Bienvenue dans le dépôt de l'Atelier Python AlgoETS ! Ici, vous trouverez une collection de cahiers Jupyter et de guides en Markdown conçus pour améliorer vos compétences en Python, notamment en science des données et en génie logiciel. Que vous soyez débutant ou professionnel aguerri, il y en a pour tous les goûts.
- Python 3.10 ou supérieur
- Jupyter Notebook
-
Cloner le dépôt
git clone https://github.com/AlgoETS/Workshop1.git
-
Naviguer vers le répertoire du projet
cd Workshop1 -
Installer les dépendances
pip install -r requirements.txt
-
Lancer Jupyter Notebook
jupyter notebook
Chaque tutoriel est conçu pour couvrir des sujets spécifiques en Python, vous offrant une expérience pratique.
-
Configuration de l'environnement Python et introduction à l'utilisation de Jupyter Notebook dans le cloud.
- 0.1_python_environement.ipynb: Guide étape par étape pour configurer votre environnement Python, y compris la gestion des packages avec
pip. - 0.2_jupyter_cloud.ipynb: Introduction à l'utilisation de Jupyter Notebook dans un environnement cloud.
- 0.1_python_environement.ipynb: Guide étape par étape pour configurer votre environnement Python, y compris la gestion des packages avec
-
Concepts de base et avancés en programmation Python.
- 1.1_python_basic.ipynb: Votre point de départ dans la programmation Python. Apprenez les variables, les types de données, les structures de contrôle, et plus encore.
- 1.2_python_advanced.ipynb: Couvre des sujets avancés en Python pour améliorer vos compétences en programmation.
-
Interagir avec les API pour récupérer, traiter et analyser des données du monde réel.
- 2.1_python_api.ipynb: Comprenez comment interagir avec les API pour récupérer, traiter et analyser des données du monde réel.
-
Manipulation et exploration des données en utilisant Pandas.
- 3.1_python_panda.ipynb: Plongez dans la manipulation et l'exploration des données en utilisant Pandas. Couvre les opérations sur les DataFrames, le nettoyage des données et les visualisations de base.
-
Techniques de visualisation de données en utilisant Matplotlib et Seaborn.
- 4.2_visualisation_analyse.ipynb: Un tutoriel complet sur les techniques de visualisation de données en utilisant Matplotlib et Seaborn.
-
Un projet final qui combine tout ce que vous avez appris pour résoudre un problème réel de science des données.
- 5.1_project_ema.ipynb: Un projet final qui combine tout ce que vous avez appris dans une application pratique de science des données en monde réel.
Nous accueillons les contributions de la communauté ! Voici comment vous pouvez contribuer :
- Forker le projet
- Créer une branche de fonctionnalité:
git checkout -b feature/VotreNomDeFonctionnalité - Commiter les changements:
git commit -m 'Décrivez vos changements ici' - Pousser vers l'origine:
git push origin feature/VotreNomDeFonctionnalité - Ouvrir une demande d'extraction (Pull Request)
Consultez le fichier CONTRIBUTING.md pour plus de directives.
Ce projet est sous licence MIT. Pour plus de détails, consultez le fichier LICENSE.
- Contact: Antoine Boucher - Email
- Lien du Projet: GitHub - AlgoETS/Atelier1
N'hésitez pas à nous contacter si vous avez des questions ou des suggestions. Bon apprentissage ! 🚀
Le projet EMA (Exploration et Modélisation Avancée) est conçu comme un point culminant de tout ce que vous avez appris dans cet atelier. Vous appliquerez des techniques de programmation Python, de manipulation de données avec Pandas, de visualisation avec Matplotlib et Seaborn, et d'interaction avec les API pour résoudre un problème réel de science des données.
Les compétences acquises dans ce projet sont directement applicables dans des contextes professionnels et académiques, faisant de vous un candidat plus compétent dans le domaine de la science des données.
Pour réussir ce projet, vous devrez:
- Identifier un problème ou une question de recherche.
- Collecter et nettoyer les données nécessaires.
- Effectuer une analyse exploratoire des données.
- Appliquer des algorithmes de machine learning pour extraire des informations utiles ou faire des prédictions.
- Présenter vos résultats sous une forme facilement compréhensible, en utilisant des techniques de visualisation de données avancées.
Nous sommes impatients de voir ce que vous créerez !