Dernière mise à jour le 21/11/2024

Visualisation avancée de données avec Python

Informations générales

Type de formation : Formation continue
Domaine : IA, Big Data et Bases de données
Filière : Big Data
Rubrique : Fondamenteaux
Formation éligible au CPF : Non
Formation Action collective : Non

Objectifs & compétences

Savoir traiter les données scientifiques brutes pour leur visualisation
Savoir utiliser les librairies graphiques de python pour visualiser des données
Graphiques spécifiques : graphes dynamiques, cartographie

Public visé

Développeurs souhaitant mettre en valeur les données scientifiques avec un support visuel, Data analysts, Data scientists.

Pré-requis

Avoir suivi la formation "Python Initiation" ou avoir un niveau équivalent et avoir une pratique régulière du langage Python

Programme

 1) Visualisation de données
    • Contexte de la visualisation de données scientifiques et pièges à éviter
    • Concepts essentiels de la communication visuelle (couleurs, taille, forme, type de graphique, ...)
    • Architecture de présentation des données (DPA)
    • La valorisation des données. Les indicateurs de performance clés (KPI).
    • Objectifs et règles de conception : clarté, pertinence, cohérence, stimulation.
    • Principes de perceptions des informations.
    • Types de visualisation de base : graphiques linéaires, diagrammes en secteurs, cartes de zone, frise
    • chronologique, diagrammes de dispersion, arbres, pyramides des populations
    • Types évolués : infographie, nuages de bulles, graphiques à puces, cartes de chaleur, graphiques de séries chronologiques
 
Atelier : mise en évidence de la pertinence du type de graphiques :
comparaison camemberts, barres, chandeliers japonais, ...
 
2 ) Personnalisation des graphes avec Matplotlib
    • Fonctionnement de matplotlib : les backends, graphiques interactifs, polices, gestion des évènements,performances.
    • Exploration du package pour créer des graphes sur différents types de données (qualitatives, quantitatives,séries temporelles, 3 dimensions)
    • Affiner et compléter les graphes (échelle, valeurs aberrrantes, barres d'erreur, etc ..)
    • Les types : bar, scatter, plot, boxplot, fill_between, imshow, tricontour, quiver
    • Personnalisation de graphes (légende, points remarquables avec flèche et texte en LateX dans le graphe,modification du style de graphe)
 
Atelier : création de graphiques personnalisés. Utilisation des styles Matplotlib
Atelier : détection d'anomalie par l'utilisation d'animations
 
3) Packages spécialisés
    • Transformer des données avec Pandas (calculs d'agrégats, traitement des valeurs manquantes ou incohérentes, gestion des dates, etc ...
 
Atelier : nettoyage, préparation et regroupement de données de températures.
    • Mise en oeuvre des bfill, ffill, ... Gestion des nan.
    • Gestion des données temporelles. Préparation des données pour
    • visualisation.
    • Le package Seaborn pour les données statistiques (box plot, pair plot, violin plot, matrices de graphiques,cartes thermiques, etc ...)
Atelier : installation du paquet et création d'une carte thermique sur les données précédentes.
    • Cartographie (package cartopy et/ou Folium)
 
Atelier : ajout d'une planisphère sur la carte thermique précédente.
    • Visualisation des points chauds de la planère en fonction des
    • années
 
4) Interactivité et gros volumes de données
    • Création de dashboards simples (graphes et boutons simples permettant l'action de l'utilisateur)
    • Dashboards interactifs et partageables (par exemple, lien avec un notebook IPython ou Jupyter)
    • Création de graphiques web interactifs avec le package Bokeh, Plotty ...
    • Les apis Bokeh
 
Atelier : mise en oeuvre de Bokeh. Création d'un graphique interactif reliant les isothermes de la carte précédente
    • Visualisation dans un navigateur.
    • Paasage à l'échelle, présentation de l'écosystème HoloViz : datashader, geoviews, panel.
    • Gros volume de données avec datashader ou holoViz.
 
Atelier : intégration de données vents, visibilité au graphique précédent.
    • Mise en évidence de la tenue à la charge.
 
