.png)
Pour la plupart des apprenants, c'est en pratiquant qu'il est le plus facile de progresser. C'est pourquoi toutes nos formations Python ont des exercices pratiques. En cas de blocage, nos formateurs sont là pour aider nos apprenants, afin de voir leurs compétences s'étendre. Sur cette page, vous trouverez des détails sur les projets pratiques que réalisent nos apprenants lors de nos formations.
Une question ?
La pratique chez Expert Python
Chez Expert Python, nos apprenants mettent en pratique les connaissances que leur enseignent les formateurs, pour consolider leur apprentissage. Au cours de chacune de nos formations, l'apprenant doit mener à bien des projets simples puis complexes, pour apprendre à manier Python dans des situations pratiques. Le formateur aide chaque apprenant à comprendre ses erreurs pour progresser et obtenir un produit fonctionnel à la fin de chaque exercice.
Voici quelques projets pratiques menés à bien par les apprenants lors de nos formations :
• Intégration de données, depuis un fichier en local, à l'aide d'une API ou en connexion à une base-de-données SQL
Lors de notre formation Python - Spécialiste, vous produirez un code Python d'intégration de données pour récupérer des données de sources variées. Vous verrez comment ingérer les données de fichiers en local sur votre ordinateur, comment traiter les données issues d'un service externe accessible via une API, et comment lire les données d'une base-de-données SQL dans votre code Python.
• Utilisation des bibliothèques 'datetime', 'random' et 'statistics' pour mener à bien un projet d'analyse de données simple
A l'aide des bibliothèques Python 'datetime', 'random' et 'statistics', vous verrez comment réaliser un projet d'analyse de données, incluant de l'ingestion de données et le calcul de statistiques analytiques sur les données. Vous retrouverez ce projet pratique dans notre formation Python - Spécialiste.
• Interface graphique Tkinter
Lors de notre formation Python - Spécialiste, vous créerez une interface graphique grâce à la bibliothèque Python Tkinter. Vous verrez coment relier votre interface graphique aux fonctionnalités de votre projet, et comment personnaliser l'apparence de votre interface graphique.
• Micro-application CXFreeze
Accompagné par un formateur, vous créerez un script Python que vous distriburez en micro-application avec CXFreeze. Vous emballerez votre interpréteur Python ainsi que toutes les dépendances avec le code, pour otenir un programme exécutable sur n'importe quelle machine. Ce projet fait partie de notre formation Python - Spécialiste.
• Projet d'analyse de données avec Pandas
A l'aide de la bibliothèque Python Pandas, vous ferez de l'ingestion, de la transformation et de l'analyse de données, de la résolution d'équations, de la création de tableaux et du calcul de statistiques. Ce projet fait partie de notre formation Python - Introduction à la Data Science.
• Visualisation de données avec Matplotlib et Seaborn
Après avoir calculé des statistiques analytiques sur les données à l'aide de la bibliothèque Pandas, vous verrez comment visualiser les données avec les bibliothèques Matplotlib et Seaborn. Vous créerez des visualisations et vous en choisirez les paramètres pour faire de l'analyse de données visuelle. Ce projet fait aussi partie de notre formation Python - Introduction à la Data Science.
• Projet d'analyse de données avec SciPy
A l'aide de la bibliothèque SciPy, vous mènerez à bien un projet d'analyse de données lors duquel vous ferez de l'interpolation, du calcul matriciel et de la régression linéaire. Ce projet fait aussi partie de notre formation Python - Introduction à la Data Science.
• Web-scraping avec la bibliothèque Python Beautiful Soup
Vous réaliserez un projet incluant du web-scraping, c'est-à-dire de la récupération d'informations choisies depuis une page web. Ce projet fait aussi partie de notre formation Python - Introduction à la Data Science.
• Prédiction sur des données numériques
Lors de notre formation Python - Machine Learning, vous mènerez à bien un projet Python de régression sur les données de salaires de 100 employés d'une entreprise, puis sur des caractéristiques de bateaux. Vous utiliserez les fonctions Scikit-learn pour les modèles de régression linéaire, polynomiale, Ridge et Lasso. Enfin, vous verrez comment utiliser un réseau de neurones (perceptron multi-couches, MLP) pour réaliser cette régression. Pour chaque modèle, vous calculerez des métriques et analyserez les performances de prédiction.
• Projet de régression avec Random Forest
Vous utiliserez le modèle Random Forest sur le California Housing Dataset pour faire une prédiction sur la valeur immobilière de biens. Vous choisirez les paramètres de votre modèle, vous l'entraînerez et l'utiliserez, puis vous analyserez ses performances pour le comparer à d'autres modèles. Ce projet fait aussi partie de notre formation Python - Machine Learning.
• Projet de classification de messages par thème
Dans ce projet, vous créerez un modèle de machine learning qui fera la classification par thème de messages de forums. Vous utiliserez l'algorithme des k-plus proches voisins et ferez une validation croisée pour optimiser les performances. Ce projet fait aussi partie de notre formation Python - Machine Learning.
• Projet de classification de chiffres écrits à la main
Vous entraînerez un algorithme à reconnaître des chiffres manuscrits. Vous travaillerez sur la base de données MNIST. Vous utiliserez une machine à vecteurs supports, puis un réseau de neurones (perceptron multi-couches, MLP). Ce projet fait aussi partie de notre formation Python - Machine Learning.
