Informations à propos de la formation
Le formulaire a été soumis avec succès !
Une erreur s’est produite lors de l’envoi du formulaire. Veuillez vérifier à nouveau tous les champs.
Public cible
- Étudiants et enseignants souhaitant apprendre la programmation moderne
- Débutants dans le domaine de la data, du ML ou de l’IA
- Professionnels souhaitant automatiser des tâches ou manipuler des données
- Toute personne souhaitant développer des compétences numériques
Objectifs de la formation
Permettre aux participants de maîtriser les bases du langage Python et de découvrir son utilisation dans les domaines de la Data Science et de l’Intelligence Artificielle.
À la fin de la formation, les apprenants seront capables de écrire, exécuter et comprendre des scripts Python, manipuler des données et créer de petits projets analytiques.
Compétences visées
- Comprendre la logique et la syntaxe de base de Python
- Manipuler des variables, structures de données et fonctions
- Lire, traiter et visualiser des données
- Utiliser des bibliothèques clés pour la data (NumPy, Pandas, Matplotlib)
- Écrire des scripts clairs et réutilisables
Thématiques de la formation (12 semaines / 24h)
1. Introduction à Python et environnement de travail (4 h)
Objectifs spécifiques :
- Découvrir Python, ses usages et ses outils
- Installer et configurer son environnement de développement
- Exécuter ses premiers scripts
Contenu :
- Présentation du langage Python et de ses domaines d’application
- Installation de Python, Anaconda, Jupyter Notebook / Google Colab
- Syntaxe de base : variables, types, opérateurs
- Entrée/sortie et commentaires
Activités :
- Premier programme : “Hello World” et manipulation de variables
- Exercices d’introduction et mini-quizz
2. Structures de contrôle et fonctions (6 h)
Objectifs spécifiques :
- Utiliser les structures de contrôle (conditions, boucles)
- Créer et utiliser des fonctions pour structurer le code
- Comprendre les notions de portée et de paramètres
Contenu :
- Conditions (if, else, elif)
- Boucles (for, while)
- Fonctions, arguments et retour de valeurs
- Bonnes pratiques de structuration du code
Activités :
- Atelier : script d’analyse simple (moyennes, comparaisons, etc.)
- Exercice guidé : calcul automatique d’indicateurs
3. Structures de données et manipulation de fichiers (6 h)
Objectifs spécifiques :
- Découvrir et manipuler les structures de données Python (listes, dictionnaires, ensembles, tuples)
- Lire et écrire dans des fichiers CSV ou texte
- Savoir gérer des données structurées
Contenu :
- Structures de données natives (list, dict, tuple, set)
- Fichiers texte et CSV (lecture/écriture)
- Introduction à la gestion d’erreurs et exceptions
- Bibliothèques standard utiles (os, datetime, random)
Activités :
- Atelier : traitement automatique d’un petit fichier CSV
- Exercice : statistiques de base sur un fichier de données
4. Introduction aux bibliothèques pour la Data (4 h)
Objectifs spécifiques :
- Manipuler des tableaux et des DataFrames avec NumPy et Pandas
- Visualiser des données avec Matplotlib / Seaborn
- Comprendre l’intérêt de Python pour la Data Science
Contenu :
- Introduction à NumPy (tableaux, opérations vectorisées)
- Pandas : chargement, nettoyage et analyse de données
- Visualisation de base avec Matplotlib et Seaborn
- Notion de workflow data
Activités :
- Atelier : analyse exploratoire d’un jeu de données réel (CSV)
- Création de graphiques et indicateurs
5. Mini-projet pratique (4 h)
Objectifs spécifiques :
- Mettre en pratique les notions vues tout au long de la formation
- Concevoir un script complet d’analyse ou d’automatisation
- Présenter son code et ses résultats de manière claire
Contenu :
- Choix du thème : data analysis, automation, mini-jeu, ou traitement de texte
- Rédaction d’un script complet et documenté
- Visualisation ou export des résultats
Activités :
- Mini-projet en binôme (par exemple : analyse de ventes, calcul de moyennes, génération de graphique)
- Soutenance courte avec explication du code
Méthodologie
- Alternance théorie / pratique à chaque séance
- Exercices progressifs et mini-projets
- Approche par résolution de problèmes
- Utilisation d’outils en ligne (Google Colab, Jupyter)
Évaluation
- Évaluation continue : exercices pratiques, quizz, participation
- Évaluation finale : mini-projet Python
- Auto-évaluation des compétences
Évaluation et Assurance Qualité :
À la fin de chaque programme de formation, les participants recevront un formulaire d’évaluation et d’assurance qualité.