Traitement De Donnees & Python : Numpy, Pandas Et Matplotlib

[LeeAndro]

Derniere mise a jour : 6/2022MP4 | Video: h264, 1280x720 | Audio: AAC, 44.1 KHzLanguage: Francais | Size: 1.04 GB | Duration: 2h 44m

Maitriser les bibliotheques Python pour la Data Science et le Traitement de Donnees: Numpy, Pandas, Matplotlib, et plus!​

What you'll learn
Utiliser les bibliotheques scientifiques de Python, notamment NumPy, Pandas, et Matplotlib
Utiliser NumPy pour effectuer des analyses statistiques sur vos donnees (effectuer des comparaisons, selectionner des elements, remplacer des valeurs, etc.)
Transformer une colonne a l'aide de Pandas pour manipuler les donnees. Utilisez le DataFrame Sorter pour trier et normaliser une colonne numerique.
Dessiner, adapter et analyser des courbes basees sur des exemples concrets
Analyser des donnees du monde reel
Maitriser des tableaux NumPy (lire un jeu de donnees, extraire une valeur, extraire un vecteur, extraire une matrice...)
Utiliser Pandas pour lire un jeu de donnees ou un DataFrame pour l'exploration. Choisissez une colonne ou une ligne pour trier le DataFrame
Reindexer un DataFrame
Requirements
Des connaissances de base en python sont un plus mais les debutants sont neanmoins les bienvenus (des rappels python sont fournis)
Vous n'aurez besoin de rien d'autre
Description
Dans le marche du travail concurrentiel actuel, les data scientists sont tellement demandes qu'ils sont difficiles a garder. En effet, les personnes ayant une formation scientifique, informatique ainsi que des capacites analytiques sont difficiles a trouver.Comme les "quants" de Wall Street dans les annees 1980 et 1990, les data scientists d'aujourd'hui sont censes avoir des competences similaires. Les personnes ayant une formation en physique et en mathematiques ont afflue vers les banques d'investissement et les fonds speculatifs a cette epoque parce qu'elles pouvaient proposer de nouveaux algorithmes et methodes de donnees.Ceci dit, la science des donnees est en train de devenir l'une des professions les mieux demandees du XXIe siecle. C'est un siecle ou beaucoup de choses sont informatisees, axees sur la programmation et de nature analytique. Par consequent, il n'est pas surprenant que le besoin de specialistes des donnees ait augmente sur le marche de l'emploi au cours des dernieres annees.L'offre, en revanche, est assez restreinte. Il est difficile d'acquerir les connaissances et les capacites requises pour travailler en tant que data scientist.De nombreuses ressources pour apprendre Python sont disponibles en ligne. Pour cette raison, les etudiants sont souvent depasses par la courbe d'apprentissage elevee de Python.C'est pourquoi ce cours a ete adapte pour vous que vous reussissiez ! L'instruction etape par etape est la marque de fabrique de ce cours. Tout au long de chaque lecon, nous continuons a construire sur ce que nous avons appris precednt. Notre objectif est de vous doter de tous les outils et competences dont vous avez besoin pour maitriser Python, Numpy, Pandas & Matplotlib.Vous repartirez de chaque video avec une nouvelle idee que vous pourrez mettre en pratique immediatement !Tous les niveaux de competence sont les bienvenus dans ce cours, et meme si vous n'avez aucune experience prealable en programmation ou en statistiques, vous serez en mesure de reussir !

Overview

Section 1: Rappels sur le langage Python (facultatif)

