Python est devenu un langage de choix pour les scientifiques, en raison de sa simplicité de mise en œuvre et de la richesse de son écosystème, notamment grâce à ses nombreuses et performantes librairies de calculs numériques bien souvent développées par les scientifiques eux-mêmes. Python est probablement le seul langage à offrir aux informaticiens un environnement open-source complet dédié à la recherche scientifique, aux sciences de l'ingénieur et aux mathématiques.
Objectifs pédagogiques
Se repérer dans l'écosystème Python Scientifique
Créer et utiliser un notebook Jupyter
Réaliser des opérations sur des tableaux numériques
Manipuler des données issues de fichiers tabulaires
Calculer des statistiques à partir de séries temporelles
Prédire une valeur par interpolation
Créer des graphiques 2D statiques
Créer des graphiques 2D interactifs
Créer des cartes à partir de données géographiques
Manipuler des images
Classifier automatiquement un jeu de données
Mettre en place une méthode d'apprentissage supervisé
Paralléliser une boucle for
Mesurer les performances d'un programme
Formation Python scientifique
en détail
Programme
1. Poser les fondations
Cette première partie offre une vue d'ensemble de l'écosystème scientifique qui s'est développé autour du langage Python. Il vous apporte une large vision des domaines couverts en présentant plusieurs bibliothèques phares. Vous apprendrez à choisir vos outils et y voir clair pour trouver votre route dans cet environnement où il est facile pour les nouveaux arrivants de perdre pied tant l'univers des disciplines abordées et solutions proposées est grand.
Nous en profiterons pour évoquer quelques limites du langage Python pour le calcul numérique avec notamment :
les problèmes liés au stockage en mémoire,
les problèmes d'erreurs numériques.
Nous installerons Anaconda, l'une des distributions les plus utilisées pour l'analyse scientifique de données. Nous verrons comment utiliser un éditeur de code ou les notebooks Jupyter ainsi que le gestionnaire de package, Conda.
2. Les tableaux
Nous discuterons des limites des listes Python afin de comprendre l'intérêt des tableaux Numpy et des dataframes Pandas. A l'aide des nouvelles structures de données qu'offrent ces deux bibliothèques, nous apprendrons à accéder de manière efficace et intuitive à divers jeux de données, parfois même très volumineux. Bien que Pandas soit une excellente bibliothèque pour travailler avec des données tabulaires, nous sommes limités lorsque les données sont de dimension supérieure à 2. Nous présenterons donc la bibliothèque Xarray qui étend davantage encore les fonctionnalités de manipulation de tableaux.
Numpy
Numpy est une bibliothèque Python de calcul numérique (algèbre linéaire) permettant de manipuler des vecteurs et matrices à plusieurs dimensions. Elle offre des types de données avancés pouvant être gérés très simplement. Implémentée en langage C, elle mixe le meilleur des 2 mondes: la souplesse du langage Python et les performances du C.
Pandas
Pandas est une bibliothèque permettant d'analyser avec efficacité des structures de données complexes. Pandas permet de manipuler des matrices dont chaque colonne peut être d'un type différent et offrant de nombreuses et puissantes fonctionnalités de manipulation, réduction, recherche et statistiques.
Xarray
Xarray permet de travailler avec des tableaux multidimensionnels et multi-types. Elle propose des fonctions d'analyse avancées qui s’appuient sur et étendent les forces de base de NumPy et Pandas.
3. Gestion des données temporelles
Nous explorerons les fonctionnalités offertes par la bibliothèque Pandas pour la manipulation de données temporelles. Nous calculerons des statistiques temporelles et nous réaliserons des interpolations de données manquantes. Cela sera aussi l'occasion de découvrir les fonctionnalités offertes par le projet Scipy.
Scipy
SciPy fournit un ensemble d'algorithmes mathématiques et de fonctions utilitaires qui s'appuient sur la bibliothèque Numpy.
