Introduction à la visualisation et à l'analyse de données en Python

[8 demi jours] - [Français]

Quelques rappels de statistique vous seraient utiles ? Vous désirez apprendre à (mieux) utiliser Python, un outil aujourd’hui largement utilisé en analyse de données et machine learning ?

Python est un langage de programmation interprété et orienté objet. Possédant moins de constructions syntaxiques, le langage Python se veut plus lisible comparé à d'autres langages orientés objet tels que C++, par exemple. Libre et disponible gratuitement, ce langage de programmation s'enrichit régulièrement de nouveaux modules mis à disposition par les utilisateurs.

Objectifs de la formation
Cette formation vise deux objectifs. Le premier est de rendre les participants familiers avec les outils standards du langage Python. Le second est de leur donner les connaissances nécessaires à l'analyse statistique de base de leurs données, en parcourant le processus de visualisation et d'analyse statistique dès l'importation et la mise en forme des données.

Prérequis
Cette formation suppose d'avoir des connaissances élémentaires en statistique.

Contenu

• Programmation en Python via Spyder (disponible via la distribution ANACONDA)
• Découverte des objets Python: nombres entiers et réels, booléens, listes, dictionnaires, tuples, Pandas data frame
• Visualisation des données à l'aide des librairies matplotlib et seaborn.
• Manipulation des données et des résultats
• La statistique comme outil : résumer, inférer, modéliser
• Réalisation d'analyses statistiques de base : Analyse descriptive, régression linéaire, ANOVA, tests de proportions ou d'ajustement, régression logistique
• Réponse aux questions des participants

Tarif
Cette formation est reconnue par l'IABE et permet de ce fait aux participant·es d'obtenir des points CPD.
(Ceci est d'ailleurs vrai pour l'entièreté de l'offre de formations du SMCS.)

Outils utilisés durant la formation
Python

Méthodes et familles de méthodes abordées
Préparation des données
   Nettoyage et préparation du jeu de données pour l'analyse statistique
Statistique descriptive
   Statistiques descriptives
   Tableaux résumés
   Graphiques
Statistique paramétrique de comparaison de moyennes
   Test t de Student
   ANOVA
Modèle de régression
   Régression linéaire simple
   Régression logistique
   Régression linéaire multiple