Code Monkey home page Code Monkey logo

python-datascientist's Introduction

Python pour la data science

build-doc Actions Status Onyxia Open In Colab Binder Download githubdev nbviewer Docker Pulls Netlify Status Slack DOI

Ce dépôt Github stocke les fichiers sources ayant permis de construire le site https://pythonds.linogaliana.fr/.

Il s'agit de l'ensemble du cours Python pour la data science que je donne en deuxième année (Master 1) de l'ENSAE.

Syllabus

Le syllabus est disponible sur le site de l'ENSAE.

Globalement, il propose un contenu très complet pouvant autant satisfaire des débutants en data science que des personnes à la recherche de contenu plus avancé :

  1. Manipulation de données : manipulation de données standards (Pandas), données géographiques (Geopandas), récupération de données (webscraping, API)...
  2. Visualisation de données : visualisations classiques (Matplotlib, Seaborn), cartographie, visualisations réactives (Plotly, Folium)
  3. Modélisation: machine learning (Scikit), économétrie
  4. Traitement de données textuelles (NLP): découverte de la tokenisation avec NLTK et SpaCy, modélisation...
  5. Introduction à la data science moderne: cloud computing, ElasticSearch, intégration continue...

L'ensemble du contenu de ce site s'appuie sur des données ouvertes, qu'il s'agisse de données françaises (principalement issues de la plateforme centralisatrice data.gouv ou du site web de l'Insee) ou de données américaines.

Un bon complément du contenu du site web est le cours que nous donnons avec Romain Avouac (@avouacr) en dernière année de l'ENSAE plus tourné autour de la mise en production de projets data-science: https://ensae-reproductibilite.netlify.app/

Tester les codes Python

Il est possible d'utiliser une installation personnelle de Python ou des serveurs partagés. Sur le site web, une série de boutons sont mis à disposition pour faciliter les tests des exemples sur des notebooks Jupyter dans la configuration qui vous sied le mieux.

Voici, par exemple, ces boutons pour le tutoriel numpy

Download nbviewer Onyxia
Binder Open In Colab githubdev

Utilisation de l'image Docker

[![Docker Pulls](https://img.shields.io/docker/pulls/linogaliana/python-datascientist)](https://hub.docker.com/repository/docker/linogaliana/python-datascientist/general)

Pour améliorer la reproductibilité des exemples, une image Docker est automatiquement construite et mise à disposition depuis DockerHub.

Construction du site web

Le site est construit de manière automatique grâce à Hugo à partir d'un environnement conteneurisé Docker La reproductibilité des exemples et des exercices est testée avec Github Actions (build-doc Actions Status).

L'environnement conda nécessaire pour faire tourner l'ensemble du cours est disponible dans le fichier environment.yml. Il est recommandé d'utiliser la conda-forge afin de bénéficier de versions récentes des packages.

python-datascientist's People

Contributors

avouacr avatar expressso avatar jblaval avatar konkinit avatar linogaliana avatar raphaeleadjerad avatar romanegajdos avatar taminemelissa avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.