1. A propos du cours
- Auteur : Moussa Keita, PhD (Consultant Big Data‑Data Science, Umanis Consulting Group, Paris)
- Type : Manuscrit PDF — Introduction à la Data Science avec Python
- Langue : Français
- Licence : MPRA Paper n°76653 (Munich Personal RePEc Archive) – Reproduction autorisée par permission des ayants droit
2. Courte description du cours
Manuel pédagogique sur la Data Science avec Python, abordant programmation de base, traitement de texte et fichiers, statistiques descriptives et inférentielles, visualisation de données, data‑mining et apprentissage automatique via numpy, pandas, matplotlib et scikit‑learn.
2. Longue description du cours
Ce document, publié en février 2017 par Moussa Keita (PhD et consultant Data Science), propose une introduction complète et progressive à la Data Science avec Python :contentReference[oaicite:1]{index=1}. Organisé en sept chapitres, il couvre :
- Chapitre 1 : les bases de Python – variables, types, structures de contrôle, boucles, fonctions et modules.
- Chapitre 2 : gestion de chaînes et expressions régulières pour le traitement de texte.
- Chapitre 3 : lecture, écriture et traitement de fichiers texte non structurés.
- Chapitre 4 : manipulation de données tabulaires (pandas, arrays).
- Chapitre 5 : statistiques descriptives, tests, régressions linéaire et logistique.
- Chapitre 6 : visualisation – histogrammes, diagrammes, box‑plots, scatter‑plots, graphiques 3D, gestion de palettes, etc.
- Chapitre 7 : data‑mining et machine learning – ACP, AFC, ACM, k‑means, CAH, SVM, Random Forest, k‑NN, hyperparamétrage avec GridSearchCV.
Accessible aux débutants, ce cours propose des exemples concrets, extraits de code commentés, et exercices résolus en annexe. Il met en œuvre des bibliothèques clés (numpy, scipy, pandas, matplotlib, scikit‑learn) dans un cadre orienté vers les applications de Business Intelligence et Big Data :contentReference[oaicite:2]{index=2}. L’approche est très pédagogique — l'auteur étant ouvert aux remarques, signalant que le manuscrit est évolutif :contentReference[oaicite:3]{index=3}. Il constitue une base robuste pour quiconque souhaite maîtriser de façon pratique l’analyse de données, la visualisation et l’apprentissage automatique en environnement Python, dans un contexte académique ou industriel.
3. Aperçu du document
Voir ou télécharger le document sur le site d’origine
Ce document est hébergé par une source externe. Nous ne revendiquons aucun droit sur son contenu. Pour toute demande de retrait, veuillez contacter l’auteur ou l’hébergeur officiel.
