01-PythonForDataScience — Fondations NumPy & Pandas

← DataScienceWithAgents (parent) | 02-ML-Cours (suite) →

Le socle Python data science qui précède tout le reste de la formation DataScienceWithAgents : NumPy pour les tableaux et la vectorisation, Pandas pour les données tabulaires. Deux notebooks volontairement resserrés, pensés comme le prérequis des fondations ML canoniques (02-ML-Cours) et des labs agentiques (Track1-LangChain), là où l’on interroge un DataFrame ou l’on entraîne un modèle.

Pourquoi cette série

Avant d’orchestrer des agents LLM qui écrivent du code data science (labs LangChain / Google ADK), il faut lire, transformer et visualiser soi-même des données. Cette série installe les deux briques indépassables : la vectorisation NumPy (pourquoi une opération sur un tableau est à la fois plus courte et plus rapide qu’une boucle Python) et le DataFrame Pandas (le conteneur tabulaire qui structure tout le travail ultérieur). Sans elles, les labs agentic sont une boîte noire ; avec elles, on comprend ce que l’agent manipule et pourquoi son code tient.

Vue d’ensemble

Notebook Contenu Durée
1.2-NumPy ndarray, vectorisation (timing vs boucle), broadcasting, indexation/masques booléens, axis, default_rng(seed) ~60-75 min
1.3-Pandas DataFrame, sélection de colonnes, filtrage booléen, merge/join (4 how=), données manquantes (isna/fillna/dropna), séries temporelles (to_datetime, .dt, resample), read_csv réel ~45 min

Numérotation. La série commence à 1.2 car le 1.1 d’introduction est couvert par le README parent. La continuité logique est 1.2 (NumPy) → 1.3 (Pandas) → Lab 1 (mise en pratique sur ventes synthétiques) → 02-ML-Cours 2.1.

Objectifs d’apprentissage

À l’issue de cette série, l’apprenant sait :

  1. Créer des tableaux NumPy (ndarray), les inspecter (shape, dtype) et appliquer des opérations vectorisées (sans boucle explicite).
  2. Mesurer l’avantage de performance de la vectorisation NumPy sur le Python natif.
  3. Appliquer le broadcasting (diffusion de formes) et savoir lire son message d’erreur.
  4. Sélectionner des sous-tableaux par tranches, indexation avancée et masques booléens (a[a > x], (a > 5) & (a < 20)).
  5. Utiliser les réductions (sum, mean, std) avec la sémantique de axis et rendre un tirage aléatoire reproductible.
  6. Construire un DataFrame Pandas et y sélectionner des colonnes avec la notation [] (notebook 1.3).

Prérequis

Suite logique

Ces fondations posées, la formation se poursuit sur deux axes complémentaires : - 02-ML-Cours — le socle scikit-learn canonique (workflow ML, descente de gradient, régression, arbres, biais-variance, clustering) qui ouvre la boîte noire de fit(). - Track1-LangChain — le track LangChain (7 labs) qui passe « de la data aux agents IA ».

Retour au sommet