La semaine "Structures de données" vous permet d'acquérir une connaissance approfondie des structures de données couramment utilisées pour l'organisation et la manipulation efficaces des données. Vous explorerez différentes structures de données, notamment les chaînes de caractères, les listes, les ensembles et les dictionnaires. Grâce à des explications théoriques et des exemples pratiques, vous comprendrez les avantages de l'utilisation de chaque structure de données et apprendrez les opérations fondamentales qui leur sont associées.

La semaine "NumPy" est une introduction aux concepts fondamentaux et aux applications pratiques de NumPy, une puissante bibliothèque de calcul numérique en Python. Vous découvrirez les avantages de l'utilisation de NumPy pour une manipulation efficace des données et des opérations mathématiques. La semaine couvrira la structure de données sous-jacente des tableaux NumPy et guidera les étudiants à travers les opérations de base des tableaux, y compris l'accès et la manipulation. En outre, vous approfondirez les opérations avancées, telles que le masquage et le filtrage, afin d'effectuer des manipulations de données complexes de manière efficace.

La semaine "Pandas" vous propose une introduction complète à Pandas, une bibliothèque puissante et largement utilisée pour la manipulation et l'analyse de données en Python. Vous explorerez les avantages de l'utilisation de Pandas pour manipuler efficacement des données structurées. La semaine couvrira la structure de données sous-jacente de Pandas, à savoir DataFrames et Series, et vous guidera à travers les opérations de données de base, y compris l'accès et la manipulation. De plus, vous vous plongerez dans des manipulations de données avancées, telles que le masquage, le filtrage, l'agrégation, les tableaux croisés dynamiques, et plus encore, afin d'analyser et de transformer efficacement les ensembles de données.

La semaine "Étude de cas" vous offre la possibilité d'appliquer les connaissances que vous avez acquises tout au long du cours dans une étude de cas de simulation pratique. Grâce à des exercices pratiques et des scénarios du monde réel, vous utiliserez Python et les packages appropriés pour créer un ensemble de données fictif, imitant un ensemble de données réel qu'ils pourraient rencontrer dans l'analyse de données ou la recherche scientifique. Tout au long de l'étude de cas, vous serez confrontés à des défis couramment rencontrés dans l'analyse de données du monde réel et serez encouragés à faire preuve d'esprit critique et de compétences en matière de résolution de problèmes pour les surmonter. Cet exercice pratique ne consolidera pas seulement leur compréhension de Python et des packages pertinents, mais favorisera également une meilleure appréciation de l'importance de la préparation et de l'analyse des données dans divers domaines.