Formation Python

Leçon 1 • Installation de Python et des Outils de Développement

Couvre l'installation de l'interpréteur Python, la sélection 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 durant 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 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 réapparaissent dans les chapitres sur les collections, les fichiers et le traitement de données.

Leçon 3 • Boucles while et Contrôle de Boucle

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

Leçon 1 • Fonctions Lambda et Décorateurs

Présente les fonctions anonymes et les décorateurs qui enveloppent des 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 travail de projet ultérieur.

Leçon 3 • Techniques Avancées de Paramètres

Enseigne les valeurs par défaut, les arguments mot-clé, *args et **kwargs. Ces motifs permettent des API flexibles utilisées dans les bibliothèques et frameworks ultérieurs.

Leçon 1 • Listes : Création et Manipulation

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

Leçon 2 • Tuples et Séquences Immuables

Enseigne la création de tuples, l'empaquetage, le dépaquetage 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

Présente la création d'ensembles, les tests d'appartenance et les opérations mathématiques. Les ensembles permettent une déduplication rapide et des requêtes de relations dans les pipelines de données.

Leçon 4 • Dictionnaires : Clés, Valeurs et Méthodes

Couvre la création de dictionnaires, les modes 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. Un choix de méthode correct clarifie l'intention et améliore la conception de l'API.

Leçon 2 • Héritage et Redéfinition de Méthodes

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

Leçon 3 • Encapsulation et Méthodes Spéciales

Couvre le name mangling, 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 correcte des erreurs prévient les plantages et permet une dégradation gracieuse.

Leçon 2 • Travail avec les Fichiers CSV et JSON

Présente les modules de la bibliothèque 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 l'E/S binaire vs. texte. La gestion des fichiers est essentielle pour l'ingestion et la sortie de données dans les projets réels.

Leçon 1 • Nettoyage et Transformation de Données

Couvre la gestion des valeurs manquantes, la conversion de type 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

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

Leçon 3 • Regroupement, Fusion et Agrégation

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

Leçon 4 • Tableaux NumPy et Opérations

Couvre la création de ndarray, l'indexation, la diffusion et les calculs vectorialisés. L'efficacité de NumPy est le pilier des workflows scientifiques et de science des données.

Leçon 1 • Planification et Automatisation de Tâches

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

Leçon 2 • Planification et Livraison du Projet de Fin d'Études

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

Leçon 3 • Automatisation du Système de Fichiers et de l'OS

Enseigne os, pathlib et shutil pour l'automatisation des fichiers et répertoires. L'automatisation des tâches répétitives sur les fichiers fait gagner un temps considérable dans les workflows professionnels.