| Sem |
Cours |
Contenu |
Exercices |
|
1
|
Introduction
|
1 - Qu'est-ce que Python ? |
Usage de Python sur des serveurs en ligne
|
| 2 - Pourquoi Python ? |
| 3 - Python en ligne |
| 4 - Notions de performance |
|
Notions de base
Spécificités de Python
|
1 - Syntaxe de base |
Exercices d’application directe sur des serveurs
|
| 2 - Opérateurs |
| 3 - Types de base |
| 4 - Listes et tuple |
| 5 - Chaînes de caractères |
| 6 - Ensembles |
| 7 – Dictionnaires |
| 8 - Modes de transmission |
|
2
|
Scriptage
|
1 – Définition d’un script Python et sa structure |
Exercices de tests et recherche
|
| 2 – Conditions et boucles |
| 3 – Utilisation de liste avancées |
|
Environnement de travail pour Python
|
1 – Librairies python, installation et environnement de développement |
Installation de python sur les ordinateurs des étudiants.
|
| 2 - Personalisation de l’environnement dans PyCharms |
| 3 – La console Python, iPython et Jupyter Notebook |
|
3
|
Utilisation de Git
Pour la gestion des sources
|
1 - Notions de base : copie local, dépôt |
Exercices interactif en groupe sur des dépôts individuels et communs
|
| 2 – Organisation des branches et dépôt en ligne : fork, clone, branch, github |
| 3 – Mise à jour : commit, pull, push |
| 4 – Synchronisation : branch, pull request, merge, conflict |
| 5 – Historique et gestion : stash, rebase, reset, revert |
|
Programmation procédurale
|
1 - Fonctions |
Exercices de base
Améliorer un script grace à des fonctions
Utilisation du debboguer dans PyCharm
|
| 2 – Structurer le code en fonctions |
| 3 - Passage de paramètres, arguments optionnels |
| 4 – Debugging: pdb dans PyCharms |
|
4
|
Mini Projet A
|
1 – Présentation du mini-projet |
Période de disponibilité pour le mini-projet A
|
| 2 – Présentation des requis (fonction) du programme et du rendu avec Git |
|
5
|
Programmation scientifique
|
1 – Notions de performance |
Exercices d’utilisation de numpy, vectorisation de code
|
| 2 – Introduction à Numpy : création de tableaux, indexation |
| 3 – Numpy : calculs mathématiques |
| 4 – Numpy : recherche, filtrage, sélection de données |
|
6
|
Mini Projet B
|
1 – Présentation du mini-projet et des données |
Période de disponibilité pour le mini-projet B
|
| 2 – Présentation des requis (fonctions+classes) du programme et du rendu avec Git |
| 3- Période dédiée à l'avancement du projet |
|
7
|
Programmation orientée object
|
1 - Introduction à la programmation objet : concept et intérêt |
Exercice d’application directe pour transformer un script en classe
|
| 2 – Classes et Objects |
| 3 – Interfaces |
| 4 – IO d’instance avec Pickle |
|
8
|
Projet de session |
Présentation des projets, requis, rapports … |
Création des équipes et brainstorming |
|
Analyses de données
|
1 - Introduction à Matplotlib |
Exercices de tracé de courbes, chargement de données, statistiques et fouille dans les fichiers
|
| 2 - Traitement de fichiers |
| 3 - Introduction à Pandas |
| 4 – Manipulation avancées de données statistiques |
| 5 - RegEx |
|
9
|
Analyses de données
|
1 – Introduction à Scipy |
Résolution de problèmes non-linéaires, représentations de solutions
|
| 2 - Résolution d'équations |
| 3 - Optimisation |
| 4 - Interpolation |
| 5 - Intégration |
| Projet de session |
Suivi projets |
Vérification de l'avancement des équipes |
|
10
|
Documentation de code
|
1 – Recommendations pour commentaires |
Documentation du mini-projet B, convertir son projet B en module et mise en ligne (partage)
|
| 2 – Sphinx, Doxygen |
|
Modules
|
1 – Qu’est qu’un module |
| 2 – Comment créer un module et diffuser son module |
| 3 – Utilisation de pypi and pip |
| 4 – Environnements virtuels |
| Projet de session |
Suivi projets |
Vérification de l'avancement des équipes |
| 11 |
Projet de session |
Période dédiée à l'avancement du projet |
Période de disponibilité pour les projets spéciaux |
| 12 |
Projet de session |
Période dédiée à l'avancement du projet |
Période de disponibilité pour les projets spéciaux |
| 13 |
Projet de session |
Présentations finales |
Remise des rapports |