Approfondissement Python : Traitement de données

PSM

John Samuel
CPE Lyon

Année: 2025-2026
Courriel: john.samuel@cpe.fr

Objectifs

• Intégrer les données ouvertes liées dans vos analyses pour enrichir vos résultats.
• Maîtriser les techniques de représentation, manipulation et prétraitement des données pour en optimiser l'utilisation.
• Appliquer des méthodes avancées de traitement des données pour extraire des informations pertinentes et exploitables.

Composition du module:

• Cours : 2h
• Travaux pratiques : 6h

Environnement de programmation:

• Système d'exploitation: Linux
  • Ubuntu
  • Machine virtuelle (VirtualBox) + Ubuntu
• Éditeur: Jupyter
• Logiciels: pandas, matplotlib, scikit-learn

Cours:

• Interactifs
• Les questions: chaque 20-30 mins

Travaux pratiques

• 2 travaux pratiques
• Soumission en ligne

Travaux pratiques

• Exploration approfondie de Jupyter, une plateforme interactive prisée pour l'analyse de données. Création de notebooks interactifs, intégration de code et de visualisations pour une analyse interactive des données.
• Expérience pratique avec des jeux de données ouvertes, permettant une compréhension concrète des enjeux liés au traitement de données. Application de techniques avancées pour extraire des insights significatifs à partir de données hétérogènes.

Soumission: Travaux pratiques

Travaux pratiques

Chaque TP comporte plusieurs exercices. Chaque exercice est accompagné d'une indication de niveau de difficulté :

• ★ Facile
• ★★ Difficulté moyenne
• ★★★ Difficile

Liste de contrôle

Avant de déposer vos TPs, vérifiez si vous respectez la liste de contrôle suivante:

• ✅ Vous avez respecté les noms de fichiers tels que spécifiés dans chaque exercice des travaux pratiques.
• ✅ Votre code est accompagné de commentaires appropriés pour expliquer la logique et la fonctionnalité.
• ✅ Votre code peut être exécuté sans générer d'erreurs, et dans la mesure du possible, sans générer d'avertissements.
• ⚠ Pas de fichiers Python (*.py)

Modèle de code

Vous pouvez consulter https://github.com/johnsamuelwrites/Approfondissement-Python-TD en ligne
ou le cloner sur votre machine à l'aide du terminal en utilisant les commandes suivantes.

$ git clone https://github.com/johnsamuelwrites/Approfondissement-Python-TD
$ cd Approfondissement-Python-TD
$ ls

Et pour les dernières modifications:

$ git pull

Travaux pratiques: Notebooks Jupyter

• Lorsque vous créez un nouveau notebook (onglet "New"), vous aurez la possibilité de choisir parmi plusieurs kernels.
• Assurez-vous de sélectionner le kernel "Python 3" ou "Python 3+" pour ce TP.

Travaux pratiques: Notebooks Jupyter

• Découpage structuré : Divisez le code en cellules, facilitant la compréhension, la modification, et le débogage par étapes.
• Interactivité : Exécutez du code Python directement dans le notebook, permettant une exploration interactive des données.
• Avantages - Communication complète : Combine explications, visualisations, et code dans un seul document, facilitant la compréhension et le partage avec d'autres.

Travaux pratiques: notebook Jupyter

• Explorer l'utilisation de la bibliothèque scikit-learn pour la mise en œuvre de tâches d'apprentissage machine à l'aide de jeux de données intégrés.

Travaux pratiques: Visualisation et notebook Jupyter

Travaux pratiques: Visualisation et notebook Jupyter

Travaux pratiques: Wikidata (Open Data)

Sites web

• https://jupyter.org/
• https://www.wikidata.org/

Couleurs

• Color Tool - Material Design

Images

• Wikimedia Commons