Dans vos locaux
Pour ancrer les apprentissages et encourager la dynamique collective.
Formation Data science : les fondamentaux avec Python
Explorez, visualisez et modélisez vos données avec Python, pandas et scikit-learn pour construire vos premiers modèles de segmentation et de classification.
Menez une analyse de données complète avec pandas, matplotlib et scikit-learn : nettoyage, exploration statistique, visualisation, segmentation par clustering et classification supervisée, avec une évaluation rigoureuse des modèles obtenus.
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import classification_report
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=42
)
modele = LogisticRegression().fit(X_train, y_train)
print(classification_report(y_test, modele.predict(X_test)))Description
Multiplier les algorithmes sans maîtriser la qualité des données ni l'évaluation des résultats produit des modèles trompeurs. Cette formation conduit une analyse de données de bout en bout avec l'écosystème Python : chargement et nettoyage avec pandas, exploration statistique descriptive, visualisation avec matplotlib et seaborn, puis modélisation avec scikit-learn. Les stagiaires mettent en œuvre des techniques de segmentation non supervisée (k-means) et de classification supervisée (régression logistique, arbres de décision), et apprennent à évaluer un modèle : séparation train/test, validation croisée, matrice de confusion et métriques adaptées au problème métier. Cette formation d'initiation s'adresse aux analystes, statisticiens, ingénieurs, contrôleurs de gestion et développeurs souhaitant aborder l'analyse de données sans bagage mathématique avancé.
Les objectifs
Explorer, visualiser et modéliser des données avec pandas et scikit-learn (segmentation, classification).
Public visé
Analystes, statisticiens, ingénieurs, contrôleurs de gestion, développeurs souhaitant aborder l'analyse de données.
Prérequis
Bases de Python et notions de statistiques descriptives.
Le programme
Jour 1
Matinée
1. Manipulation de données avec pandas
- Structures de données : séries et tableaux de données
- Chargement depuis différents formats et premières inspections
- Sélection, filtrage, tri, création de colonnes
- Regroupements et agrégations
- Fusion et concaténation de jeux de données
- Travaux pratiques : exploration complète d'un jeu de données réel
Après-midi
2. Préparation et qualité des données
- Valeurs manquantes : détection, causes, stratégies de traitement
- Valeurs aberrantes et cohérence métier
- Types, dates, variables catégorielles et encodages
- Normalisation et mise à l'échelle
- Fuite de données entre préparation et évaluation : le piège méthodologique majeur
- Travaux pratiques : préparation complète d'un jeu de données brut avec traçabilité des traitements
Jour 2
Matinée
3. Analyse exploratoire et visualisation
- Statistiques descriptives et distributions
- Corrélations et relations entre variables
- Bibliothèques de visualisation et choix des représentations
- Visualisations trompeuses et règles de lecture honnête
- Restitution d'une exploration à un public métier
- Travaux pratiques : production d'une analyse exploratoire commentée
Après-midi
4. Apprentissage supervisé
- Formulation d'un problème : régression, classification, variable cible
- Séparation apprentissage, validation, test
- Modèles de base : régression linéaire et logistique, arbres, forêts
- Entraînement, prédiction et interprétation des résultats
- Sur-apprentissage et sous-apprentissage
- Travaux pratiques : construction et comparaison de plusieurs modèles sur un cas métier
Jour 3
Matinée
5. Évaluation et amélioration
- Métriques de régression et de classification, choix selon l'enjeu métier
- Matrice de confusion, précision, rappel, compromis associés
- Validation croisée et stabilité des résultats
- Réglage des hyperparamètres
- Classes déséquilibrées et pièges d'interprétation
- Travaux pratiques : évaluation rigoureuse d'un modèle et argumentation du choix des métriques
Après-midi
6. Du prototype à l'usage
- Interprétabilité des modèles et explication des prédictions
- Biais, équité et limites éthiques d'un modèle
- Reproductibilité : versionnement des données, du code et des modèles
- Mise à disposition d'un modèle et supervision en usage
- Dérive des données et nécessité du réentraînement
- Travaux pratiques : restitution complète d'un projet d'analyse avec limites et recommandations
Dernière mise à jour : 18 septembre 2026
En présentiel ou à distance : à vous de choisir
En classe virtuelle
Pour allier flexibilité et interactions en temps réel avec le formateur.
Dans nos locaux
Pour favoriser la concentration, les échanges et le confort des apprenants.
Les modalités de formation
Suivi et évaluation :
- Recueil des besoins en amont pour identifier les attentes du stagiaire
- Évaluation continue : études de cas et travaux pratiques pendant la formation
- Évaluation finale : questionnaire d'auto-évaluation
Format et encadrement :
- Formation équilibrée alliant théorie et pratique (minimum 50%)
- Sessions en petits groupes (2 à 9 participants) pour un suivi personnalisé
- Émargement par demi-journée et remise d'une attestation de formation
Moyens pédagogiques et techniques :
- Méthodes interactives et suivi des acquis : travaux pratiques, projet fil rouge, mises en situation, démonstrations, QCM…
- Les stagiaires doivent être équipés de leur matériel informatique pour suivre la formation, que ce soit dans nos locaux ou sur site externe.
- Les prérequis techniques seront communiqués aux apprenants en amont de la formation, lors de l'analyse des besoins, en fonction des spécificités de chaque client.
- Accessibilité: nous informons l'ensemble de nos clients et stagiaires que nous sommes dans la capacité d'adapter les sessions en cas de situations spécifiques. Nous nous engageons à répondre à toutes les demandes dans un délai de 48h ouvré.
Conditions et délais d'accès :
- Si l'une de nos formations vous intéresse, contactez-nous au +33 04 93 65 34 24 ou à l'adresse mail contact@le-code.dev. Selon votre besoin et vos attentes, nous organiserons un échange téléphonique avec le formateur pressenti afin d'adapter la formation et ses modules, puis nous vous adresserons un devis. Les dates de la formation seront à convenir sous 30 jours maximum.
- Concernant les formations Actions Collectives, l'inscription est possible jusqu'à 24h ouvrées avant le début de la formation.