| title | date | draft | weight |
|---|---|---|---|
Introduction |
2020-07-16 13:00:00 UTC |
false |
10 |
Avant de plonger dans les arcanes de la data science, cette partie d'introduction propose des éléments de configuration et des révisions pour mettre le pied à l'étrier.
En premier lieu, des notions générales sur lesquelles il ne fait pas de mal de revenir de temps en temps:
- Les éléments de configuration pour avoir un environnement propice à l'utilisation de l'écosystème python
- Une présentation de l'écosystème de la data-science dont on explorera de nombreux aspects dans ce cours
- Les règles de bonnes pratiques pour améliorer la qualité
d'un travail s'appuyant sur
python
Ensuite, des rappels sur les objets structurants le langage python,
nécessaires pour être autonome en python
- Des rappels généraux sur les objets en python
- Des rappels sur les fonctions en python
- Un TD (optionnel) sur les classes en python
Les notebooks d'exercices sont listés ici, visualisables
via
ou
Python, par sa grande flexibilité, est devenu un langage incontournable
dans le domaine de la data science.
Le succès de scikit-learn et
de Tensorflow dans la communauté
de la Data-Science ont beaucoup contribué à l'adoption de Python. Cependant,
résumer Python à quelques librairies serait réducteur tant il s'agit
d'un véritable couteau-suisse pour le data-scientist, social scientist
ou économiste.
Comme pour R, l'intérêt de Python est son rôle central dans un
écosystème plus large autour d'outils puissants, flexibles et open-source.
L'intérêt de Python pour un data scientist ou data economist va au-delà du champ du Machine Learning.
Python concurrence très bien R dans son domaine de prédilection, à
savoir l'analyse statistique sur des
objets type dataframes. Python est bien plus complet dans certains domaines
car, outre le Machine Learning,
Python est mieux adapté aux données volumineuses que
R. Python est également meilleur que R pour faire
du webscraping. Dans le domaine de l'économétrie, Python offre
l'avantage de la simplicité avec un nombre restreint de packages (scikit et
statsmodels) permettant d'avoir des modèles très généraux
(les generalized estimating equations) alors qu'il faut
choisir parmi une grande variété de packages en R pour obtenir les
modèles équivalents.
Au contraire, dans certains domaines, R reste meilleur. Par exemple,
R est très bien intégré au langage de publication Markdown ce qui,
dans certains cas, comme la construction de ce site web basée sur
R Markdown, est fort appréciable.
Un des avantages comparatifs de Python par rapport à d'autres
langages (notamment R et Julia) est sa dynamique,
ce que montre l'explosion du nombre de questions
sur Stack Overflow.
Cependant, il ne s'agit pas bêtement d'enterrer R ; au contraire, outre leur logique très proche,
les deux langages sont dans une phase de convergence avec des initiatives comme
reticulate. Ce dernier package
permet d'exécuter des commandes python dans un document R Markdown mais
crée également une correspondance entre les objets python et R. Les bonnes
pratiques peuvent être transposées de manière presque transparente d'un
langage à l'autre. A terme, les data-scientists et économistes utiliseront
de manière presque indifférente, et en alternance, python et R. Ce cours
présentera ainsi régulièrement des analogies avec R.
Dans un premier temps, cette introduction présente un panorama général
de l'environnement familier du data scientist en Python:
- Configurer Python
- Rapide inventaire de l'écosystème de la data science
- Présentation des bonnes pratiques pour les projets de data science en
Python
Ensuite, cette partie propose quelques rappels généraux sur les concepts de base du langage: