Formation Python

Leçon 1 • Installation de Python et des outils de développement

Couvre l'installation de l'interpréteur Python, le choix de version et la configuration de l'IDE. Établit l'environnement de base nécessaire pour tous les exercices de codage ultérieurs.

Leçon 2 • Entrée, sortie et opérateurs de base

Couvre print(), input() et les opérateurs arithmétiques, de comparaison et logiques. Ces primitives apparaissent dans chaque programme écrit dans le cours.

Leçon 3 • Variables, types de données et littéraux

Enseigne le typage dynamique, les types de données intégrés et la notation littérale. Comprendre les types est un prérequis pour tous les chapitres de manipulation de données.

Leçon 1 • Compréhensions et itération fonctionnelle

Enseigne les compréhensions de listes, dictionnaires et ensembles ainsi que les fonctions map() et filter(). Les motifs d'itération concis améliorent la lisibilité dans les programmes axés sur les données.

Leçon 2 • Boucles for et itération

Couvre l'itération sur les séquences et l'utilisation de range(). Les motifs de boucle introduits ici se répètent dans les chapitres sur les collections, les fichiers et le traitement des données.

Leçon 3 • Boucles while et contrôle de boucle

Introduit les boucles pilotées par condition et les instructions break, continue et pass. Ces contrôles permettent une gestion précise du flux dans les algorithmes complexes.

Leçon 1 • Fonctions lambda et décorateurs

Introduit les fonctions anonymes et les décorateurs d'encapsulation de fonctions. Ces outils apparaissent largement dans les frameworks et le code de style fonctionnel.

Leçon 2 • Définition et appel de fonctions

Couvre la syntaxe def, les valeurs de retour et les conventions d'appel. Les fonctions sont l'unité principale de réutilisation dans tout le travail de projet ultérieur.

Leçon 3 • Techniques avancées de paramètres

Enseigne les valeurs par défaut, les arguments mots-clés, *args et **kwargs. Ces motifs permettent des API flexibles utilisées dans les bibliothèques et frameworks plus tard.

Leçon 1 • Listes : création et manipulation

Couvre l'indexation des listes, le découpage et toutes les méthodes de mutation. Les listes sont la structure la plus courante dans le traitement des données et le travail algorithmique.

Leçon 2 • Tuples et séquences immuables

Enseigne la création de tuples, le regroupement, le déballage et les cas d'utilisation. L'immuabilité rend les tuples idéaux pour les enregistrements fixes et les clés de dictionnaire.

Leçon 3 • Ensembles et opérations sur les ensembles

Introduit la création d'ensembles, le test d'appartenance et les opérations mathématiques. Les ensembles permettent la déduplication rapide et les requêtes de relations dans les pipelines de données.

Leçon 4 • Dictionnaires : clés, valeurs et méthodes

Couvre la création de dictionnaires, les motifs d'accès, l'itération et la fusion. Les dictionnaires sous-tendent la gestion JSON, la configuration et la mise en cache dans les applications réelles.

Leçon 1 • Méthodes : d'instance, de classe et statiques

Couvre les trois types de méthodes et leurs cas d'utilisation appropriés. Le choix correct de la méthode clarifie l'intention et améliore la conception de l'API.

Leçon 2 • Héritage et redéfinition de méthodes

Introduit l'héritage simple et multiple, super() et la résolution de méthodes. L'héritage réduit la duplication entre les familles de classes apparentées.

Leçon 3 • Encapsulation et méthodes spéciales

Couvre le masquage de noms, les méthodes dunder et la surcharge d'opérateurs. Ces fonctionnalités produisent des interfaces de classe intuitives et pythoniques.

Leçon 1 • Gestion des exceptions

Enseigne try, except, else, finally et les exceptions personnalisées. Une gestion appropriée des erreurs empêche les plantages et permet une dégradation gracieuse.

Leçon 2 • Travail avec les fichiers CSV et JSON

Introduit les modules standard csv et json pour les données structurées. Ces formats sont omniprésents dans l'échange de données et l'intégration d'API.

Leçon 3 • Lecture et écriture de fichiers

Couvre open(), les modes de fichier, les gestionnaires de contexte et les E/S binaires vs. textuelles. La gestion des fichiers est essentielle pour l'ingestion et la sortie de données dans les projets réels.

Leçon 1 • Nettoyage et transformation des données

Couvre la gestion des valeurs manquantes, le transtypage et les transformations apply(). Des données propres sont un prérequis pour une analyse et une modélisation précises.

Leçon 2 • Outils statistiques et d'algèbre linéaire de NumPy

Introduit les fonctions d'agrégation, la génération de nombres aléatoires et les opérations matricielles. Ces outils sous-tendent le prétraitement de l'apprentissage automatique et la simulation.

Leçon 3 • Regroupement, fusion et agrégation

Introduit groupby(), merge() et les tableaux croisés dynamiques pour résumer les données. Ces opérations reproduisent les analyses de style SQL entièrement en Python.

Leçon 4 • Tableaux NumPy et opérations

Couvre la création de ndarray, l'indexation, la diffusion et les mathématiques vectorisées. L'efficacité de NumPy est l'épine dorsale des workflows scientifiques et de science des données.

Leçon 1 • Planification et automatisation des tâches

Introduit les scripts planifiés, l'analyse des arguments et la journalisation. L'automatisation de la production nécessite une planification fiable et une exécution observable.

Leçon 2 • Planification et livraison du projet de synthèse

Guide les étudiants dans le cadrage, la construction et la présentation d'un projet complet. Synthétise toutes les compétences essentielles en un livrable prêt pour le portfolio.

Leçon 3 • Automatisation du système de fichiers et du système d'exploitation

Enseigne os, pathlib et shutil pour l'automatisation des fichiers et des répertoires. L'automatisation des tâches de fichiers répétitives permet d'économiser un temps considérable dans les workflows professionnels.