4. Visualisation de données
Après une présentation du panomara des bibliothèques actuelles de représentation graphique en Python, nous vous guiderons dans la création de vos propres visualisations graphiques en suivant les bonnes pratiques de conception et de présentation.
Les graphiques réalisés pourront être statiques ou interactifs, univariables ou multivariables.
5. Traitement d'images
Nous passerons en revue les bibliothèques Python dédiées à l'analyse d'images.
A l’aide de la bibliothèque Scikit-image notamment, nous metterons en place quelques traitements classiques d’analyse d’images dont :
la binarisation,
l’application de filtres de convolution,
la segmentation d’image.
Cette partie est l'occasion de découvrir un usage particulier des tableaux Numpy.
6. Optimisations et calculs parallèles
Après avoir compris les bases de la parallélisation en Python (multi-threading et multi-processing), nous verrons comment paralléliser diverses applications via la bibliothèque Dask.
Dask
Cette bibliothèque permet d'assurer le passage à l'échelle des analyses de jeux de données trop volumineux pour être chargés d'un bloc en mémoire par Numpy ou Pandas. Directement compatibles avec les structures de données Numpy ou Pandas, Dask simplifie la parallélisation et la répatition sur des clusters des calculs scientifiques.
7. Machine-learning
Dans cette dernière partie, nous nous familiariserons avec les concepts de base du Machine-Learning. A travers plusieurs exemples concrets, nous vous proposerons une méthodologie pour la mise en place de ce type d'analyse. Nous utiliserons les implémentations mises à disposition par la bibliothèque Scikit-Learn.
(En option) Dans le cadre d'une formation intra-entreprise, un cas pratique ou jeu de données représentatif peut être fourni par l'entreprise afin que le formateur l'intègre dans le cursus.
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
Connaître l'algorithmie
Avoir une première expérience du langage Python
Connaître quelques rudiments mathématiques, trigonométrie (sinus, cosinus) et algèbre linéaire (calcul matriciel)
Ces pré-requis seront contrôlés et validés sous forme d’entretien téléphonique réalisé au plus tard 2 semaines avant la formation.
En cas de non adéquation, des solutions alternatives seront proposées.
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.
Prochaines sessions & tarifs
Formations IA / Data Science
Python scientifique
Nantes
Du 24 au 28 février 2025
Durée : 5 jours soit 35 heures
Tarif : 3000 € ht par personne
Formations IA / Data Science
Python scientifique
Toulouse
Du 31 mars au 4 avril 2025
Durée : 5 jours soit 35 heures
Tarif : 3000 € ht par personne
Formations IA / Data Science
Python scientifique
Nantes
Du 16 au 20 juin 2025
Durée : 5 jours soit 35 heures
Tarif : 3000 € ht par personne
Formations IA / Data Science
Python scientifique
À distance (FOAD)
Du 30 juin au 4 juillet 2025
Durée : 5 jours soit 35 heures
Tarif : 3000 € ht par personne
Formations IA / Data Science
Python scientifique
Toulouse
Du 8 au 12 septembre 2025
Durée : 5 jours soit 35 heures
Tarif : 3000 € ht par personne
Formations IA / Data Science
Python scientifique
Paris
Du 20 au 24 octobre 2025
Durée : 5 jours soit 35 heures
Tarif : 3000 € ht par personne
Formations IA / Data Science
Python scientifique
Nantes
Du 3 au 7 novembre 2025
Durée : 5 jours soit 35 heures
Tarif : 3000 € ht par personne
Ingénierie pédagogique
Moyens pédagogiques et techniques
les supports de cours (slides) seront disponibles en ligne et distribués en début de formation (à l'aide d'un lien vers notre outil interne ou d'une version numérisée), puis fournis au format électronique à la fin de la formation
une salle de formation équipée d'une connexion Internet, d'un vidéoprojecteur, paperboard…
un ordinateur par stagiaire avec un système d'exploitation installé et les outils nécessaires
Modalités de suivi de l'exécution du programme
durant la formation : alternance d'apports théoriques (35% du cours) et d’exercices pratiques et de mise en situation sous forme de travaux pratiques corrigés avec l’expert-formateur
en fin de formation : évaluation à chaud sur l'atteinte des objectifs pédagogiques sous forme de tour de table et de test de connaissances, d'exercices, de QCM
Moyens d'encadrement
Formation assurée par un expert Python connaissant les librairies scientifiques
Témoignages
Image
"Très bonne formation, très riche, et toujours dans la bonne ambiance!"
