Page 70 - Télécom Evolution Catalogue 2018

DATA SCIENCE AVEC PYTHON

FC9BD13 DATES & LIEUX

2 jours 18 au 19 septembre 2017 à Paris
5 au 6 septembre 2018 à Paris
1370 €

OBJECTIFS ET PRÉSENTATION
Concevoir et développer des applications de traitement de données avec Python. Identifi er et utiliser les librairies de traitement de
données et de machine learning.

Le langage Python est reconnu comme l’un des langages majeurs en informatique. C’est l’un des plus utiles pour les utilisateurs
scientifi ques et techniques, particulièrement dans le domaine des sciences des données.
PARTICIPANTS ET PRÉREQUIS
Ingénieurs, développeurs devant programmer des applications de machine learning en Python.
BIG DATA Des connaissances de base en programmation Python et en optimisation sont nécessaires pour le suivi de cette formation. Ces

connaissances peuvent être acquises grâce au MOOC « Fondamentaux pour le big data ».
PROGRAMME
Introduction à Python et aux librairies Simulation des phénomènes aléatoires probabilités, à l'optimisation sous
scientifi ques de base contraintes,...)
simulation de variables aléatoires
ƒ Un exemple d'utilisation des classes
Rappels sur le langage Python
ƒ indépendantes et approches ƒ
python : simulation et estimation
} distributions Python markoviennes (algorithmes de pour les HMM.
} notebooks Monte-Carlo par chaînes de Markov,
} syntaxe du langage. recuit simulé, simulation d'une fi le Librairies Python pour le machine
Présentation des librairies générales
ƒ d'attente, ...) learning : Pandas et scikit-learn
de calcul scientifi que : Numpy, Scipy, ƒ ƒ
Introduction de la librairie de calcul
Application: traitement d'un jeu de
Matplotlib symbolique Sympy (application données (clusterisation, régression).
au calcul de paramètres de lois de
Synthèse et conclusion

RESPONSABLE MODALITÉS PÉDAGOGIQUES
Thierry CHONAVEL Travaux pratiques
Professeur à IMT Atlantique
dans le domaine du traitement
statistique des signaux. Membre
de l’équipe TOMS (Traitement
des Observations et Méthodes
Statisiques) du laboratoire CNRS
LabSTICC.

68 contact@telecom-evolution.fr web www.telecom-evolution.fr