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
- 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
- Écrire des scripts Python pour automatiser des tâches
- Mettre en œuvre de façon efficace la programmation orientée objets de Python ainsi que les particularités du langage
- Comprendre le rôle des librairies standards
- Développer vos propres applications de Data Science et d’Intelligence Artificielle.
| Tarif |
A partir de 2 050,00 € |
| Durée |
3j / 21h |
| Modes |
|
Formation PyQt : Créer des interfaces graphiques en Python avec la bibliothèque Qt
Proposé par PLB CONSULTANT
Objectifs de la formation
À l'issue de cette formation PyQt, vous serez en mesure de :
- Aborder l’ensemble des nombreux domaines fonctionnels abordés par le framework PyQt
- Architecturer son code selon le standard MVC
- Utiliser les Widgets proposés par Qt dans ses programmes Python
- Créer ses propres widgets
- Maîtriser la disposition et la cinématique des fenêtres
- Programmer les événements
- Gérer les styles
- Développer des tâches en parallèles (multihtreading)
- Utiliser les possibilités multimédia (son, vidéo, 3D, …)
| Tarif |
A partir de 1 860,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
This course presents advanced models available in IBM SPSS Modeler. The participant is first introduced to a technique named PCA/Factor, to reduce the number of fields to a number of core factors, referred to as components or factors.
The next topics focus on supervised models, including Support Vector Machines, Random Trees, and XGBoost. Methods are reviewed on how to analyze text data, combine individual models into a single model, and how to enhance the power of IBM SPSS Modeler by adding external models, developed in Python or R, to the Modeling palette.
| Tarif |
A partir de 750,00 € |
| Durée |
1j / 7h |
| Modes |
|
Objectifs de la formation
- Maîtriser la syntaxe du langage Python
- Apprendre à développer vos propres programmes from scratch
- Acquérir les connaissances nécessaires pour debugger et maintenir les scripts développés par d’autres développeurs
| Tarif |
A partir de 2 450,00 € |
| Durée |
3j / 21h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Expliquer les principes fondamentaux de la rémunération brute et de ses composantes
- Analyser et évaluer les différentes indemnités, primes, avantages en nature et frais professionnels dans le cadre de la rémunération
- Calculer avec précision le salaire de base, y compris les heures supplémentaires et complémentaires
- Evaluer et déterminer les droits aux congés payés et aux jours de RTT pour les salariés
- Intégrer et interpréter l'articulation en cascade du bulletin de salaire, en tenant compte des prélèvements à la source pour obtenir le net à payer
- Décrire les champs d'application de la loi PACTE concernant la participation aux résultats de l'entreprise et l'intéressement
- Mettre en place un accord de participation aux résultats, en comprenant les accords dérogatoires et les conditions supplémentaires de participation, en respectant les modalités légales
- Définir et appliquer les critères et les règles de calcul pertinents pour l'intéressement dans le cadre de la loi PACTE
- Identifier les caractéristiques et les modalités des Plans d'Epargne Entreprise (PEE, PEI)
- Optimiser la mise en place de l'accord d'intéressement en prenant en compte les aspects sociaux et fiscaux spécifiques
- Expliquer le mécanisme des actions gratuites et des stock options.
| Tarif |
A partir de 1 400,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
- Identifier les règles de fonctionnement des plans d'épargne.
- Appliquer les règles concernant le calcul et la répartition des sommes issues de l'intéressement ou la participation.
- Pratiquer le passage en paie de l'intéressement et la participation.
- Contrôler le passage en paie d'un transfert de droit à CET dans un PERECO.
- Gérer l'impact d'un abondement au PERECO sur les réintégrations sociales et fiscales.
| Tarif |
A partir de 500,00 € |
| Durée |
0.5 jours |
| Modes |
|
Objectifs de la formation
A l'issue de la formation, vous serez capable de :
- Maitriser les fonctions de calcul conditionnelles et de recherche
- Importer et lier des données (IMPORTRANGE, QUERY)
- Utiliser les outils de liste de données (doublons, sous-totaux...)
- Générer des tableaux et graphiques croisés dynamiques
- Enregistrer une macro
| Tarif |
A partir de 500,00 € |
| Durée |
2 jour(s) |
| Modes |
|
Etre opérationnel avec Google Sheets - Création de tableaux, analyse de données et calculs complexes - Avec certification
Proposé par M2I
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Ouvrir un tableur et en décrire les principes fondamentaux
- Structurer et produire des tableaux simples et complexes
- Utiliser des formules de calculs mathématiques de base, statistiques de base
- Utiliser des formules de calculs complexes permettant le tri, la recherche et le traitement des données
- Utiliser des fonctions matricielles
- Lier des fichiers entre eux de manière dynamique
- Analyser et illustrer des données sous forme de graphiques
- Créer et paramétrer un tableau croisé dynamique
- Paramétrer l'impression d'une feuille de calcul
- Déplacer et retrouver vos feuilles de calcul au sein d'un environnement local et en ligne
- Exporter et convertir une feuille de calcul
- Collaborer à plusieurs sur un tableur en ligne
- Créer une macro simple et l'utiliser via un bouton.
| Tarif |
A partir de 1 020,00 € |
| Durée |
2j / 14h |
| Modes |
|
Objectifs de la formation
A l'issue de cette formation, vous serez capable de :
- Utiliser Scikitlearn pour créer des modèles d'apprentissage machine
- Concevoir des expériences et interpréter les résultats des tests A/B
- Visualiser l'analyse de clustering et de régression en Python à l'aide de Matplotlib
- Produire des recommandations automatisées de produit ou de contenu avec des techniques de filtrage collaboratif
- Appliquer les meilleures pratiques en matière de nettoyage et de préparation de vos données avant l'analyse.
| Tarif |
A partir de 2 280,00 € |
| Durée |
3j / 21h |
| Modes |
|
