Python pour la data science

Un cours complet pour découvrir le langage

Lino Galiana

Insee

24/09/2024

Présentation

• Data-scientist à l’Insee

• Coordinateur d’un réseau des data-scientists dans l’administration:

  • Site web: https://ssphub.netlify.app/ ;

• Expérience traitement big-data et NLP:
  • Cours opinionated ;
  • Des conseils et des recommandations issues de l’expérience

Note

• :
  • pour suivre l’actualité du réseau des data-scientists ;
  • si vous êtes intéressés par travailler dans l’administration ;

Objectifs du cours

• Pouvoir utiliser Python pour l’ensemble du processus de valorisation des données :
  • Récupérer et structurer des données ;
  • Manipuler ;
  • Visualiser ;
  • Modéliser.

• Comprendre comment Python sert dans une démarche de recherche ou de production ;

• S’initier à la question de la reproductibilité (open-source, open-data…) ;

• Découvrir la pratique moderne de Python dans le monde de la data-science ;

• Découvrir qu’on peut faire des choses sympa ✨ avec Python .

Organisation du cours

• Cours dure 21h avec des séances de 3h ;

• Apprentissage par la pratique à partir de TP ;

• Validation avec un projet de fin de semestre
  • Plus de détails dans quelques instants

Contenu mis à disposition

• Points d’entrée principaux :
  • Site web : https://pythonds.linogaliana.fr/ ;
  • Dépôt Github : https://github.com/linogaliana/python-datascientist
     Star this website on Github102

• Des tutoriels et exercices sous format Jupyter Notebook :
  • Possibilité de les tester sur des environnements temporaires d’exécution

Environnement pour les TD

Vous devez utiliser le SSPCloud https://datalab.sspcloud.fr pour les TD et il est recommandé de privilégier VSCode dessus (pas de debug garanti sur d’autres environnements)

Examen

• Projet collaboratif s’appuyant sur Python répondant à une démarche scientifique et ouverte:
  • Projet disponible sur Github
  • Le projet doit être documenté

• Sujet libre :
  • Discutez avec votre chargé de TD pour avoir un avis ;

Important

• Exigence de reproductibilité
  • Projet utilisant des sources open-data ou scrappant des sites publics ;
  • Code doit pouvoir être répliqué par chargé TD ;
  • Pas un projet Kaggle !

Examen

• Approfondir des aspects du cours:
  • Trois dimensions doivent être présentes dans le projet: manipuler, visualiser ou modéliser ;
  • Plus ou moins loin selon les projets.

• Exemples de sujets passés :
  • Suggestions de trajets pour cyclistes ;
  • Création d’un système de réponse automatique aux tweets mentionnant la RATP ;
  • Visualiser les performances des athlètes sur des courses niveau amateur ou professionel ;
  • Comparer la performance de modèles de gestion de portefeuille ;

Important

Deadline en décembre 2024, date précisée ultérieurement

Exemple d’accès aux ressources Pandas

Par le biais direct du site pythonds.linogaliana.fr/

Par le biais du portail de formation du www.sspcloud.fr/formation/