À l'issue du stage, les participants seront capables de développer des applications de calcul numérique avec Python et notamment de convertir leurs programmes Matlab en Python. Les outils utilisés seront Python dans sa dernière version, l'environnement de Développement Intégré PyCharm, la distribution Anaconda et le serveur Jupyter.
Objectifs pédagogiques
Avoir les bases syntaxiques du langage (types de données, structures de contrôles)
Savoir écrire des fonctions
Savoir tester et debugger un programme
Connaître les correspondances entre Python et MATLAB
Savoir utiliser les librairies scientifiques Numpy, Scipy, Matplotlib, Pandas et l’outil Jupyter
Acquérir une vision globale de l’écosystème scientifique de Python
Savoir interfacer Python avec le langage C
Formation Passer de Matlab à Python
en détail
Programme
1. Initiation au langage Python
S’approprier la syntaxe de Python est une étape préliminaire incontournable à la prise en main de ses librairies scientifiques.
Présentation du langage et de quelques projets phares adaptés au domaine scientifique
Les principaux types de données
Syntaxe et structures de contrôles (itérations, conditions, …)
Les fonctions et générateurs
Les concepts de la programmation objet en Python
Pièges et particularités du langage
La librairie standard (gestion de fichiers, passage d’arguments aux scripts, tests unitaires, SGBDR)
2. Python et MATLAB
L’écosystème Python propose quelques outils permettant de réutiliser le code et données MATLAB
Présentation des principales différences syntaxiques et équivalences entre MATLAB et Python
Présentation et mise en œuvre de convertisseurs permettant des traductions partielles de code MATLAB vers Python
Lecture de fichiers MATLAB (.mat) avec Python
3. Les bases scientifiques de Python
Avant de plonger dans la nébuleuse scientifique de Python il est important de s’approprier les librairies de base sur lesquelles s’appuient toutes les autres librairies scientifiques
Panorama de l’écosystème scientifique de Python (librairies, outils, communauté)
Prise en main des notebooks Jupyter
Comprendre les erreurs de calculs avec la norme IEEE-754, dite virgule flottante et les librairies à multiple précision
Le calcul numérique avec Numpy (algèbre linéaire)
Les bases de la visualisation de données avec Matplotlib
Interpolations, régressions, transformée de Fourier et statistiques avec Scipy
Analyse de données/statistiques avec Pandas
4. Interfacer Python avec le langage C
Mise en œuvre de différentes solutions permettant d’interfacer Python avec le langage C
Présentation des solutions disponibles pour interfacer Python avec le langage C
Appeler des librairies C depuis le langage Python avec la librairie « ctypes »
Développer un module Python en C avec la librairie « C-API »
Développer un module Python en C avec SWIG (http://swig.org/)
Appeler des fonctions Python depuis le langage C
5. Pour aller plus loin
Exploration de quelques librairies plus spécialisées qui pourront répondre à certains de vos besoins métiers
Visualiser des données BigData avec DataShader et Bokeh
Éléments de cartographie avec Cartopy, Folium/iPyLeafLet, GeoPandas.
Les formats de données numériques/BigData (NetCDF, HDF5, Parquet, …)
Paralléliser des tâches avec Celery
6. Application à vos données
Dans le cas d'une formation en Intra-Entreprise, nous vous proposons de réaliser des exercices sur vos propres données afin de vous offrir des exemples concrets si cela ne présente pas de problèmes techniques ou de confidentialité.
Les exercices réalisés pendant la session de formation seront alors adaptés en fonction des données que vous pourrez mettre à disposition et de vos centres d’intérêts.
Public visé et pré-requis
Public
Toute personne travaillant dans des secteurs ayant des besoins en calculs, simulations mathématiques et souhaitant passer de MATLAB à Python
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
Cette formation s’adresse aux personnes possédant une première expérience en algorithmique et MATLAB (non obligatoire).
Des bases en algèbre linéaire (produit matriciel) sont conseillées.
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.
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 (50% à 10% du cours), d’exercices pratiques et de mise en situation sous forme de travaux pratiques corrigés avec l’expert-formateur.
Les supports sont exhaustifs et peuvent être ré-utilisés après la formation pour la reprendre entièrement seul. L’utilisation de notebooks Jupyter facilite la prise en main du langage et les échanges interactifs avec le 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.
Moyens d'encadrement
Formation assurée par un expert Python connaissant les librairies scientifiques
témoignage
Image
" Formateur compétent et agréable. Formation adaptée à mes besoins. Nous avons eu la possibilité de travailler sur mes données et mon matériel. Supports de formations originales, pratiques et efficaces. Cadre de formation agréable avec la possibilité de côtoyer le personnel de makina autour du café. "
TORRES Cindy
VILMORIN
Image
" Le formateur était dynamique et à l'écoute de nos besoins. "
