Library

Course: Python: Formation Complète Pour Débutant

Python: Formation Complète Pour Débutant

  • Life Time Access
  • Certificate on Completion
  • Access on Android and iOS App
About this Course

Ce cours traite du langage de programmation Python. Tous les concepts clés et basiques y sont détaillés et expliqués à l'aide d'exemples concrets.

Si vous souhaitez vous initier à la Data Science et à la manipulation de data en apprenant pour cela les bases de Python, ce cours est fait pour vous !

Ce cours est constitué des points théoriques nécessaires pour commencer à stocker et manipuler de la data depuis des datasets (jeux de données). Toutes les syntaxes de base de Python y sont présentes, mis en scène autour du domaine de la Data Science.

Ce cours est également rempli d'exercices, de défis, de projets et d'opportunités pour que vous puissiez pratiquer directement ce que vous apprenez. Appliquez ce que vous apprenez à l'aide de datasets adaptés à chaque étape de votre apprentissage.

Ce cours en quelques chiffres :

  • 7 heures de vidéos
  • 14 chapitres théoriques avec de nombreux training
  • 2 challenges pour valider vos acquis
  • 2 projets complets pour commencer un portfolio sur github
  • 10 datasets divers et variés à explorer

Pourquoi apprendre Python?

Constamment classé une des compétences les plus demandées par les employeurs, Python est un moyen fantastique de stimuler votre développement professionnel que ce soit du côté data scientist, data analyst ou même développeur.

Pourquoi ce cours est différent ?

Ce ne sera pas un cours où vous allez regarder mon code pendant des heures. C'est un parcours où l'on pratique, on met les mains dans le code et on manipule soi même pendant des heures de la data. Mon but c'est surtout de vous donner l'envie d'investiguer à fond des datasets.

Une fois ce cours terminé, vous pourrez interagir avec n'importe quel fichier csv, déceler des tendances sur tout sujet qui vous intéresse :)

Alors, faisons ça ! Inscrivez-vous aujourd'hui et commencez à apprendre les bases de Python avec des exemples concrets de Data Science !

Basic knowledge
  • Aucun pré-requis, seulement un ordinateur (Mac, Windows ou Linux) et une connexion!
What you will learn
  • Maîtriser les bases de Python
  • Ouvrir et lire des fichiers dans des listes
  • Créer des boucles pour parcourir chaque élément d'un dataset
  • Récupérer et filtrer les éléments qui vous intéressent à l'aide du slicing et des opérateurs booléens
  • Utiliser des dictionnaires pour compter des éléments dans un dataset
  • Créer des fonctions et automatiser nos recherches
  • Utiliser modules et classes en python
  • Simplifier le code à l'aide de la compréhension de liste
  • Travailler avec les expressions régulières pour extraire tout type de mots / textes bien ciblés dans un dataset
  • Travailler avec les dates pour analyser les tendances par mois ou année
  • Traiter des cas concrets issus du monde réel sur des projets
  • De façon générale, déceler des tendances en explorant et analysant un dataset
Curriculum
Number of Lectures: 120
Total Duration: 07:09:26
Introduction
  • 1.1 Installation Python + Jupyter Notebook  

    Guide d'installation Python + Jupyter Notebook (Anaconda)

    1. Aller sur Jupyter Website (jupyter.org)
    2. Descendre sur la page et cliquer sur le bouton Install the Notebook
    3. Cela vous dirige vers la documentation installation documentation.
    4. Aller sur la page d'installation d'Anaconda et cliquer sur le bouton d'installation correspondant à votre système (Windows, Mac ou Linux) en choisissant Python > 3.6.
    5. Suivre les instructions pour l'installer sur votre système, assez similaire à l'installation de n'importe quel logiciel.
    6. Une fois Anaconda installé, on lance Jupyter Notebook depuis le terminal (Linux ou Mac) ou la console (Windows) ou encore depuis la Anaconda Command Prompt comme je vous montre dans la vidéo suivante.
    7. Dans la commande, taper jupyter notebook
    8. Autre solution: ouvrir le logiciel Anaconda Navigator (depuis une recherche rapide sur votre machine) puis sélectionner le logiciel Jupyter Notebook

     

    Une question? Poster la sur le Q&R :)

