Ce dépôt Github 
Il s'agit de l'ensemble du cours Python pour la data science 
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 :
- Manipulation de données : manipulation de données standards (
Pandas), données géographiques (Geopandas), récupération de données (webscraping, API)... - Visualisation de données : visualisations classiques (
Matplotlib,Seaborn), cartographie, visualisations réactives (Plotly,Folium) - Modélisation: machine learning (
Scikit), économétrie - Traitement de données textuelles (NLP): découverte de la tokenisation avec
NLTKetSpaCy, modélisation... - 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/
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
Pour améliorer la reproductibilité des exemples, une image Docker est
automatiquement construite et mise à disposition depuis
DockerHub.
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 ().
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.
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent