Contactez-nous
  • Data science

Python et IA générative pour l'analyse de données

Mis à jour le

Responsable(s) : Mme Héloïse PETIT

  • Cours
Code Cnam : EAR212-PAR
Téléchargez le PDF
  • Durée : 40 heures (+/- 10%)
  • A la carte
  • Soir & samedi
  • 4 crédits
  • Présentiel

Présentation

Public, conditions d'accès et prérequis

Prérequis

Aucun prérequis en programmation. Ce cours est ouvert à tous les étudiants du Master SEND. Pour les élèves hors master, il est ouvert sur demande d'agrément (à faire ici).
Le cours nécessite un ordinateur portable sur lequel Python pourra être installé (logiciel gratuit).

Objectifs

Ce cours est une introduction à la collecte, au traitement et à l'analyse des données en Python. Il intègre des bases de programmation en Python, et les outils d'IA générative (LLM, vibe coding) comme leviers d'apprentissage et de productivité, pour permettre à tout étudiant — même sans expérience en programmation — de construire des scripts utiles et de prototyper des solutions data.

L'avis des auditeurs

Les dernières réponses à l'enquête d'appréciation pour cet enseignement : Fiche synthétique au format PDF

Compétences et débouchés

Compétences

  • Écrire et exécuter des scripts Python de manière autonome
  • Collecter, manipuler et visualiser des données avec les principales librairies data science
  • Utiliser des assistants IA (LLM) pour coder, déboguer et prototyper rapidement
  • Comprendre les mécanismes de base du machine learning et du deep learning
  • Dialoguer efficacement avec des équipes techniques data et IA.

Informations pratiques

Contact

Logo Ecole numérique et IA Cnam

Programme

Contenu

Ce cours couvre les fondamentaux de la programmation Python — variables, conditions, boucles, fonctions, structures de données — ainsi que la lecture et l'écriture de fichiers dans différents formats.
Nous abordons ensuite l'écosystème des librairies data science : manipulation de données tabulaires avec pandas et numpy, visualisation avec matplotlib et plotly, échanges avec le web via requests.
La collecte de données est traitée à travers des projets concrets : interrogation d'APIs publiques, web scraping, et analyse de données réelles.
Une partie importante du cours est consacrée aux outils d'IA générative appliqués au développement : utilisation de LLM pour coder, déboguer et prototyper (développement IA-assisté, vibe coding).
Enfin, nous introduisons les fondements du machine learning : terminologie, principes d'entraînement d'un réseau de neurones, et mise en pratique sur un projet de classification d'images (TensorFlow/Keras).
 

Modules Python utilisés:
- pandas : manipulation et analyse de données tabulaires (DataFrame, filtrage, agrégation, jointures)
- numpy : calcul scientifique, manipulation de tableaux multidimensionnels et opérations vectorisées
- matplotlib et plotly : visualisation de données sous forme de graphiques interactifs et de cartes
- requests : exécution programmatique de requêtes HTTP pour interroger des APIs web
- tensorFlow et keras : entraînement et évaluation de modèles de deep learning
 

Formation mère

Python et IA générative pour l'analyse de données

Ces formations pourraient vous intéresser