Une question ?
IIA
Assistant IIA
Bonjour !
Je suis l'assistant IIA.
Que cherchez-vous ?
Python • Data Science

Pandas & NumPy.

Analysez et transformez vos tableaux avec Pandas, NumPy et l’IA. Décrivez les traitements, faites produire les solutions et vérifiez les calculs sur des fichiers réels, sans écrire les programmes à la main.

NumPy Pandas Niveau · Intermédiaire Data Cleaning Feature Engineering
ndarray
Calculs
vectorisés
DataFrame
Manipulation
tabulaire
5 jours
Formation
intensive
— Objectifs

Vous apprendrez à

01 / Objectifs
01

Calculer avec l’IA et NumPy

  • Faire préparer des tableaux de données et vérifier leur structure
  • Décrire les sélections et transformations attendues à l’assistant
  • Faire calculer des indicateurs et contrôler les résultats sur un échantillon
  • Comparer les traitements proposés par l’IA et mesurer leur efficacité
02

Analyser avec l’IA et Pandas

  • Faire analyser et transformer des tableaux avec Pandas et l’IA
  • Nettoyer des jeux de données réels (valeurs manquantes, doublons…)
  • Réaliser des agrégations complexes avec groupby
  • Faire rapprocher plusieurs fichiers et contrôler les correspondances
  • Préparer un dataset pour du Machine Learning
— Programme

Programme détaillé

02 / Programme
Jour1

NumPy : calcul scientifique

  • Faire préparer les tableaux par l’IA et vérifier types et dimensions
  • Décrire les sélections attendues et contrôler les données retenues
  • Faire calculer des indicateurs et vérifier unités et résultats
Jour2-3

Pandas : fondamentaux & nettoyage

  • Faire expliquer la structure des données et les colonnes utiles
  • Faire importer et exporter des fichiers CSV, Excel et JSON avec l’IA
  • Faire appliquer des règles de nettoyage puis comparer les données avant et après
  • Décrire les colonnes souhaitées et vérifier les transformations générées
Jour4-5

Agrégations, jointures & préparation ML

  • Formuler des questions métier et vérifier les statistiques produites
  • Faire produire des tableaux de synthèse et vérifier les totaux
  • Faire rapprocher plusieurs sources et contrôler les lignes manquantes ou dupliquées
  • Encodage, normalisation et feature engineering
  • Projet final : nettoyage complet d’un dataset réel
— Prochaine étape

Prêt à maîtriser la manipulation de données avec Python ?