Informations pratiques

• Voir nos formateurs
• 20 rue des Frigos, 75013

  Voir le plan
• 2 jours
• 1 200€

Prochaines sessions :

Contactez-nous à training@soat.fr

Nombre de participants maximum : 10

• Comment s'inscrire ?
• Conditions générales de vente
• Réservez une place

Objectifs

• Rappel des bases de Python, Jupyter, Numpy et Pandas
• Revue des bonnes pratiques de manipulation et visualisation de données
• Découvrir les librairies qui font gagner du temps

Public

• Data scientist, Engineer ou Analyst

Pré-requis

Notions de Python, Machine Learning

Méthodes pédagogiques

60% théorie / 40% pratique

Description

Cette formation vise à rassembler un large nombre de bonnes pratiques pour chacune des étapes d'un projet Data Science mené avec Python. Il permet aux débutants d'acquérir de bons réflexes et aux confirmés de découvrir des techniques pour gagner en productivité.

Programme

• Les incontournables Jupyter Notebooks
• L’accès aux données avec Pandas et SQL
• Manipulation de données : les finesses de Pandas DataFrame
• Les 5 visualisations Seaborn qui sont toujours pertinentes
• Préparer des données pour le Machine Learning : les bons réflexes
• Du Notebook à la mise en production

Evaluation

En fin de formation, il vous est demandé la mesure de votre satisfaction de la formation suivie. Celle-ci se déroule individuellement en ligne à l’aide de votre PC. Cette évaluation vous permet de nous communiquer votre avis sur l’organisation de la session, les conditions d’accueil, les objectifs pédagogiques, les méthodes pédagogiques, les moyens et supports utilisés ainsi que les qualités pédagogiques de votre formateur. Les appréciations que vous avez formulées font l’objet d’un enregistrement et d’une analyse qualitative de la formation et du formateur au regard des autres sessions réalisées. SOAT Training dispose d'un processus qualité qui prend en considération les éventuels dysfonctionnements rencontrés par les participants afin d’être proactif quant à la solution corrective adaptée tant sur le contenu de la formation elle-même que les conditions de son déroulement.