Jules DAVID
CS Systèmes d'information
Image
"Une excellente formation aux derniers aspects de Python pour la data science."
Mathieu
Saint-Gobin recherche
Image
"Le formateur s'adapte parfaitement au niveau de chacun et adapte le contenu aux souhaits des stagiaires."
Benjamin
Airbus
Image
"Très bon formateur, formation intéressante et sur beaucoup de sujets variés."
Youva
Exostaff
Image
"Bonne formation, permet d'avoir une vue globale des différentes applications scientifiques de Python"
Fikria
Pôle Emploi
Image
"Formation en petit groupe très complète sur le data science en Python"
Walid
IFPEN
Image
"Très bonne formation de par son programme très riche et de par la qualité du formateur. Très investi et à l'écoute de nos besoins, il a adapté "à la volée" le contenu de la formation en fonction de nos souhaits et de notre niveau. Merci !"
Aurélie REBERAC
Chef de projet informatique chez LATMOS
Image
"La semaine de formation Python scientifique dispensée au Cerema a été très profitable pour mon équipe. La formatrice, Mme Mathieu, a très exactement répondu à ce que j'attendais de cette formation, sa pédagogie et son large champ de compétences nous ont été très profitables. Mon équipe repart avec de nombreuses idées de projets en tête."
"Excellente pédagogie de la formatrice. Les excellents exemples aident à une parfaite compréhension des sujets pourtant pointus."
"Cette formation est un très bon condensé d'outils, de conseils et d'expertise pour explorer sérieusement nos données."
Lionel, Alexandre et Dominique
Cerema
Image
"Très bonne formation, formateur à l'écoute. Je recommande cette formation avec les yeux fermés."
Babette
Mercator Océan
Image
"Bonne formation pour s'initier au Python scientifique dans un esprit libriste. Formatrices claires, compétentes et à l'écoute du public, très bons supports de cours Bonne alternance entre présentation des concepts théoriques et mise en pratique dans des exercices interactifs."
Mathieu
Ifremer
Image
"Excellent formateur qui adapte le programme et les exercices en cours de formation. Les supports fournis sont denses et les technologies Python couvertes sont très intéressantes pour améliorer des traitements existants."
Laurent
la Joliverie
Image
"Bonne formation pour comprendre en introduction l'utilisation des différentes librairies de Python pour l'analyse des données."
Rémy LAM
Davidson Consulting R&D
Image
"Très bonne formation qui permet d'obtenir un socle solide sur la Scipy Stack et une bonne vue d'ensemble des librairies liées à la data sience."
Clément SIEUTAT
Ingénieur Recherche et Développement
Image
"Cette formation clair et complète est parfaitement adaptée aux professions scientifiques fondamentales et appliquées avec des besoins en traitement de données, mais manquant de compétence en développement python…"
Clémentine DUTREY
Ecole Nationale des Ponts et Chaussées
Image
"Découverte des nombreuses bibliothèques disponibles, TPs intéressants, approfondissement python."
Marc AMSTOUTZ
Ingénieur vidéo codec
Image
"Je recommande fortement cette formation. Le contenu est très riche. Gael a été un formateur très à l'écoute des besoins du groupe. Les supports de cours sont très bons et très nombreux, merci."
