Data - Avancé

Analyse de données avec Python – avancé

À l’issue de la formation, le stagiaire sera capable de traiter et analyser des données complexes.

Programme

  • Introduire les fondamentaux de la formation et la mise en place de la veille technologique
  • Réaliser la veille sur Polars vs Pandas 2.x et les usages à privilégier
  • Réaliser la veille sur Streamlit ou Dash comme solution pour les applications de Data
  • Appliquer des tests unitaires avancés et des modèles prédictifs
  • Traiter des données chronologiques complexes
  • Optimiser le traitement de grands volumes de données
  • Adapter les scripts pour réduire l'empreinte mémoire
  • Accélérer les temps de calcul
  • Maîtriser Polars et le Chunking de données
  • Implémenter le Parquet et l'optimisation mémoire
  • Traduire des analyses de données multidimensionnelles en tableaux de bord
  • Créer des tableaux de bord interactifs et dynamiques
  • Faciliter l'exploration par les utilisateurs
  • Configurer Plotly et Dash
  • Implémenter les Dashboards et les Explorations
  • Gérer les Callbacks pour l'interactivité
  • Industrialiser un flux complet d'analyse de données
  • Implémenter l'automatisation et le logging
  • Configurer le pipeline et le scripting
  • Formaliser et analyser les apprentissages réalisés
  • Objectifs pédagogiques 

    - Créer des visualisations avancées. 

    -Utiliser des techniques statistiques avancées. 

    - Manipuler de grands volumes de données. 

    - Automatiser des analyses avec Python.

    Durée et format

    3 jours

    Formation synchrone en téléprésentiel

    Tarifs

    Tarif inter-entreprises : 2 250 € / participant

    Tarif intra-entreprise : sur demande

    Publics

    Data scientists, analystes expérimentés.

    Pré-requis

    Connaissances en Python niveau intermédiaire.

    Modalités pédagogiques

    Vous disposez de 4 heures pour réaliser ce travail d'industrialisation. Vous travaillerez de manière individuelle. L'entraide technique est encouragée sur le canal de communication partagé afin de simuler un environnement de production en équipe (DevOps).

    Modalités et critères d'évaluation

    Modalités d'évaluation :

    ● Votre responsable technique (le formateur) validera en individuel la robustesse du script en y injectant un jeu de données volontairement corrompu pour tester la gestion des erreurs. 

    ● Une session collective de "Revue de Production" sera organisée en fin de session pour comparer les stratégies de journalisation et d'optimisation du code retenues par le groupe. 

    Critères d'évaluation :

    ● Modularité et robustesse : Le script est découpé de manière logique, réutilisable, et ne plante pas face à une anomalie de données grâce à des blocs de capture d'erreurs pertinents. 

    Qualité de la journalisation : Le fichier de log généré utilise les niveaux de criticité standards (INFO, WARNING, ERROR) et permet de retracer précisément chaque étape du flux. 

    Automatisation du livrable : Le rapport final de synthèse est généré de bout en bout de manière 100% automatisée sans aucune action humaine manuelle. 

    Livrables :

    ● Le script Python principal d'orchestration (etl_pipeline.py) proprement documenté. 

    ● Le fichier de journalisation généré lors du run de test (pipeline.log). 

    ● Le rapport de synthèse final exporté automatiquement au format web  (rapport_performance.html).

    Handicap

    Si vous êtes en situation de handicap, il est possible de mettre en place des aménagements.

    Sessions

    Prochaine session le 14 Décembre 2026.

    Cette formation vous intéresse ?
    Contactez-nous pour échanger sur votre projet de formation.