Cours Microsoft : Code, IA et analyse de données

Leçon 1 • Configuration de votre environnement d'analyse

Guide la configuration de l'environnement pour Python, VS Code et Copilot. Une configuration fonctionnelle est requise avant de commencer tout exercice pratique de codage.

Leçon 2 • Paysage des outils d'IA de Microsoft

Passe en revue les produits Microsoft intégrant l'IA et pertinents pour le travail sur les données. Les étudiants identifient les outils qui s'appliquent à leurs scénarios d'analyse spécifiques.

Leçon 3 • Analyse de données dans le milieu de travail moderne

Définit les rôles, les résultats et la valeur commerciale de l'analyse de données. Ancre le cours en montrant où le codage et l'IA accélèrent la productivité des analystes.

Leçon 1 • Travailler avec les fichiers et les formats de données

Montre comment lire et écrire des fichiers CSV, JSON et Excel en Python. Permet directement l'ingestion de données d'analyste réelles dans les chapitres suivants.

Leçon 2 • Syntaxe de Python et types de données

Couvre les variables, les opérateurs et les types de données de base utilisés dans les scripts d'analyse. Fournit les bases de syntaxe nécessaires pour tous les chapitres de codage subséquents.

Leçon 3 • Flux de contrôle et fonctions

Enseigne les conditionnelles, les boucles et les fonctions réutilisables pour automatiser les étapes d'analyse répétitives. Les étudiants refactorisent des tâches manuelles en fonctions appelables.

Leçon 4 • Utiliser Copilot pour accélérer le codage en Python

Applique GitHub Copilot pour accélérer la rédaction de scripts Python avec des suggestions en ligne. Les étudiants apprennent à évaluer, accepter et peaufiner les complétions de l'IA de manière critique.

Leçon 1 • Filtrage, tri et transformation de données

Couvre le filtrage booléen, le tri multi-colonnes et les transformations de colonnes. Ces opérations forment le cœur des flux de travail d'analyse exploratoire de données.

Leçon 2 • Techniques de nettoyage de données

Aborde les valeurs manquantes, les doublons et les formats incohérents qui nuisent à l'analyse. Les étudiants utilisent des requêtes Copilot pour générer et valider du code de nettoyage.

Leçon 3 • DataFrames et Series Pandas

Présente les structures DataFrame et Series, centrales au travail sur les données tabulaires. Établit les modèles d'indexation et de sélection utilisés tout au long du chapitre.

Leçon 4 • Regroupement et agrégation

Enseigne les opérations groupby et les tableaux croisés dynamiques pour résumer des données commerciales. Les étudiants génèrent des rapports de synthèse qui alimentent directement les chapitres sur la visualisation.

Leçon 1 • Formulation de requêtes pour la génération de code

Se concentre sur la génération de code Python et SQL via des requêtes précises en langage naturel. Les étudiants comparent les résultats de différentes variantes de requêtes pour comprendre leur sensibilité.

Leçon 2 • Chaîne de pensée et requêtes en plusieurs étapes

Présente les requêtes chainées qui décomposent une analyse complexe en étapes séquentielles assistées par l'IA. Les étudiants construisent des chaînes de requêtes pour des flux de travail de données de bout en bout.

Leçon 3 • Modèles de requêtes et bibliothèques réutilisables

Guide la création de modèles de requêtes paramétrés stockés pour la réutilisation en équipe. Établit une bibliothèque personnelle de requêtes comme atout professionnel de productivité.

Leçon 4 • Formulation de requêtes pour l'interprétation de données

Utilise l'IA pour résumer des statistiques, expliquer des anomalies et rédiger des aperçus narratifs. Établit le lien entre les résultats linguistiques de l'IA et la phase de narration de l'analyse.

Leçon 1 • Rédaction de scripts d'automatisation assistée par Copilot

Utilise Copilot pour rédiger, peaufiner et documenter des scripts d'automatisation de bout en bout. Les étudiants évaluent l'exactitude et la sécurité du code d'automatisation généré par l'IA.

