 | Visualisation : matplotlib en figures et axes, seaborn pour la distribution et la corrélation, choix du graphique | 1,5 h |
| 10 | Travaux pratiques : construire une planche d'analyse de six graphiques commentés sur le jeu de l'exercice | 2 h |
| 11 | Travaux pratiques : mesurer dispersion et corrélation, comparer deux groupes par test simple et rédiger l'interprétation | 1 h |
| 12 | Atelier : industrialiser l'analyse en script paramétré versionné sous Git, structuration en modules et paquets, classes, gestion des exceptions, compréhensions et lecture-écriture de fichiers | 1,5 h |
| 13 | Révision des domaines réels de l'examen PCAP, modules et paquets, exceptions, chaînes, programmation objet, compréhensions et entrées-sorties, puis QCM blanc commenté | 1 h |
Méthodes pédagogiques
- Pédagogie active : 52 % du temps en pratique encadrée — laboratoires cloud provisionnés par participant, travaux pratiques guidés, fil rouge applicatif —, le reste en apports structurés, démonstrations commentées, cadrage et évaluation
- répartition calculée sur le déroulé détaillé de cette formation, et non annoncée de façon uniforme
- classe inversée avec prérequis sur le LMS
- apprentissage adaptatif selon le positionnement initial
- travaux en binômes
- classe virtuelle en séquences de 3 h 30 maximum sur Microsoft Teams
- support clair, complet et paginé remis à chaque participant
Technologies et outils mobilisés
LMS DATAROCKSTARS, Python 3.x, Jupyter Notebook / JupyterLab, Pandas, Matplotlib, Seaborn, NumPy, VS Code (optionnel), Git pour gestion de version
Modalités d'évaluation et de validation
- Positionnement initial en ligne
- quiz de validation à chaque séquence
- évaluation finale des acquis (QCM et mise en situation)
- satisfaction à chaud
- questionnaire de transfert à 30 jours
- attestation de fin de formation
- préparation et passage de la certification PCAP (Python Institute), examen en sus
Plateforme, laboratoires et ressources
- LMS DATAROCKSTARS : parcours, supports numériques, quiz, évaluations, émargement par demi-journée
- laboratoires cloud individuels accessibles depuis un navigateur, sans installation, données fictives, détruits en fin de session
- bibliothèque O'Reilly (plus de 60 000 ressources)
- accès aux supports pendant 6 mois