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.
Le syllabus est disponible sur le site de l'ENSAE et sur le site web du cours.
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
NLTK
etSpaCy
, 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.github.io/website/
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 Quarto
à partir d'un environnement conteneurisé Docker
La reproductibilité des exemples et des exercices est testée avec
Github Actions
().
Les notebooks sont générés de manière à être cohérente avec le site web
et sont maintenant stockés sur un dépôt à part.
L'environnement Conda
nécessaire pour faire tourner l'ensemble du
cours est disponible dans un fichier environment.yml
.
Il est recommandé d'utiliser la conda-forge
afin de bénéficier de versions
récentes des packages.