Cécile LAURENT
LYSARC Centre Hospitalier Lyon Sud
Image
"Le formateur était très compétent et sympathique."
Christophe MENKES
IRD / Institut de Recherche pour le Développement
Image
" La couverture globale des sujets. La formation donne assez rapidement pas mal d'outils et de bonne pratiques pour améliorer sa pratique de Python. Très bonne ouverture sur le Machine Learning, super intéressant, et assez complet ! "
" Cours structuré s et clairs. Rythme adapté aux participants. Ratio TP/cours très bien. "
Vianney POIRON et Zoé TORRES
CNRS
Image
" Le format notebook, classé par thématiques, qui se trouve être très pratique pour aller rechercher des informations ou des bouts de code. "
" La diversité des bibliothèques vues et testées et en plus il y a une "personnalisation" de la formation. "
" La formatrice a bien su s'adapter à nos besoins. Les supports étaient clairs et nous avons pu avoir un bon aperçu des possibilités des différentes bibliothèques scientifiques. "
Nicolas DELAYGUE, Loïc DUMERY et Roseline SCHMISSER
CNES
Image
" Les mises en pratique, le document de présentation bien structuré facile à suivre, formateur disponible. "
" Sur mesure, adaptée aux besoins que l'on a. Formatrice dynamique et disponible pour répondre à toutes les questions. "
" Intéractivité, contenu discuté avant la formation et donc adapté au besoin, nombreux exemples, souci de la formatrice de s'adapter au plus près de notre métier avec des exemples, recherche bibliothèques, formation dynamique et bien rythmé. "
BRANCHE Yohann, VERMARE Benjamin et GENEVRIER Luca
Volvo Group University
Image
" Formation bien adaptée à un public non débutant, complète et variée. "
DELETRE Antoine
I-Cube Research
Image
" L'expertise et la pédagogie de la formatrice sont au top. Le sujet passionnant :-) "
GIBELIN Grégory
Mak Corp
Image
" La formation s'adapte à nos besoins (ex : utilisation de Pycharm). Elle permet de découvrir le Machine learning (connaissance qui pourrait être en partie utilisée dans mon entreprise). Formation bien construite, dimensionnée et organisée. "
Jean-Baptiste DE FOUCHIER
CSTB
Image
" Clarté des différents supports et des applications qui viennent compléter les informations reçues dans les supports. Cette formation avait était demandé depuis plusieurs années dans mon entreprise, j'ai donc eu le temps d'utiliser les concepts de bibliothèque scientifiques hors machine learning. Néanmoins cette formation va me permettre de réutiliser les supports et les codes d'application de cette formation par moi-même au sein de mon entreprise et de faire globalement évoluer les compétences de mes collègues dans mon entreprise. De plus elle m'a conforté dans l'utilisation des différentes librairies, la compréhension des commandes et de ce qu'il y a derrière ce qui est un grand pas pour moi pour être plus autonome. la partie machine learning plus difficile à appréhender conceptuellement/intellectuellement mais le complément support et application sans codes aide beaucoup. le fait que les codes soient déjà implantés et l'on doit en comprendre l'utilisation le but des impacts de différents paramètres est plus agréable pour la fin de la formation plutôt que de coder ce qui ne nous apporterait pas forcément grand chose. "
Aude POCHON
EGIS Industrie
Image
" Le formateur maitrise totalement son sujet et est un passionné. Il prend le temps pour réexpliquer si besoin, et s'adapte au niveau de chacun. "
Antoine COIRAULT
Human Coders
Image
"Avoir une vue générale sur les différents outils Python orientés traitement de l'information. "
" Applications pratiques à des jeux de données Bonne alternance entre théorie et pratique. "
" La partie exercice permet de bien pratique et de bien comprendre l’utilité des librairies. "
" Bien adaptée aux nombreux problèmes auxquels je suis confronté. La formatrice est vraiment excellente et le niveau de profondeur est parfait car on retient les briques nécessaires pour ensuite pouvoir approfondir. "
BONNEFOY Mickael, DEFOORT Martial, GARNIER Maeva et LEVERT Theo
CNRS
Image