 
 

Modalités

Jusqu'a 8 jours avant le début de la formation, sous condition d'un dossier d'insciption complet

Méthodes

Fin de formation : entretien individuel.
Satisfaction des participants : questionnaire de satisfaction réalisé en fin de formation.
Assiduité : certificat de réalisation.
Validations des acquis : grille d'evalution  des acquis établie par le formateur en fin de formation.
Code de formation : BDP05

Tarifs

Prix public : 1960
Tarif & financement :
Nous vous accompagnons pour trouver la meilleure solution de financement parmi les suivantes :
Le plan de développement des compétences de votre entreprise : rapprochez-vous de votre service RH.
Le dispositif FNE-Formation.
L’OPCO (opérateurs de compétences) de votre entreprise.
France Travail: sous réserve de l’acceptation de votre dossier par votre conseiller Pôle Emploi.
CPF -MonCompteFormation
Contactez nous pour plus d’information : contact@aston-institut.com

Lieux & Horaires

Durée : 14 heures
Délai d'accès :
8 jours avant le début de la formation
 

Prochaines sessions

Handi-accueillante Accessible aux personnes en situations de handicap. Pour toutes demandes, contactez notre référente, Mme Rizlene Zumaglini Mail : rzumaglini@aston-ecole.com

à voir aussi dans le même domaine...

Formation continue

Big Data

BD005

Big Data Foundation Certifiant

      • Connaître les fondamentaux du Big Data, ses origines et ses caractéristiques
      • Comprendre ce qu'est le Data Mining
      • Appréhender les technologies les plus populaires du Big Data
      • Préparer et passer l'examen de certification "Big Data Foundation" de l'EXIN
 

21 heures de formations sur 3 Jours
En savoir plus

Formation continue

Big Data

BD045

BigData : intégration SQL, Hive, SparkDataFrames

Comprendre les connexions existantes entre les mondes relationnels et NoSQL en environnement Big Data. Savoir mettre en oeuvre Hive et Pig, Impala, les Spark Dataframes.    

14 heures de formations sur 2 Jours
En savoir plus

Formation continue

Big Data

BD006

Big Data – Mise en oeuvre pratique d’une solution complète d’analyse des données

        • Disposer des compétences techniques nécessaires à la mise en œuvre d'analyses Big Data
        • Comprendre le cadre juridique du stockage et de l'analyse de données
        • Savoir utiliser des outils de collecte opensource
        • Être en mesure de choisir la bonne solution de stockage de données au regard des spécificités d'un projet (OLAP, NoSQL, graph)
Explorer la boite à outils technologique que constitue Hadoop et son écosystème et savoir comment utiliser chaque brique (MapReduce, HIVE, SPARK,…)  

28 heures de formations sur 4 Jours
En savoir plus

Formation continue

Big Data

BD046

BigData supervision: Grafana Kibana Graphite Prometheus

Connaître les outils et mécanismes permettant de superviser des fermes BigData. Identifier les critères de choix.

21 heures de formations sur 3 Jours
En savoir plus

Formation continue

Big Data

BD007

Big Data – Les fondamentaux de l’analyse des données

    • Comprendre le rôle stratégique de la gestion des données pour l'entreprise
    • Identifier ce qu'est la donnée, et en quoi consiste le fait d'assurer la qualité de données
    • Synthétiser le cycle de vie de la donnée
    • Assurer l'alignement des usages métiers avec le cycle de vie de la donnée
    • Découvrir les bonnes pratiques en matière de contrôle de qualité des données
    • Assurer la mise en œuvre de la gouvernance de la donnée
 

21 heures de formations sur 3 Jours
En savoir plus

Formation continue

Big Data

BD060

Python avancé pour data-scientists

Savoir utiliser les principaux outils de traitement et d'analyse de données pour Python, savoir extraire des données d'un fichier et les manipuler, mettre en place un modèle d'apprentissage simple. Savoir utiliser les principaux outils de traitement et d'analyse de données pour Python Savoir appliquer les pratiques optimales en matière de nettoyage et de préparation des données avant l'analyse Être capable d'extraire des données d'un fichier Comprendre les mécanismes d'interconnexion aux bases de données Comprendre les principaux outils de traitement et d'analyse de données pour Python

21 heures de formations sur 3 Jours
En savoir plus