/python-datascientist

Dépôt associé au cours Python pour data scientists et économistes (ENSAE 2e année)

Primary LanguagePythonOtherNOASSERTION

Python pour data-scientists et économistes 🐍

build-doc Actions Status Onyxia Open In Colab Binder Download githubdev nbviewer Docker Pulls Netlify Status Slack DOI

Ce dépôt Github stocke les fichiers sources ayant permis de construire le site https://pythonds.linogaliana.fr/.

Il s'agit de l'ensemble du cours Python pour les data-scientists et économistes 🐍 que je donne en
deuxième année (Master 1) de l'ENSAE.

Syllabus

Le syllabus est disponible là.

Globalement, il propose un contenu très complet pouvant autant satisfaire des débutants en data-science que quelqu'un à la recherche de contenu plus avancé :

  1. Manipulation de données avec Python: manipulation de données standards (pandas), données géographiques (geopandas), récupération de données (webscraping, API)...
  2. Visualisation de données avec Python: visualisations classiques (matplotlib, seaborn), cartographie, visualisations réactives (plotly, folium)
  3. Modélisation: machine learning (scikit), économétrie
  4. Traitement de données textuelles (NLP)
  5. Introduction à la data-science moderne: cloud computing, ElasticSearch, intégration continue...

Un bon complément du contenu du site web est le cours que nous donnons avec Romain Avouac (@avouacr) en dernière année de l'ENSAE plus tourné mise en production de projets data-science: ensae-reproductibilite.netlify.app/

Tester les codes Python

Il est possible d'utiliser une installation personnelle de Python ou des serveurs partagés. Sur le site web, une série de boutons sont mis à disposition pour faciliter les tests des exemples sur des notebooks Jupyter dans la configuration qui vous sied le mieux.

Voici, par exemple, ces boutons pour le tutoriel numpy

Download nbviewer Onyxia
Binder Open In Colab githubdev

L'ensemble du contenu de ce site s'appuie sur des données ouvertes, qu'il s'agisse de données françaises (principalement issues de la plateforme centralisatrice data.gouv ou du site web de l'Insee) ou de données américaines.

Utilisation de l'image Docker

[![Docker Pulls](https://img.shields.io/docker/pulls/linogaliana/python-datascientist)](https://hub.docker.com/repository/docker/linogaliana/python-datascientist/general)

Pour améliorer la reproductibilité des exemples, une image Docker est automatiquement construite et mise à disposition depuis DockerHub.

Construction du site web

Le site est construit de manière automatique grâce à Hugo à partir d'un environnement conteneurisée Docker La reproductibilité des exemples et des exercices est testée avec Github Actions (build-doc Actions Status).

L'environnement conda nécessaire pour faire tourner l'ensemble du cours est disponible dans le fichier environment.yml. Il est recommandé d'utiliser la conda-forge afin de bénéficier de versions récentes des packages.