Master218-Python

---

Cours 2025

Séance 1 : Introduction, variables, types de données et structures de contrôle (3h)

• Présentation de Python et conventions de nommage.
• Variables et types de données : int, float, str, bool
• Structures de contrôle : if, elif, else, for, while.

Séance 2 : Fonctions, modules et introduction à la Programmation Orientée Objet (POO) (3h)

• Types de données ; , listes, dictionnaires, tuples, sets.

• Fonctions :

  • Définir des fonctions (def) et travailler avec des paramètres et des valeurs de retour.
  • Fonctions anonymes (lambda) et leur usage pratique.

• Modules :

  • Structuration de projets avec des modules (import, from).

• Introduction à la Programmation Orientée Objet (POO) :

  • Concepts clés : classes, objets, attributs, méthodes.
  • Créer une classe simple et instancier des objets.

Séance 3 : Analyse des données avec NumPy et Pandas (3h)

• Introduction à NumPy : création, indexation et opérations sur des tableaux numériques.
• Manipulation de données tabulaires avec Pandas : chargement, nettoyage, exploration.

Séance 4 : Statistiques et Visualisation des données avec Python (3h)

• Statistiques avec Python : moyenne, médiane, variance, visualisation de distributions.
• Visualisation avec Matplotlib : histogrammes, scatterplots, personnalisation.
• Exploration avancée avec Seaborn : heatmaps, graphiques de distribution.

Séance 5 : Introduction au Machine Learning avec Python (3h)

• Concepts de base : features, target, surapprentissage, validation croisée.
• Modèles simples avec scikit-learn : régression linéaire, classification avec KNN.
• Structuration d’un pipeline ML complet.

Séance 6 : Projet complet (3h)

• Nettoyage, exploration, visualisation et modélisation d’un dataset.
• Présentation des projets, feedback et discussion des choix de conception.

---

Travaux Pratiques (TP)

• TP1 : Variables et structures de contrôle.
• TP2 : Création de fonctions et structuration modulaire et Types de données.
• TP3 : Analyse des données avec NumPy et Pandas.
• TP4 : Visualisation et statistiques avec Python.
• TP5 : Machine Learning : régression linéaire et classification.
• TP6 : Projet final : Analyse complète d’un dataset.

---

🚀 Publier les pages

Ce site est construit avec Quarto (Guide Quarto).

Pour générer les pages :

• En local : quarto render (les pages sont générées dans le dossier _site).
• Sur GitHub Pages : Configurer le workflow dans .github/workflows/publish.yml.

---

Licence

Ce projet est sous licence Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International.

Vous êtes libre de partager et modifier ce travail à des fins non commerciales, à condition de me créditer et de redistribuer sous la même licence.