Formation Python avancé pour le calcul scientifique
Public admis
- Salarié en Poste
- Demandeur d'emploi
- Entreprise
- Etudiant
Financements
Eligible CPF Votre OPCO Financement personnel
Objectifs de la formation
À l'issue de cette formation Python Calcul Scientifique, vous aurez acquis les connaissances et les compétences nécessaires pour :
- Calculer, estimer et inférer dans des data-set réels, bruités et de dimension importante
- Augmenter un data-set
- Réaliser des calculs plus précis
- Détecter des motifs approchant dans une bibliothèque de séquences
- Réaliser des prédictions sur des séries temporelles
- Dépoter les calculs sur des architectures matérielles optimisées pour les calculs sans modifier le code
| Tarif |
A partir de 1 995,00 € |
| Durée | 3 jours (21h) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
| Tarif |
A partir de 1 995,00 € |
| Durée | 3 jours (21h) |
| Modes |
|
| Sessions | |
| Lieux | Partout en France |
Description
Cette formation Python avancé pour le calcul scientifique de trois jours permet aux participants de découvrir les éléments avancés du langage Python dans un contexte de calculs scientifiques.
La première partie est consacrée aux éléments avancés du langage Python. La partie suivante montre l'utilisation du langage Python pour calculer, estimer et inférer dans des data-set réels, bruités et de dimension importante.
En particulier, on découvre comment augmenter un data-set afin de réaliser des calculs plus précis, comment détecter des motifs approchant dans une bibliothèque de séquences, comment réaliser des prédictions sur des séries temporelles et comment déporter les calculs sur des architectures matérielles optimisées pour les calculs sans modifier son code.
Programme
Jour 1
Partie 1 - Éléments avancés du langage Python
Éléments avancés du langage Python
Éléments de programmation avancée avec les fonctions :
- Les fonctions anonymes
- Fonction dans une fonction
- Les décorateurs
- Comment se servir des décorateurs pour augmenter la vitesse d'exécution du code Python ?
Utilité et exemple d'application
Comment ça fonctionne ?
Mise en oeuvre et exercices guidés
Choix d'une partie facultative selon la demande et le rythme d'avancement.
On complète cette première journée avec des éléments avancés de la librairie Pandas ou des points avancés du langage Python.
Partie facultative du programme Python
Traitement des dates et des heures en Python
Les ensembles et collections :
- Opérateur 'splat'
- Appel étendu et nombre infini d'arguments dans un appel de fonction
Partie facultative du programme Pandas
Brefs éléments de rappels de la librairie Pandas
Multi-index avec Pandas
Fusion de DataFrame
Regroupement (groupby, split, apply, combine)
Exercices guidés reprenant les notions sur des jeux de données réels
Jour 2
Partie 2 - Mise en oeuvre du langage Python : les librairies scientifiques avancées
Comment aller au-delà des bibliothèques scientifiques de base que sont Matplotlib, Scipy et Numpy ?
Des exercices sur des data-sets permettent d'explorer quelques librairies scientifiques avancées de détection et de prédictions
Pattern Mining
Comment utiliser Python pour détecter des pattern fréquents et des motifs cachés dans des données bruitées de très grandes dimensions ?
- Recherche optimisée de séquences cibles dans une bibliothèque de séquences
- Classification de série temporelles
- Détection d'anomalies et prédictions
Exercice guidé : application sur des séries temporelles et des data-set réels et bruités
Comment réaliser des prédictions dynamiques sur des séries temporelles ?
Panorama de librairies spécialisées
Comment appliquer les méthodes de prédictions bayésiennes avec Python ?
Aller plus loin. Pistes afin de réaliser des prédictions sur des données dynamiques (online prediction) ?
Exercice guidé autour d'un data-set réel
Jour 3
Partie 3 - Accélérer les calculs avec Python
Panorama de quelques librairies qui permettent de combler l'écart entre Python et les langages compilés type C/C++
Comment accélérer le traitement de ses dataframes Pandas afin d'économiser plusieurs ordres de grandeur de temps de calcul ?
Quelles librairies pour déporter ses calculs sur carte graphique GPU sans modifier son code ?
Exercice guidé avec Dask
Partie 4 - Datavisualisation avancée avec Python
Rappel et panorama des bibliothèques de visualisation (Matplotlib, Seaborn)
Comment aller au-delà des bibliothèques standard ?
Bref panorama de quelques bibliothèques avancées :
- graphiques sur des données de flux (streaming)
- graphiques interactifs
- graphiques sur des données massives (Big Data) difficilement représentables avec les outils standards
Comment représenter graphiquement les données de grandes dimensions ?
Méthodes avancées de projection pour les données de grandes dimensions
Partie 5 - Exercice libre sur un exemple choisi afin d'utiliser les notions acquises pendant la formation
Prérequis
Public
Ces formations pourraient vous intéresser
Objectifs de la formation
C'est une réalité que l'on oublie trop souvent : toute action effectuée sur internet entraîne un coût énergétique pour la planète. Si cette dette semblait marginale il y a encore quelques années, la numérisation massive et rapide de la société, couplée aux nouveaux systèmes d'information déployés pour traiter ces immenses volumes de données, nécessite aujourd'hui une puissance de calcul et de stockage représentant à elle seule plus de 20% de la consommation électrique mondiale du secteur des TIC (Technologies de l'Information et de la Communication).