" Formation exhaustive sur la Datascience. Elle permet d'avoir les points-clés pour entamer le domaine de la datascience. Avoir une vision sur l'application de la DataScience dans le domaine professionnel. "
Fethi HATTAB
Free Mobile
Image
" Le formateur est très pédagogue et prend le temps de bien répondre à nos questions. Le rythme de la formation est optimal. La formation est très agréable à suivre. "
" Le formateur, Gaël est passionné, clair et patient. "
" Très large panel de sujets traités, mise en application. Formateur sympa, très compétent et motivé. "
SIVANANTHAM Sutharsini, DE CARVALHO ARAUJO Lorena et KNAPP Graham
CSTB
Image
" Le formateur est très compétent, il s'adapte à nos besoins et à notre niveau. Le support de cours, les exemples. "
" La diversité des sujets abordés. La pertinence des cours et exercices pratiqués. La compétence et pédagogie du formateur. "
GUESDON Bruno et RIOU Thibault
Harmonic
Image
" Bonne structure et formatrices maîtrisant le sujet. "
ROBERT Olivier
VILMORIN
Image
" Large vu des possibilités de Python et des librairies ; Formateur qui s'adapte aux souhaits des stagiaires. "
" Passage en revue très complet de Python pour l'usage des librairies scientifiques, beaucoup de cas appliqués qui permettent vraiment d'utiliser les méthodes directement au quotidien. "
" Excellent formateur. "
CHAVANNE Sylvain, PEYRIN Fabrice et TEBOUL Martin
Sherpa Engineering
Image
" Couverture très large de l'état de l'art donne énormément de clefs et d'idées sur ce dont sont capables les outils modernes de data science. Formateur à l'écoute et très dynamique, de très bons supports de cours (présentations, notebook…). "
GUILLAUMONT Marc
LYNRED
Image
" Très bon formateur et programme adapté pour un large panel de personnes. "
ROSSI Nicola
Alcatel Submarine Networks
Image
" Les supports de cours interactifs via le jupyter notebook sont une très bonne idée, la mise en pratique directe permet de retenir rapidement. Les supports de cours supplémentaires permettant de prolonger la formation, c’est une bonne chose. "
Loïc VALLANCE
EDF R&D
Image
" L'utilisation de Notebook Jupiter durant la formation permet une forte interactivité entre le formateur et les participants. Le formateur a su adapter la formation selon les besoins de chacun et nous fournir les documents mis à jour à l'issue de la formation. J'ai apprécié les échanges avec le formateur qui maîtrise bien son sujet et est très curieux de nature. "
LETINOIS Laurent
INERIS
Image
" La formation présente un spectre assez complet de l'écosystème qui constitue la data science. Ensuite, sa structure (cours théoriques et pratiques) vous permet de mettre en œuvre facilement ce que vous avez appris. L'attitude toujours prête et la connaissance du sujet du formateur, constituent un autre des points forts de cette formation. "
GARCIA REYES Andreina
CNRS
Image
" Grande disponibilité de la formatrice pour s'adapter à mon niveau (débutant en python). "
Benoît LASSERRE
Naval Energies
Image
" Excellent panorama des possibilités, beaucoup d'opportunités en perspective grâce à la formation. "
NOIREAUX Johanna
Laboratoire national de métrologie et d'essais
Image
" Bien adaptée pour le calcul scientifique, partie numpy, pandas.. "
" Bon aperçu des possibilités offertes par les techniques abordées. "
" Les exercices sous forme de notebook jupyter sont très appréciables, claires et couvrent un spectre assez large d'exemples. "
MERCIER Flavien, MOYARD John et VEUILLEZ Hugo
CNES
Image
" Formateur très compétent et sympathique de surcroit. "
" Le formateur a adapté le contenu de la formation au jour le jour en fonction de nos attentes. "
" Formateur compétent, à l'écoute, très dynamique, prêt à remanier les TP pour s'adapter parfaitement à nos besoins. "
CHANUT Jérôme, Gutknecht Elodie et LAW CHUNE Stéphane
Mercator Océan
Image
" Support de cours et de travaux pratique très agréable Cas pratique adapté à nos besoins, explication très claire et très complète. "
" Mon besoin au niveau de cette formation était d'avoir une vue globale du Machine Learning et du Deep Learning et l'objectif a été pleinement accompli."
