Formation 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 installation fonctionnelle est requise avant de commencer tout exercice de codage pratique.

Leçon 2 • Paysage des outils AI de Microsoft

Passe en revue les produits intégrant 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 • L'analyse de données dans le lieu de travail moderne

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

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 réelles d'analyste dans les chapitres suivants.

Leçon 2 • Syntaxe Python et types de données

Couvre les variables, les opérateurs et les types de données essentiels utilisés dans les scripts d'analyse. Fournit les bases de syntaxe nécessaires à tous les chapitres de codage suivants.

Leçon 3 • Flux de contrôle et fonctions

Enseigne les conditions, 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 grâce à des suggestions en ligne. Les étudiants apprennent à évaluer, accepter et affiner de manière critique les complétions de l'IA.

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 flux de travail d'analyse exploratoire des données.

Leçon 2 • Techniques de nettoyage des données

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

Leçon 3 • DataFrames et Series Pandas

Présente les structures DataFrame et Series, centrales pour le 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 • Prompting 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 variations de prompts pour comprendre la sensibilité.

Leçon 2 • Chaîne de pensée et prompts en plusieurs étapes

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

Leçon 3 • Modèles de prompts et bibliothèques réutilisables

Guide la création de modèles de prompts paramétrés stockés pour être réutilisés par l'équipe. Établit une bibliothèque personnelle de prompts comme un atout de productivité professionnelle.

Leçon 4 • Prompting pour l'interprétation des données

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

Leçon 1 • Rédaction 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

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 des 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 Excel avec openpyxl et xlwings

Couvre la création programmatique de classeurs, la mise en forme 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 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 • Connecter 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. À la fin de la section, les étudiants déploient un pipeline d'extraction-transformation-chargement fonctionnel.

Leçon 4 • Optimisation et performance des requêtes

Couvre l'indexation, les plans d'exécution et la réécriture de requêtes pour améliorer les performances. 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 exploratoires pour les parties prenantes non techniques.

Leçon 2 • Construire des graphiques avec Matplotlib et Seaborn

Produit des graphiques à barres, des courbes, des nuages de points et des cartes de chaleur à l'aide de 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'informations écrits à partir de données de graphiques. Les étudiants examinent, modifient et intègrent des narratifs 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 même d'écrire du code.

Leçon 1 • Génération augmentée de récupération pour les données

Combine la recherche vectorielle avec la génération par 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 des 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 basée sur l'IA.

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

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