Cette concentration trouve son siège dans les Data Centers : hyper-spécialisés, hyper-connectés, convergents et intelligents, ils centralisent d'innombrables documents et données dont la restitution ne peut se faire que par l'intermédiaire d'un apport électrique suffisant. Pour répondre à l'enjeu d'un avenir durable, ces data centers doivent apprendre à se développer ou à se transformer pour devenir « green » : c'est ce qu'on appelle les Green Data Centers.
Cette formation Green Data Center vous offre une approche très concrète pour comprendre les enjeux du Green IT et trouver les solutions les plus adaptées à votre infrastructure, quelle que soit sa taille. Les procédés décrits (free cooling, gestion du cycle de vie des équipements, virtualisation...) couvrent plusieurs niveaux : infrastructure, techniques existantes, contenu informatique et couche logicielle.
À l'issue de cette formation, vous serez en mesure d'identifier les chantiers clés pour réduire la consommation électrique d'un centre informatique et serez capables de mettre en œuvre des solutions d'amélioration, notamment :
- Optimiser les différents projets Green IT
- Réaliser l'état des lieux des performances énergétique et environnementale
- Choisir les solutions IT appropriées aux besoins
- Sélectionner les solutions liées à l'infrastructure
| Tarif |
Contacter l'organisme |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Identifier les algorithmes de calcul adaptés au secteur
- Définir des outils d'alertes et les tableaux de bord
- Mesurer l'objectif à atteindre concernant la qualité de la prévision
- Définir l'organisation
| Tarif |
A partir de 1 390,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Maîtriser la syntaxe du langage Python
- Acquérir les notions essentielles de la programmation objet
- Connaître et mettre en oeuvre les différents modules Python
| Tarif |
A partir de 1 390,00 € |
| Durée |
2j / 14h |
| Modes |
|
Formation Évaluation et réparation du préjudice corporel : méthodes de calcul et recours des tiers payeurs
Proposé par LEFEBVRE DALLOZ COMPETENCES
Objectifs de la formation
- Interpréter la dernière actualité jurisprudentielle en matière de préjudice corporel
- Appliquer les méthodes de calcul inhérentes à l'évaluation du préjudice
- Mettre en œuvre le recours des tiers payeurs
| Tarif |
A partir de 1 092,00 € |
| Durée |
1 jour |
| Modes |
|
Formation Les principes clés de consolidation en normes IFRS pour l’application des règles GLoBE de l’OCDE et de la Directive européenne
Proposé par LEFEBVRE DALLOZ COMPETENCES
Objectifs de la formation
- Analyser la détermination du périmètre de consolidation
- Définir les particularités du résultat comptable des entités du groupe en normes IFRS, base du calcul du résultat « fiscal » de la proposition de Directive européenne
- Déterminer des impôts différés, éléments de construction du taux effectif d'imposition (TEI)
- Tirer les principales conséquences d'une prise de contrôle sur le résultat comptable consolidé
| Tarif |
A partir de 1 082,00 € |
| Durée |
1 jour |
| Modes |
|
Objectifs de la formation
- Maîtriser les fonctions de calcul et les RECHERCHE
- Travailler sur plusieurs feuilles d'un classeur
| Tarif |
Contacter l'organisme |
| Durée |
1j / 7h |
| Modes |
|
Objectifs de la formation
- Identifier l'ensemble des postes de coûts
- Estimer et contrôler les coûts aux étapes clés du projet
- Appliquer les outils et méthodes de calcul des coûts des études et travaux
| Tarif |
A partir de 1 585,00 € |
| Durée |
2 jours - 14 heures |
| Modes |
|
Objectifs de la formation
• Connaître les modalités de calcul d'effectifs
• Comprendre les mécanismes d'évolution des dépenses de personnel
• Adopter des outils efficaces
| Tarif |
A partir de 1 400,00 € |
| Durée |
Nous contacter |
| Modes |
|
Objectifs de la formation
- Identifier les événements ou opérations impactant le calcul de l'impôt du contribuable (situation familiale, réductions d'impôt, etc.)
- Examiner les modalités de détermination de la base imposable des différents revenus catégoriels (salaires, revenus fonciers, revenus financiers, plus-values de cessions de valeurs mobilières)
- Déclarer les revenus de source étrangère
| Tarif |
A partir de 1 236,00 € |
| Durée |
1 jour |
| Modes |
|
Objectifs de la formation
Concrètement, à l'issue de cette formation Python Développement Avancé, vous saurez :
- Optimiser vos programmes grâce au multi-threading et à la supervision (monitoring)
- Connaître les manipulations avancées en Python : Context Manager, métaclasses, injection et introspection du code…
- Maîtriser la manipulation des données
- Connaître et savoir exploiter à un premier niveau les bibliothèques qui font (ou on fait) le succès de Python (Mathématiques, Scientifique, IA, Machine Learning, Réseau)
| Tarif |
A partir de 2 440,00 € |
| Durée |
4j / 28h |
| Modes |
|
