📋 Fiche Module

Titre : Python - Data Science & Analyse de Données Code : PY-DATA-M1 Année : 2024-2025

🎯 Description Générale

Ce module plonge les étudiants au cœur de la “matière première” de toute Intelligence Artificielle : la donnée. À travers un parcours intensif de 35 heures, l’objectif est de maîtriser la transformation de données brutes (hétérogènes et bruitées) en informations exploitables et modélisables, en s’appuyant sur l’écosystème Python professionnel. Il s’agit de la première étape indispensable avant d’envisager toute architecture prédictive complexe.

🎯 Objectifs Pédagogiques

• Collecter et acquérir des données issues de sources multiples (APIs, bases relationnelles et NoSQL).
• Nettoyer et préparer (Data Wrangling) des datasets imparfaits via le Feature Engineering.
• Explorer et analyser (EDA) les données pour en extraire des relations statistiques cachées.
• Visualiser et modéliser l’information pour répondre à des problématiques métiers concrètes.
• Évaluer et communiquer les résultats de manière transparente et percutante (Data Storytelling).

🛠️ Spécificités & Moyens

• Public : Mastère Développement, Data & IA - 4ème année (M1).
• Volume Horaire : 35 heures (5 jours).
• Moyens techniques :
  • Stack : Python 3.x, Pandas, NumPy, Matplotlib/Seaborn, Scikit-learn.
  • Environnement : Jupyter Notebook, VS Code, Git.
• Prérequis : Maîtrise de Python 3, bases de données (SQL), fondements mathématiques (statistiques descriptives).

💡 Concept & Métaphore

Le Raffineur et l’Enquêteur Numérique : Dans ce cours, nous ne construisons pas le moteur (l’IA), nous apprenons à prospecter, extraire et raffiner le carburant. Sans un raffinage rigoureux, le moteur s’encrasse. L’étudiant endosse le rôle d’un détective : face à une scène de crime chaotique (données sales et manquantes), il doit isoler les indices (Features), établir les mobiles (Corrélations) et présenter ses conclusions au jury (Data Storytelling).