Initial commit

documentation/00-new-course-plan-dawan.md

@@ -0,0 +1,78 @@
+# Analyse de données en Python
+
+Génère un code HTML pour le contenu Markdown ci-dessous. Les titres de niveau 2 doivent être traduits en balises h4. Les listes à puces doivent être traduites en paragraphes dont les éléments sont simplement séparés par des balises br. Après chaque chapitre, ajoute une balise p avec du texte dans une balise strong, qui propose un thème d'atelier ou un objectif à atteindre à l'issue du chapitre. Le texte peut prendre la forme "Atelier : ..." ou "Objectif : ...".
+
+## Découvrir l'outil Jupyter
+
+- Qu'est-ce que Jupyter ?
+- Avantages de Jupyter pour l'analyse de données
+- Installer Jupyter et lancer un serveur Jupyter
+
+## Création de données avec Python, Numpy et Pandas
+
+- Qu'est-ce que NumPy ?
+- Création et manipulation de tableaux (1D et 2D)
+- Générer des séquences de valeurs
+- Introduction à scikit-learn
+
+## Découverte de Pandas
+
+- Types de base
+- Manipuler et comprendre les séries
+- Manipuler et comprendre les dataframes
+- Appliquer des calculs et des transformations
+- Filtrer des résultats
+- Configurer l'affichage de contenu dans Pandas
+- Comprendre les index
+
+## Calculer dans Pandas
+
+- Appliquer des fonctions d'agrégation (statistiques etc.)
+- Conversion des types (Dates, précision des types, etc.)
+- Opérations et comparaisons sur les séries et dataframes
+- Concepts de base en analyse statistique ou financière
+
+## Chargement et export de données avec Pandas
+
+- Protocoles pris en charge (https, file)
+- Chargement de fichiers CSV (inférence, dates, en-têtes, encodage)
+- Chargement de fichiers Excel (moteurs de chargement : xlrd, openpyxl etc.)
+- Prise en charge des archives (zip, gz, bz2, xz)
+- Chargement depuis SQLite3 (ou SQLAlchemy)
+- Formats de sauvegarde classiques (Excel, CSV)
+- Formats SQL (connexion SQLAlchemy ou SQLite3)
+- Format Pickle
+
+## Introduction à l'analyse exploratoire avec Pandas et Matplotlib
+
+- Présentation de Matplotlib
+- Exemples simples (création de diagrammes matplotlib)
+  - Générer un diagramme en barres
+  - Générer un diagramme en lignes
+  - Générer un diagramme en secteurs
+  - Générer un nuage de points
+
+## Introduction à l'analyse exploratoire avec Pandas et Plotly
+
+- Présentation de Plotly
+- Créer un simple tracé pour une matrice de corrélation (heatmap)
+- Générer des diagrammes en barres et en lignes
+
+## Générer des tableaux de bord interactifs avec Pandas, Plotly et Dash
+
+- Présentation de Dash
+- Générer un tableau de bord simple avec Dash
+- Interactivité dans un tableau de bord Dash
+
+## Concurrence et parallélisme dans le traitement de données
+
+- Optimisation des performances via la parallélisation/threading
+- Celery (Linux seulement)
+- Paralléliser Pandas avec Modin ou Dask
+
+## Outils et bibliothèques de performance Python
+
+- Accélération avec Numba, Nuitka, PyPy
+- Mesurer le temps d'exécution de votre code
+- Découvrir le Profiling
+