Formation Initiation au Python scientifique

Python est actuellement l'un des seuls langages à proposer un environnement complet dédié à la recherche scientifique. Cette formation propose une initiation aux enjeux et techniques principaux du calcul numérique. Elle s'achève par trois applications autour de thématiques emblématiques : l'analyse statistique de donnée, l'apprentissage non-supervisé, le deep-learning.

Objectifs pédagogiques

Connaître les principaux outils, distributions et bibliothèques scientifiques en Python
Manipuler d'importants jeux de données
Produire une visualisation pertinente de ces données pour en extraire de l'information
Découvrir les techniques de base du calcul numérique

Formation Initiation au Python scientifique en détail

Programme

1. Rappel sur le langage Python

Cette partie comprend quelques rappels sur le langage Python. Nous traiterons :

les types de données (nombre, chaîne de caractères, liste, dictionnaire, tuple)
les structures de contrôles
les fonctions
les packages et modules

Nous en profiterons pour évoquer quelques limites du Python pour le calcul numérique avec notamment :

les problèmes liés au stockage en mémoire
les problèmes d'erreurs numériques

2. Ecosystème

Cette partie présente l'écosystème python pour le scientifique. Nous passerons en revue les différentes bibliothèques scientifiques en python, leur domaine d'utilisation et comment elles permettent de contourner les limites du Python exposé dans la partie 1.

Nous installerons Anaconda, l'une des distributions les plus utilisées pour l'analyse scientifique de données. Nous verrons comment utiliser son éditeur, Jupyter Notebook ainsi que son gestionnaire de package, Conda.

3. Chargement et manipulation des données

Nous verrons comment les bibliothèques Numpy et Pandas permettent de charger d'importants jeux de données. Nous regarderons comment accéder de manière efficace et intuitive à ces données.

4. Visualisation des résultats

Au travers des bibliothèques Matplotlib et Seaborn, nous expérimenterons quelques techniques de visualisation des données. Nous verrons comment tirer quelques conclusions à partir de simples observations.

5. Premiers pas dans le python scientifique

À l'aide des bibliothèques Scipy et TensorFlow nous étudierons et mettrons en pratique, quelques techniques de calcul numérique :

analyse statistique et calcul des moments d'une variable aléatoire
partitionnement automatique des données avec l'algorithme des k-moyennes
deep-learning et réseaux neuronaux

Chacune de ces applications sera l'occasion de mettre à nouveau en pratique les concepts étudiés dans les partie 3 et 4.

Public visé et pré-requis

Public

Toute personne travaillant dans des secteurs ayant de forts besoins en calculs et simulations mathématiques
Informaticiens, scientifiques, chercheurs et ingénieurs travaillant dans les domaines comme les sciences physiques, la chimie, les sciences des matériaux, la génétique, la mécanique des fluides, l'aérospatiale, les statistiques, le monde de la finance, etc...

Pré-requis

Expérience en programmation, de préférence en python

Personne en situation de handicap

Pour toutes questions relatives à l’accueil d’un participant présentant un handicap, merci de nous contacter préalablement avant toute inscription.