" La rapidité de mise en place, les résultats, la thématique fascinante. "
Romain BACRY, Cédric BERTRAND et Christophe DUTEIL
TESTIA
Image
" L'usage des notebooks jupyter comme support de formation est très pertinent. Cela permet d'avoir un support visuel interactif que l'on peut reprendre après la formation. "
" Formation riche en informations, très utile. "
GERMAIN Ludovic et JANIAUT Romain
Itron France
Image
" La durée de 5 jours permet de prendre le temps pour voir l'ensemble des objectifs du programme. Nous sommes en petit groupe et chacun peut exprimer son besoin afin que tout le monde y trouve son compte. Nous disposons de beaucoup de supports de formation très riches et très complets. "
Cécile LAURENT
LYSARC
Image
" Contenu riche. Nombreux exemples. Ouverture vers de nombreuses librairies. Formateur motivé et dynamique! "
ALLIE Stéphane
Harmonic
Image
" Beaucoup d'applications et mise en œuvre direct avec formateur dynamique et à l'écoute. "
" Une formation claire et efficace dont la pédagogie était très adapté (c'est rare!), j'ai donc bien compris une bonne partie de ce qui a été abordé. J'avoue que j'aurais aimé continuer! "
QUEMENER Aurélie et DUTREY Clémentine
Ecole Nationale des Ponts et Chaussées
Image
" Le formateur était très compétent et sympathique. "
Menkes Christophe
INSTITUT DE RECHERCHE POUR LE DEVELOPPEMENT
Image
" Le formateur est patient, à l'écoute. Beaucoup de pratiques. Conseil individuel pour mieux répondre aux attentes de chacun. "
SEDOARISOA Noelvia
CSTB
Image
" Le socle essentiel (Numpy, SciPy, Pandas et Matplotlib) est bien abordé et assimilé. Excellents supports de cours que je pourrais réutiliser pour me rafraîchir la mémoire. "
SIEUTAT Clément
EUROKERA
Image
" le formateur connaît très bien le sujet et sait l'expliquer. "
" Le formateur maîtrise le sujet. Il était toujours à l’écoute, et disponible même après les horaires officiels de la formation pour résoudre nos doutes ou pour aborder un cas particulier. "
ORTIZ SEGOVIA Maria et ORTIZ SEGOVIA Maria
Océ Print Logic Technologies
Image
" Nous avons un panorama complet des différentes librairies disponibles en data science. Les exercices sous forme de note book sont un bon format de cours, facile à suivre et qui nous aideront beaucoup par la suite pour s'exercer et se perfectionner. "
BCHIR Olfa
L'OREAL RIO
Image
" J'ai particulièrement apprécié la démonstration concrète lors des exercices de l'utilisation des différents environnements virtuels Conda et l'utilisation des Notebooks Jupyter. Ainsi que la manipulation des différentes bibliothèques scientifiques pour lesquelles les Notebooks nous permettent de repartir de la formation avec des exemples concrets que l'on peut adapter à nos données. "
DEMAGISTRI Laurent
IRD OCCITANIE
Image
" Le support de formation est très convivial, l'utilisation des Notebook permet facilement de jongler entre les énoncés, le code, les solutions. Daphné a su répondre à toutes nos questions, en étant claire et très disponible. Nous avons abordé de nombreuses bibliothèques, certaines dans le détail, d'autres un peu moins mais Daphné a su s'adapter à nos besoins. "
ZINANT Yohann
AMALINE ASSURANCES
Image
" Utilisation de jupyter notebook pour les exercices Exemples clairs, concis et de difficultés adaptées au niveau. "