Leçon 2 • API Microsoft Graph pour les données Office

Présente l'API Microsoft Graph pour lire les données de SharePoint, OneDrive et Teams. Les étudiants s'authentifient et récupèrent des données organisationnelles par programmation.

Leçon 3 • Planification et déclenchement de scripts d'automatisation

Enseigne la planification de tâches avec le Planificateur de tâches Windows et les déclencheurs Azure Functions. Les étudiants déploient des scripts qui s'exécutent automatiquement selon une cadence définie.

Leçon 4 • Automatisation d'Excel avec openpyxl et xlwings

Couvre la création programmatique de classeurs, le formatage et l'injection de formules. Remplace le travail manuel dans Excel par des scripts Python reproductibles et planifiés.

Leçon 1 • Écriture de requêtes SQL assistée par l'IA

Utilise Copilot et des requêtes en langage naturel pour générer et expliquer des requêtes SQL. Les étudiants valident le SQL généré par l'IA par rapport aux résultats attendus avant le déploiement.

Leçon 2 • Connexion de Python aux bases de données

Montre les connexions SQLAlchemy et pyodbc à SQL Server et Azure SQL. Les étudiants exécutent des requêtes depuis Python et chargent les résultats directement dans des DataFrames.

Leçon 3 • Construction de pipelines de données automatisés

Enchaîne les étapes d'extraction SQL, de transformation Python et de chargement dans des pipelines planifiés. Les étudiants déploient un pipeline d'extraction, transformation et chargement fonctionnel d'ici la fin de la section.

Leçon 4 • Optimisation des requêtes et rendement

Couvre l'indexation, les plans d'exécution et la réécriture de requêtes pour des gains de rendement. Les outils d'IA aident à identifier les modèles de requêtes lentes et à suggérer des améliorations.

Leçon 1 • Tableaux de bord interactifs avec Plotly et Streamlit

Construit des tableaux de bord Web interactifs déployables dans un navigateur ou un onglet Teams. Transforme les graphiques statiques en outils explorables pour les parties prenantes non techniques.

Leçon 2 • Création de graphiques avec Matplotlib et Seaborn

Produit des graphiques à barres, linéaires, de dispersion et des cartes thermiques à l'aide de bibliothèques Python. Les étudiants personnalisent et exportent des figures de qualité publication à partir de données de DataFrames.

Leçon 3 • Résumés narratifs générés par l'IA

Utilise Copilot et Azure OpenAI pour générer des résumés d'aperçus écrits à partir de données de graphiques. Les étudiants révisent, modifient et intègrent les narrations de l'IA dans les rapports destinés aux parties prenantes.

Leçon 4 • Principes de visualisation pour les analystes

Couvre la sélection de graphiques, la théorie des couleurs et les principes de clarté pour les publics d'affaires. Prévient les erreurs de visualisation courantes avant l'écriture de tout code.

Leçon 1 • Génération augmentée de récupération pour les données

Combine la recherche vectorielle avec la génération d'IA pour répondre à des questions sur de grands ensembles de documents. Les étudiants construisent un pipeline de génération augmentée de récupération sur des données organisationnelles.

Leçon 2 • API Azure OpenAI pour l'analyse personnalisée

Appelle les points de terminaison Azure OpenAI depuis Python pour intégrer l'IA générative dans les outils d'analyse. Les étudiants construisent des fonctions qui envoient le contexte de données et récupèrent des réponses structurées de l'IA.

Leçon 3 • Gouvernance de l'IA et gestion des risques

Aborde les biais, les hallucinations, la confidentialité des données et l'auditabilité dans l'analyse assistée par l'IA. Les étudiants appliquent une liste de contrôle de gouvernance avant de déployer toute solution alimentée par l'IA.

Leçon 4 • Projet de synthèse : Projet d'analyse d'IA de bout en bout

Les étudiants conçoivent et livrent un projet d'analyse complet assisté par l'IA, des données brutes au rapport destiné aux parties prenantes. Intègre toutes les compétences clés des chapitres dans un seul livrable évalué.