Lecture 1 Bienvenue au cours

Lecture 2 Introduction a Python pour la Data Science

Lecture 3 Installation de Python pour la Data Science

Lecture 4 Qu'est-ce que Jupyter Notebook

Lecture 5 Installation d'Anaconda sur Windows, Mac & Ubuntu

Lecture 6 Implementation de Python dans Jupyter

Lecture 7 Gestion des Repertoires dans Jupyter Notebook

Lecture 8 Entree-Sortie

Lecture 9 Differents Types de Donnees

Lecture 10 Variables

Lecture 11 Operateurs Arithmetiques

Lecture 12 Operateurs de Comparaison

Lecture 13 Operateurs Logiques

Lecture 14 Instructions Conditionnelles

Lecture 15 Boucles

Lecture 16 Sequences : Listes

Lecture 17 Sequences : Dictionnaires

Lecture 18 Sequences : N-uplets

Lecture 19 Fonctions integrees

Lecture 20 Fonctions definis par l'utilisateur

Lecture 21 Supports de Cours: Python pour la Data Science

Section 2: Bibliotheques Python essentielles pour la science des donnees

Lecture 22 Installation des bibliotheques

Lecture 23 Importation de bibliotheques

Lecture 24 Bibliotheque Pandas pour la Data Science

Lecture 25 Bibliotheque NumPy pour la Data Science

Lecture 26 Pandas vs NumPy

Lecture 27 Bibliotheque Matplotlib pour la Data Science

Lecture 28 Bibliotheque Seaborn pour la Data Science

Section 3: Fondamentaux de NumPy

Lecture 29 Introduction au tableaux NumPy

Lecture 30 Creation de tableaux NumPy

Lecture 31 Indexation des tableaux NumPy

Lecture 32 Forme du tableau

Lecture 33 Iteration sur des tableaux NumPy

Section 4: Mathematiques pour la Science des Donnees

Lecture 34 .zeros

Lecture 35 .ones

Lecture 36 .full

Lecture 37 Addition d'un scalaire

Lecture 38 Soustraction d'un scalaire

Lecture 39 Multiplication par un scalaire

Lecture 40 Diviser par un scalaire

Lecture 41 Puissance

Lecture 42 Transposee

Lecture 43 Addition par elements

Lecture 44 Soustraction par elements

Lecture 45 Multiplication par elements

Lecture 46 Division par elements

Lecture 47 Multiplication matricielle

Lecture 48 Statistiques

Section 5: Dataframes avec Pandas et Series

Lecture 49 Qu'est-ce que le DataFrame Pandas

Lecture 50 Qu'est-ce qu'une Serie Pandas

Lecture 51 DataFrame et Series

Lecture 52 Creation d'un DataFrame en utilisant des listes

Lecture 53 Creation d'un DataFrame a l'aide d'un dictionnaire

Lecture 54 Chargement d'un fichier csv en tant que DataFrame

Lecture 55 Changer la colonne d'index

Lecture 56 Inplace

Lecture 57 Examen du Dataframe

Lecture 58 Resume Statistique

Lecture 59 Operateur pour le decoupage en rangs

Lecture 60 Operateur pour l'indexation des colonnes

Lecture 61 Listes Booleennes

Lecture 62 Filtrage des lignes

Lecture 63 Filtrer les rangs en utilisant l'operateur AND et OR

Lecture 64 Filtrer avec loc

Lecture 65 Filtrer avec iloc pour le decoupage en tranches

Lecture 66 Ajout et suppression de lignes et de colonnes

Lecture 67 Triage des valeurs

Lecture 68 Exportation de DataFrame pandas en csv

Lecture 69 Concatenation de DataFrames

Lecture 70 Groupby

Section 6: Nettoyage des Donnees

Lecture 71 Introduction

Lecture 72 Introduction au nettoyage des donnees

Lecture 73 Qualite des donnees

Lecture 74 Exemples d'anomalies

Lecture 75 Detection des anomalies grace aux medianes

Lecture 76 Detection des anomalies grace a la moyenne

Lecture 77 Detection des anomalies grace a la methode Z-score

Lecture 78 Detection des anomalies grace a l'ecart interquartile

Lecture 79 Gestion des valeurs manquantes

Lecture 80 Expressions rationnelles

Lecture 81 Mise a l'echelle des caracteristiques

Section 7: Visualisation de donnees a l'aide de Python

Lecture 82 Introduction

Lecture 83 A propos de Matplotlib

Lecture 84 Trace des graphiques lineaires

Lecture 85 Titre, Etiquettes et Legende

Lecture 86 Trace des histogrammes

Lecture 87 Tracage de diagrammes a barres

Lecture 88 Tracer des diagrammes circulaires

Lecture 89 Tracer un diagramme de dispersion

Lecture 90 Tracage de graphiques logarithmiques

Lecture 91 Tracage de parcelles polaires

Lecture 92 Manipulation des dates

Lecture 93 Creation de plusieurs graphes dans une figure

Section 8: Analyse exploratoire des donnees

Lecture 94 Qu'est-ce que l'analyse exploratoire des donnees

Lecture 95 Analyse univariee

Lecture 96 Analyse bivariee - continue et continue

Lecture 97 Analyse bivariee - categorique et categorique

Lecture 98 Analyse bivariee - continue et categorique

Lecture 99 Detecter les valeurs aberrantes

Lecture 100 Traiter les valeurs aberrantes

Lecture 101 Transformation des variables categoriques

Lecture 102 Ressources

Section 9: Series chronologiques

Lecture 103 Introduction

Lecture 104 Qu'est-ce qu'une serie chronologique

Lecture 105 Bibliotheques Python pour l'analyse des series chronologiques

Lecture 106 Comment obtenir des series chronologiques

Lecture 107 Obtenir des donnees sur les stocks en utilisant yfinance

Lecture 108 Conversion d'un ensemble de donnees d'une serie chronologique

Lecture 109 Travailler avec des series chronologiques

Lecture 110 Visualisation d'une serie chronologique

Lecture 111 Remerciements

Debutants en programmation qui souhaitent etudier toutes les bibliotheques scientifiques en Python de bout en bout (Numpy, Pandas et Matplotlib),Chercheurs interesses par les bibliotheques Python pour la science des donnees,Les aspirants data scientists qui veulent ela leurs connaissances,Une personne qui veut apprendre a analyser et a visualiser des donnees

HomePage:

Https://anonymz.com/https://www.udemy.com/course/manipulation-de-donnees-en-python-maitriser-numpy-pandas-matplotlib/

DOWNLOAD

https://1dl.net/lij9axqn1vjo/Traitement_de_Donn__e.part1.rar.html
https://1dl.net/gxnwqqoyxrp5/Traitement_de_Donn__e.part2.rar.html