  • 1.2 Présentation Jupyter Notebook  


  • 1.3 Contenu à télécharger pour la formation  
Python : les bases
  • 2.1 Les variables : Créer et afficher une variable  
  • 2.2 Les variables : Types de donnée  
  • 2.3 Opérations avec des variables  
  • 2.4 Création d'une liste  
  • 2.5 Récupérer une valeur dans une liste  
  • 2.6 Retourner la longueur d'une liste  
  • 2.7 Récupérer un morceau de liste (slicing)  
Fichiers & Boucles
  • 3.1 Objectifs  
  • 3.2 Ouvrir et lire un fichier  
  • 3.3 Séparation des éléments  
  • 3.4 Les Boucles FOR  
  • 3.5 Liste de listes  
  • 3.6 Récupérer et afficher des éléments d'une liste de listes  
  • 3.7 Challenge  
Booléens et conditions IF
  • 4.1 Objectifs  
  • 4.2 Booléens et Opérateurs  
  • 4.3 La Condition IF  
  • 4.4 Condition IF & Boucle FOR  
Challenge 1
  • 5.1 En quoi consiste ce challenge?  
  • 5.2 Lire le fichier dans une liste  
  • 5.3 Solution "Lire le fichier dans une liste"  
  • 5.4 Convertir la liste en liste de listes  
  • 5.5 Solution "Convertir les liste en liste de listes"  
  • 5.6 Convertir les valeurs numériques  
  • 5.7 Solution "Convertir les valeurs numériques"  
  • 5.8 Filtrer la liste  
  • 5.9 Solution "Filtrer la liste"  
Opérations sur les listes
  • 6.1 Objectifs et dataset  
  • 6.2 Supprimer l'en-tête  
  • 6.3 Vérifier la présence d'un élément en une ligne  
Les Dictionnaires
  • 7.1 Qu'est ce qu'un dictionnaire?  
  • 7.2 La Condition IF / ELSE  
  • 7.3 Compter les éléments d'une liste et présenter les résultats dans un dict  
Introduction aux Fonctions
  • 8.1 Objectifs  
  • 8.2 Tokenization du vocabulaire  
  • 8.3 Remplacement des caractères spéciaux  
  • 8.4 Les fonctions  
  • 8.5 Changer les lettres majuscules en minuscule  
  • 8.6 Arguments multiples  
  • 8.7 Tokenization du fichier texte  
  • 8.8 Trouver les mots mal orthographiés  
Fonctions : Améliorations et Erreurs
  • 9.1 Fonctions avec plusieurs chemins d'exécution  
  • 9.2 Les Arguments  
  • 9.3 Pratique : Amélioration de notre correcteur orthographique  
  • 9.4 Types d'erreurs  
Projet : Explorer les naissances aux US depuis 2000
  • 10.1 Introduction au dataset  
  • 10.2 Convertir la data en liste de listes  
  • 10.3 Calculer le nombre de naissances par mois  
  • 10.4 Calculer le nombre de naissances par jour de la semaine  
  • 10.5 Créer une fonction plus générale  
Modules
  • 11.1 Dataset  
  • 11.2 Les Modules  
  • 11.3 Le Module CSV  
  • 11.4 Compter le nombre de fois qu'une équipe a gagné  
  • 11.5 Opérateurs AND et OR avec les booléens  
  • 11.6 Compter les victoires pour une année donnée  
Classes
  • 12.1 Objets et Classes  
  • 12.2 La méthode d'instance __init__  
  • 12.3 D'autres méthodes d'instance  
  • 12.4 Améliorer la méthode d'instance __init__  
  • 12.5 Nombre de victoires pour une année donnée  
Gestion des erreurs
  • 13.1 Objectifs et dataset  
  • 13.2 Sets  
  • 13.3 Exploration du dataset  
  • 13.4 Valeurs manquantes  
  • 13.5 Analyse des années de naissance  
  • 13.6 Bloc TRY / EXCEPT  
  • 13.7 Le mot clé Pass  
  • 13.8 Convertir l'année de naissance en entier dans le dataset  
  • 13.9 Modifier les valeurs des années manquantes  
La compréhension de liste
  • 14.1 Objectifs  
  • 14.2 Fonction Enumerate()  
  • 14.3 Compréhension de liste  
  • 14.4 Compter les prénoms féminins  
  • 14.5 None  
  • 14.6 Application : Prénoms féminins les plus fréquents  
  • 14.7 La méthode items()  
  • 14.8 Trouver les prénoms les plus fréquents  
Challenge 2
  • 15.1 Introduction dataset  
  • 15.2 Valeurs uniques  
  • 15.3 Classe Suspension  
  • 15.3 Amélioration Classe Suspension  
Portée des valeurs
  • 16.1 Fonctions Built-In  
  • 16.2 Les portées des variables  
  • 16.3 L'héritage  
Les expressions régulières (regex)
  • 17.1 Introduction  
  • 17.2 Caractères génériques  
  • 17.3 Chercher le début et la fin d'une chaine de caractères  
  • 17.4 Introduction au dataset  
  • 17.5 Compter les correspondances avec le module re()  
  • 17.6 Crochets pour matcher plusieurs lettres  
  • 17.7 Ignorer des caractères spéciaux  
  • 17.8 Améliorer notre regex  
  • 17.9 Combiner plusieurs regex  
  • 17.10 Modifier des chaines de caractères avec regex  
  • 17.11 Matcher les années avec regex  
  • 17.12 Extraire toutes les années  
Python et les dates
  • 18.1 Le module time  
  • 18.2 Le module datetime  
  • 18.3 Classe Timedelta  
  • 18.4 Formater les dates  
  • 18.5 Les dates sur notre dataset  
  • 18.6 Compter les posts publiés au mois de mai  
  • 18.7 Compter les posts de n'importe quel mois  
Projet Final
  • 19.1 Découverte du dataset  
  • 19.2 Solution 'Exploration du dataset'  
  • 19.3 Compter le nombre de décès par armes à feu aux USA chaque année  
  • 19.4 Solution 'Compter le nombre de décès par armes à feu aux USA chaque année'  
  • 19.5 Exploration du nombre de décès par mois  
  • 19.6 Solution 'Exploration du nombre de décès par mois'  
  • 19.7 Exploration du nombre de décès par origine et par sexe  
  • 19.8 Solution 'Exploration du nombre de décès par origine et par sexe'  
  • 19.9 Dataset Population Totale par origine aux USA  
  • 19.10 Calculer le ratio de décès par armes à feu en fonction de l'origine  
  • 19.11 Solution 'ratio de décès par armes à feu en fonction de l'origine'  
  • 19.12 Filtrer par homicide  
  • 19.13 Solution 'Filtrer par homicide'  
Reviews (0)