Programme PYTHON ORIENTE SCIENCES HUMAINES ET SOCIALES SHS
La formation s’adresse à tous les personnels de recherche (doctorants, chercheurs, enseignants-chercheurs, ingénieurs)
Durée : 5 jours - 35 heures
Tarif : Nous contacter pour une formation INTER – INTRA ou en COURS PARTICULIER
Lors du stage de formation PYTHON SHS vous apprendrez à travailler avec le langage Python, découvrez son interface ainsi que ses fonctionnalités.
Vous mettrez en oeuvre les différentes étapes clefs de la construction d'un programme informatique au travers du langage Python orienté SHS avec les bibliothèques associées.
La formation est délivrée en présentiel ou distanciel (e-learning, classe virtuelle, présentiel et à distance). Le formateur alterne entre méthodes démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). La validation des acquis peut se faire via des études de cas, des quiz et/ou une certification.
Cette formation est animée par un consultant-formateur dont les compétences techniques, professionnelles et pédagogiques ont été validées par des diplômes et/ou testées et approuvées par l’éditeur et/ou par Audit Conseil Formation.
Les objectifs
pré-requis
Connaissances de base en programmation
Connaissances de Statistiques (descriptives, inférentielles et avancées)
Moyens pédagogiques, techniques et d'encadrement
- 1 poste de travail complet par personne
- De nombreux exercices d'application
- Mise en place d'ateliers pratiques
- Remise d'un support de cours
- Remise d'une attestation de stage
Modalités d'évaluation des acquis
- Evaluation des besoins et objectifs en pré et post formation
- Evaluation technique des connaissances en pré et post formation
- Evaluation générale du stage
Accessibilité handicapés
- Au centre d’affaires ELITE partenaire d’ACF à 20 m.
- Guide d’accessibilité à l’accueil.
Le Programme
PROGRAMME
Présentation générale de l’usage de Python en sciences sociales
Pourquoi Python ? Comparaison avec d’autres langages dont R.
Installation de Python
Les bases de Python
Les bibliothèques
La manipulation de fichiers
Statistiques et calcul scientifique sur Python appliqué aux sciences sociales (Numpy, Scipy, Patsy, Statmodels)
Focus sur les statistiques descriptives et inférentielles
Traitement de données tabulaires (Pandas)
Visualisation de données (Matplotlib et Seaborn)
Traitement Statistiques avancées (Scikit Learn)
LES BASES DU LANGAGE PYTHON
Les conventions de codage et les règles de nommage.
Les blocs, les commentaires.
Les types de données disponibles.
Les variables, l'affichage formaté, la portée locale et globale.
La manipulation des types numériques, la manipulation de chaînes de caractères.
La fonction range.
La manipulation des tableaux dynamiques (liste), des tableaux statiques (tuple) et des dictionnaires.
La structure conditionnelle if/elif/else.
Les opérateurs logiques et les opérateurs de comparaison.
Les boucles d'itérations. Interruption d'itérations break/continue.
L'écriture et la documentation de fonctions.
Les Lambda expression.
La structuration du code en modules.
LES BIBLIOTHEQUES
Définition d’une bibliothèque.
Utiliser une bibliothèque.
Charger un nouveau module.
Installer une nouvelle bibliothèque.
Les problèmes récurrents et comment les traiter.
Utiliser une nouvelle bibliothèque.
LA MANIPULATION DE FICHIERS
Ouvrir, Créer, charger un fichier.
Lire dans un fichier.
Traitement de texte.
Encodage.
Utiliser une bibliothèque.
Charger un nouveau module.
Installer une nouvelle bibliothèque.
Les problèmes récurrents et comment les traiter.
Utiliser une nouvelle bibliothèque.
STATISTIQUES SUR PYTHON
La bibliothèque Statmodels (utilisée en statistiques pour les sciences sociales)
La bibliothèque Patsy en complément.
Analyse et modélisation statistiques de données.
Construire un modèle.
Nettoyer les données.
Analyses univariées, multivariées de données.
Relation entre les données.
Tests statistiques.
Applications.
CALCUL SCIENTIFIQUE
Les bibliothèques Numpy et Scipy
Calculs numériques.
Modélisation.
Analyse de données complexes propres aux sciences humaines, traitement de données.
Mathématiques pour sciences sociales.
TRAITEMENT DE DONNEES TABULAIRES
La bibliothèque Panda.
Charger des données à partir d’un fichier.
Le format de données Pandas.
Modifier un tableau Pandas.
Filtrer des informations.
Relier des informations.
VISUALISATION DE DONNEES
Les bibliothèques Seaborn et Matplotlib.
Les différences entre les 2 bibliothèques.
Eléments généraux de visualisation.
Visualisations scientifiques et avancées.
STATISTIQUES AVANCEES
La bibliothèque ScikitLearn.
Création de modèles prédictifs appliquées aux sciences sociales.
Traitements avancés.
Analyses factorielles.
Modèles de régression avancés.
Classification.
Apprentissage automatique.