" Les nombreux exercices pratiques, la diversité des outils utilisés, les pistes pour approfondir et les compétences de la formatrice ! "
" Bon support de cours (Jupyter notebook) qui permet de suivre l'explication et faire tout de suite d'exercices de mise en pratique. Très utiles les solutions aussi pour ne pas rester bloqué. "
" Une vision plus globale des possibilités offertes par le langage python (appui sur des librairies, conception du code). "
" Adaptée à notre demande de scientifique exemples clairs formatrice dynamique et compétente. "
HUC Mireille, JARLAN Lionel, SUERE Christophe, RIVALLAND Vincent et PLANELLS Milena
USC CESBIO
Image
" Contenu intéressant qui couvre bien l'utilisation des librairies scientifiques python avec des exercices. Explications claires et très disponibles "
" Bonne maîtrise du sujet de la part du formateur. "
WENG Zhipeng et LAM Rémi
DAVIDSON PARIS
Image
" Clarté et pertinence. "
Anass MOUHSINE
EIGENQUANTS
Image
" Très complète sur les différentes bibliothèques disponibles et leur utilisation. Nombreux exemples, beaucoup de pratique. "
BAREYRE Serge
Agence de l'Eau Adour Garonne
Image
" Bon passage en revue des librairies Numpy, SciPy, Pandas et Matplotlib. Bonne adaptation aux demandes des participants. "
DEVERCHERE Philippe
PLACE DE LA FORMATION
Image
" Formateur très dynamique qui se montre très pédagogue. "
" Formateur compétent et sympathique, ayant un bon sens pédagogique. "
HAMON Mathieu et PAUL Julien
Mercator Océan
Image
" Une bonne couverture de l'utilisation de Python pour les sujets autour de la gestion des données : collecte, représentation/visualisation, interpolation Des technologies modernes : réseaux de neurones, calcul parallèle avec RabbitMQ. "
FREVAL Laurent
CFP-CFA La Joliverie
Image
" Variété des exercices, des exemples, dynamisme du professeur. "
HUMBERT Arnaud
OTIS
Image
" Très grande adaptabilité de la formation. Réponses très précises données aux questions posées avec régulièrement des exemples proposés pour illustrer la réponse. "
" Formatrice avec une double compétence théorique et développement. Échanges riches sur les méthodes, présentations synthétiques et vulgarisée des notions clés. "
" Les compétences transversales de la formatrice. "
" De nombreux sujets abordés et un bon aperçu de ce qu'on pourra utiliser dans notre travail. "
CEYTE Arnaud, FOUVET Gilles, LOMBARD Amélie et SAINT PIERRE Guillaume
CEREMA - TOULOUSE
Image
" La formatrice était claire, dynamique et a su s'adapter au niveau de chacun des stagiaires. Les subtilités du langage ont été traitées, ce qui me permettra d'éviter des points sur lesquels j'aurais pu faire des erreurs dans l'avenir. "
" Excellents supports pour les TP notebook. Bon supports de cours Formatrice très dynamique et avec une maitrise impressionnante des différentes possibilités de python. "
OBST David et TRIBOULET Thomas
EDF Lab Paris-Saclay
Image
" Introduction à chacun des aspects avec les clés pour aller plus loin. Très bon panorama de l'univers Python scientifique. Excellente présentation du parallélisme. "
Agopian Christophe
Qube Research and Technologies
Image
" Bonne adaptabilité de la formation par rapport au niveau des utilisateurs. "
Nathalie MOMPART
CEREMA
Image
" La mise en pratique qui permet de bien ancrer les principes. "