ensae_teaching_cs

  • 1. Algorithmes
  • 2. Datascience
  • 3. Données massives
  • 4. Projets
  • 5. Examens
  • 6. Découvrir
  • 7. Biblio, FAQ...
  • 8. Getting started
  • 9. Galleries
  • 10. Index, API

Liens

  • Blog
  • Index
  • Module
  • API

Contenu

  • 1. Algorithmes
  • 2. Datascience
  • 3. Données massives
  • 4. Projets
  • 5. Examens
  • 6. Découvrir
  • 7. Biblio, FAQ...
  • 8. Getting started
  • 9. Galleries
  • 10. Index, API

Information

  • FAQ
  • Glossaire
  • README
  • Changements
  • Licence

Sujet précédent

Python pour un Data Scientist / Economiste

Sujet suivant

2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié

Cette page

  • Montrer le code source
On this page
  • Rappels de programmation
  • Matrices et DataFrames - numpy pandas SQL
  • Visualisation
  • Données massives

Agilité avec les données¶

Faire du machine learning veut d’abord dire être capable de manipuler les données comme bon vous semble et les représenter à l’aide de graphiques.

  • Rappels de programmation

  • Matrices et DataFrames - numpy pandas SQL

  • Visualisation

  • Données massives

Rappels de programmation¶

Notebooks

  • 2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié
    • Les quelques règles de Python
    • Les outputs de Python : l’opération, le print et le return
    • Type de base : variables, listes, dictionnaires …
    • A retenir
    • Questions pratiques :
    • Objets : méthodes et attributs
    • Les opérations et méthodes classiques des listes
    • Les méthodes des listes
    • A retenir et questions
    • Passer des listes, dictionnaires à pandas

Matrices et DataFrames - numpy pandas SQL¶

Import/export de données dans un DataFrame, manipulation selon une logique SQL, utilité des index, lambda function, premiers graphiques, commandes magiques.

De nombreux livres ont été écrits sur la manipulation des données en Python. En voici un : Python Data Science Handbook.

  • Agilité avec les données
  • Array, Matrix

Visualisation¶

  • Graphes
  • Cartes
  • Graphes pour des statisticiens
  • Visualiser pour comprendre

Données massives¶

  • Séquence de traitemements de données
  • Workflows - Data Pipelines
  • Données massives avec Python
Python pour un Data Scientist / Economiste 2A.eco - Rappel de ce que vous savez déjà mais avez peut-être oublié

Mis à jour le 2021-03-03.