Formations Python
Détails :
Calculs scientifiques avec Python
Durée :
3 Jours
Objectif :
Cette formation vous permettra de manipuler, analyser et visualiser vos données avec les principales librairies de la SciPy Stack : NumPy, SciPy, Pandas et MatPlotLib.
Prérequis :
Les connaissances préalables du langage Python et des concepts de programmation orientée objet sont requis pour suivre cette formation. De bonnes connaissances mathématiques seront fortement appréciées.
Public :
Développeurs et scientifiques.
Autres Informations :
Devis :
Si vous souhaitez être contacté et obtenir plus d'informations sur cette formation veuillez remplir notre formulaire de mise en relation.
>
Cursus :
Calculs scientifiques avec Python
    Introduction
    • Présentation des modules NumPy, Pandas et SciPy
    • Visualiser vos données avec MatPlotLib
    • Installer les librairies nécessaires

    Utilisation de MatPlotLib
    • Un outil de visualisation de données mathématiques
    • Produire un graphique en 2D
    • Produire un graphique en 3D
    • Afficher plusieurs figures simultanément
    • Sauvegarder un graphique MatPlotLib
    • Intégration MatPlotLib / Application Qt

    NumPy et les calculs algébriques et matriciels
    • Les tableaux et les matrices
    • Le shape des matrices et le reshape
    • NumPy et les fichiers
    • Indexing, subsetting et slicing
    • Opérations proposées sur vecteurs et matrices
    • Les fonctions trigonométriques
    • Algèbre linéaire avec NumPy
    • Les nombres complexes et l'algèbre complexe
    • Visualisation des résultats avec MatPlotLib

    SciPy et le calcul scientifique
    • L'écart-type et la variance
    • La régression linéaire
    • Intégration
    • Opérations d'algèbre linéaire avec SciPy
    • Interpolation avec le module scipy.interpolate
    • Ajustement de courbe avec le module scipy.optimize
    • Transformée de Fourier avec le module scipy.fft
    • Traitement d'images avec SciPy

    Utilisation de Pandas
    • Introduction
    • Les différentes sources de données supportées par Pandas
    • Series et DataFrame
    • Indexation et sélection des données
    • Manipulation des données