Formation Microsoft : Code et analyse de données avec l'IA générative

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 de codage pratique.

Leçon 2 • Paysage des Outils IA de Microsoft

Passe en revue les produits intégrés à l'IA de Microsoft 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 Lieu de Travail Moderne

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

Leçon 1 • Travailler avec les Formats de Fichiers et de Données

Démontre la lecture et l'écriture de fichiers CSV, JSON et Excel en Python. Permet directement l'ingestion de données réelles d'analyste 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 fondations de syntaxe nécessaires pour tous les chapitres de codage ultérieurs.

Leçon 3 • Structures 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 l'écriture de scripts Python avec des suggestions en ligne. Les étudiants apprennent à évaluer, accepter et affiner les complétions IA de manière critique.

Leçon 1 • Filtrage, Tri et Transformation des Données

Couvre le filtrage booléen, le tri multi-colonnes et les transformations de colonnes. Ces opérations forment le cœur des workflows 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 prompts Copilot pour générer et valider du code de nettoyage.

Leçon 3 • DataFrames et Series Pandas

Introduit les structures DataFrame et Series au cœur du 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 les données métier. Les étudiants génèrent des rapports de synthèse qui alimentent directement les chapitres sur la visualisation.

Leçon 1 • Solliciter pour la Génération de Code

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

Leçon 2 • Chaîne de Pensée et Prompts Multi-Étapes

Introduit les prompts chaînés qui décomposent une analyse complexe en étapes séquentielles assistées par IA. Les étudiants construisent des chaînes de prompts pour des workflows de données de bout en bout.

Leçon 3 • Modèles de Prompts et Bibliothèques Réutilisables

Guide la création de modèles de prompts paramétrés stockés pour une réutilisation en équipe. Établit une bibliothèque personnelle de prompts en tant qu'actif de productivité professionnelle.

Leçon 4 • Solliciter pour l'Interprétation de Données

Utilise l'IA pour résumer les statistiques, expliquer les anomalies et rédiger des analyses narratives. Relie la sortie linguistique de l'IA à la phase de narration de l'analyse.

Leçon 1 • Écriture de Scripts d'Automatisation Assistée par Copilot

Utilise Copilot pour rédiger, affiner 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

Introduit 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 à 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 sur Excel par des scripts Python reproductibles et planifiés.

Leçon 1 • Écriture de Requêtes SQL Assistée par l'IA

Utilise Copilot et des prompts 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

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

Leçon 4 • Optimisation et Performance des Requêtes

Couvre l'indexation, les plans d'exécution et la réécriture de requêtes pour des gains de performance. 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. Étend les graphiques statiques en outils explorables pour les parties prenantes non techniques.

Leçon 2 • Construction de Graphiques avec Matplotlib et Seaborn

Produit des graphiques à barres, linéaires, de dispersion et de heatmap en utilisant des bibliothèques Python. Les étudiants personnalisent et exportent des figures de qualité publication à partir de données DataFrame.

Leçon 3 • Résumés Narratifs Générés par l'IA

Utilise Copilot et Azure OpenAI pour générer des résumés d'insights écrits à partir de données de graphiques. Les étudiants révisent, éditent 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 métier. Prévient les erreurs de visualisation courantes avant d'écrire le moindre code.

Leçon 1 • Génération Augmentée par Récupération pour les Données

Combine la recherche vectorielle avec la génération IA pour répondre à des questions sur de grands ensembles de documents. Les étudiants construisent un pipeline de génération augmentée par 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 créent des fonctions qui envoient du 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 IA. Les étudiants appliquent une liste de contrôle de gouvernance avant de déployer toute solution propulsée par l'IA.

Leçon 4 • Projet de Synthèse : Projet d'Analyse IA de Bout en Bout

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