Python - Développer des applications de calcul scientifique

Objectif : Maîtriser le calcul vectoriel et matriciel pour accélérer les performances de traitement numérique par rapport aux boucles Python classiques.

• Introduction aux tableaux multidimensionnels avec l'objet ndarray de NumPy.
• Création de structures de tableaux (vecteurs, matrices, fonctions d'initialisation de dimensions).
• Indexation, découpage (slicing) et sélection conditionnelle de sous-tableaux.
• Compréhension des mécanismes de vectorisation de calculs et de diffusion (broadcasting).
• Application des fonctions mathématiques et statistiques de NumPy selon les différents axes de calcul.

Atelier pratique : Manipulation, filtrage logique et opérations arithmétiques vectorisées sur des grilles d'échantillons géographiques.

Cas métier : Nettoyage et lissage d'un relevé de température de capteurs industriels (filtrage des valeurs aberrantes par interpolation).

Compétence acquise : Savoir manipuler des tableaux de données multidimensionnelles de manière optimisée et performante.

Livrable : Script de calcul et de lissage thermique vectorisé à haute performance.

Objectif : Structurer, lire et manipuler des données tabulaires hétérogènes (de type base de données ou tableur) avec la bibliothèque Pandas.

• Découverte de l'anatomie des structures de données clés : Series et DataFrame de Pandas.
• Mécanismes de lecture et de chargement de fichiers de données externes (CSV, Excel, JSON).
• Exploration initiale et diagnostic statistique d'un jeu de données (dimensions, types, aperçus, métadonnées).
• Sélection de colonnes et de lignes (.loc, .iloc) et application de filtres complexes.
• Opérations d'alignement de données, d'indexation personnalisée et de modification structurelle de tables.

Atelier pratique : Audit de structure, sélection ciblée et requêtage de fichiers de données complexes d'un catalogue produit.

Cas métier : Importation et analyse exploratoire d'un historique de transactions financières multi-devises pour en extraire des données statistiques globales.

Compétence acquise : Être capable d'importer, de structurer et d'auditer de grands volumes de données tabulaires.

Livrable : Script d'ingestion et de diagnostic d'un journal comptable complexe.

Objectif : Maîtriser le nettoyage de données de production complexes et hétérogènes pour les préparer aux étapes de modélisation mathématique.

• Traitement rigoureux des valeurs manquantes (NaN) : détection, suppression de lignes/colonnes ou techniques d'imputation (remplacement).
• Détection et élimination des doublons de lignes et gestion des incohérences de saisie textuelle.
• Conversion de types de colonnes (astype) et gestion avancée des chaînes de caractères avec les accesseurs de texte.
• Combinaison, fusion (merge) et concaténation (concat) de sources de données hétérogènes.
• Création de variables et indicateurs dérivés à partir de calculs sur plusieurs colonnes.

Atelier pratique : Reconstitution et fusion d'une base de données à partir de fichiers de tables découpés contenant des anomalies de jointure.

Cas métier : Préparation d'un catalogue de mesures de laboratoires en corrélant des mesures physiques brutes avec des informations sur les lots de fabrication.

Compétence acquise : Savoir assainir et fusionner des données fragmentées pour les rendre exploitables pour des analyses fiables.

Livrable : Script de nettoyage et d'unification de données laboratoires.

Objectif : Réaliser des calculs statistiques groupés et synthétiser des informations volumineuses en indicateurs métiers clés.

• Application de regroupements de données complexes grâce au mécanisme puissant groupby().
• Fonctions d'agrégation multiples (agg()) personnalisées et calculs d'indicateurs par groupes métiers.
• Création de tables de synthèse croisées dynamiques avec les tableaux croisés de Pandas (pivot_table()).
• Introduction aux analyses statistiques descriptives fondamentales (corrélations, distributions, écarts-types).

Atelier pratique : Pivotement et regroupement analytique d'une base de données d'activité pour synthétiser des moyennes d'indicateurs de performance.

Cas métier : Analyse et synthèse statistique croisée des indicateurs de production industrielle par ligne de production, équipe et type de machine.

Compétence acquise : Être capable d'extraire des indicateurs de synthèse croisés à partir de millions de lignes de données.

Livrable : Tableau de synthèse croisée dynamique d'activité industrielle.

Objectif : Manipuler et analyser des séries chronologiques indexées sur le temps pour modéliser des évolutions temporelles.

• Introduction aux objets temporels de Pandas (Timestamp, DatetimeIndex).
• Techniques de conversion de dates, d'indexation chronologique et d'accès aux attributs temporels (jour, mois, heure).
• Rééchantillonnage de données temporelles (resample) pour modifier la fréquence (ex : passage d'une donnée horaire à une synthèse mensuelle).
• Application de calculs glissants (rolling) pour le calcul de moyennes mobiles et le lissage de courbes.
• Gestion des fuseaux horaires et traitement des décalages dans le temps.

Atelier pratique : Filtrage de plages de dates dynamiques et calcul de moyennes mobiles sur un historique d'activité.

Cas métier : Analyse chronologique d'un journal de consommation d'énergie réseau avec rééchantillonnage à la journée et calcul de profils de charge types.

Compétence acquise : Savoir analyser et modéliser des flux de données indexées dans le temps.

Livrable : Script de calcul de profils de charge temporels énergétiques.

Objectif : Concevoir des graphiques professionnels, rigoureux et esthétiques pour restituer visuellement les résultats d'analyses scientifiques.

• Architecture générale et concepts de la bibliothèque graphique Matplotlib (Figure, Axes).
• Création de tracés de base : courbes, diagrammes en barres, histogrammes de distribution, nuages de points.
• Personnalisation complète des éléments de graphique (titres, légendes, axes, grilles de lecture, annotations).
• Conception de figures complexes composées de plusieurs sous-graphiques (subplots).
• Introduction aux styles et thèmes pour une esthétique épurée et moderne.
• Exportation des visuels dans des formats haute résolution adaptés aux rapports scientifiques ou commerciaux (PNG, PDF vectoriel).

Atelier pratique : Création pas-à-pas d'une figure multi-panneaux personnalisée avec des tracés et des échelles différentes.

Cas métier : Réalisation du tableau de bord de résultats d'une campagne de tests de résistance mécanique, intégrant les distributions de contraintes et les courbes d'évolution temporelles.

Compétence acquise : Être capable de traduire des résultats de calculs scientifiques en visualisations décisionnelles hautement qualitatives.

Livrable : Graphique d'analyse de performances multi-panneaux de qualité publication.