Environnement Python scientifique

1

Leçon 1: L'écosystème Python scientifique

1 heure

2

Leçon 2: Installation et gestion d'environnements

2 heures

3

Leçon 3: NumPy avancé : broadcasting et vectorisation

2 heures

4

Leçon 4: Pandas : DataFrames et manipulation

2 heures

5

Leçon 5: Pandas : GroupBy, merge et pivot

2 heures

6

Leçon 6: Matplotlib : visualisation scientifique

2 heures

7

Leçon 7: Seaborn : visualisation statistique

1 heure et 30 minutes

8

Leçon 8: Jupyter et JupyterLab : cellules et magic commands

1 heure et 30 minutes

9

Leçon 9: Google Colab : GPU gratuit et persistance

1 heure et 30 minutes

10

Leçon 10: Git et GitHub pour projets data

1 heure et 30 minutes

11

Leçon 11: TP intégrateur : exploration complète d'un dataset

3 heures