PARTIE 1 Acquisition des compétences de base en Python

Chapitre 1 : Découverte du monde de la science des données et de Python
1.1 Découvrir les trésors cachés des données : entrer dans le monde de la science des données
1.2 Processus et programme de traitement des données
1.3 Ai-je vraiment besoin de savoir programmer ?
1.4 Installation des outils de développement Python
1.5 Imprimons « Hello World » dans les outils de développement Python.
1.6 Commençons par les calculs.
1.7 Découvrons le mode interactif et le mode script.
1.8 Créons des résultats visibles avec les graphismes Turtle.
1.9 Pourquoi Python est vraiment pratique : Installation des modules
LAB 1-1 Entraînons-nous à utiliser la fonction print(), que nous utiliserons fréquemment.
TP 1-2 Dessinons un triangle avec des graphismes de tortue.
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 2 : Traitons les valeurs
2.1 Espace de stockage des données : Variables
2.2 Comment nommer les variables
TP 2-1 Calcul de l'indice de masse corporelle avec Python
LAB 2-2 Calculons l'aire d'une pizza.
LAB 2-3 Dessiner une pizza avec Turtle Graphics
TP 2-4 Calcul des intérêts composés
2.3 Quels sont les avantages de l'utilisation des variables ?
2.4 Pour connaître le type de données d'une variable : fonction type()
2.5 Limites de la représentation numérique par ordinateur et limites des ordinateurs
2.6 Comment créer une chaîne de caractères
2.7 Cause de l'erreur : Conversion de type de données
2.8 Saisie d'un entier par l'utilisateur
LAB 2-5 Un robot reporter rédige des articles sur le baseball
2.9 Objets, méthodes et fonctions
LAB 2-6 Relevez le défi de créer une publicité immobilière
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 3 : Effectuons des calculs avec des opérateurs
3.1 Les formules sont partout
3.2 Utilisation des formules et des opérateurs
3.3 Opérateur d'exponentiation : **
TP 3-1 Conversion des degrés Fahrenheit en degrés Celsius
TP 3-2 Calcul de l'IMC à partir du poids et de la taille
LAB 3-3 Créons un programme de distributeur automatique.
3.4 Un opérateur pratique appelé opérateur d'affectation composé
3.5 Les opérateurs ET, OU et NON peuvent également être utilisés : opérateurs logiques
TP 3-4 Calcul de la moyenne - Priorité des opérateurs
3.6 Opérateurs optimisés pour les ordinateurs qui gèrent bien les nombres binaires : opérateurs bit à bit
3.7 Il y a aussi des éléments qui sont traités en premier lieu entre les opérateurs.
3.8 Essayons différentes fonctions avec les modules aléatoires et mathématiques.
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 04 Examinons cela en considérant les conditions.
4.1 Il existe trois structures de contrôle principales dans un programme.
4.2 Instruction if qui s'exécute uniquement lorsqu'une condition est remplie
4.3 Instruction if-else exécutée selon une condition exclusive
4.4 Commandes graphiques Turtle diverses
4.5 Objets tortue et objets écran
LAB 4-1 Contrôlons les graphismes de la tortue en fonction des nombres saisis.
LABO 4-2 Vérifions l'âge minimum pour regarder le film.
TP 4-3 Contrôler la tortue
TP 4-4 Comment déterminer une année bissextile
LAB 4-5 Créons un jeu de lancer de pièce en utilisant une fonction aléatoire.
LAB 4-6 S'agit-il d'un point à l'intérieur ou à l'extérieur du cercle ?
4.6 Vérifier successivement d'autres conditions lorsqu'une condition est fausse
Traitement des connexions LAB 4-7
LAB 4-8 Créons un jeu de tirs au but avec l'ordinateur.
Essayons de dessiner une forme en utilisant les données d'entrée du LAB 4-9.
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 5 : Faisons quelque chose qui se répète plusieurs fois.
5.1 Pourquoi les boucles sont importantes
5.2 Définissez un nombre de répétitions et répétez.
5.3 La fonction range(), parfaitement adaptée à la boucle for
LAB 5-1 Dessinons plusieurs cercles en utilisant des graphiques tortue.
LAB 5-2 Dessinons des formes en utilisant la répétition
TP 5-3 Dessin de polygones à N côtés
TP 5-4 Calcul des factorielles par itération
5.4 Instruction While qui s'exécute de manière répétée en fonction des conditions
Connectez-vous en recevant un mot de passe d'un utilisateur du LAB 5-5
5.5 Utilisation de la boucle while pour un nombre fixe de répétitions
TP 5-6 : Affichage de la table de multiplication à partir des nombres saisis
LAB 5-7 Dessinons des étoiles en utilisant la boucle while.
TP 5-8 Dessinez une spirale originale avec un code simple
LAB 5-9 Créons un jeu de devinettes de nombres en utilisant une boucle infinie.
LAB 5-10 Créons un problème de calcul mental
5.6 Sortir d'une boucle infinie avec break
5.7 Mise en forme pour un rendu esthétique
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 6 : Organiser le travail par fonctions
6.1 Une fonctionnalité intéressante pour créer des fonctionnalités structurées : les fonctions
6.2 Créons une fonction et appelons-la pour effectuer un travail. 158
6.3 Faisons en sorte que la fonction effectue un travail et récupérons la valeur.
6.4 Transmission et réception de plusieurs valeurs
TP 6-1 Création d'une fonction pour dessiner un rectangle
6.5 Quelle est la portée d'une variable ?
6.6 Arguments par défaut qui facilitent le fonctionnement des fonctions
LAB 6-2 Programme de calcul du salaire hebdomadaire
TP 6-3 Création d'une fonction pour dessiner un polygone à n côtés
TP 6-4 Fonction pour trouver les valeurs maximales/minimales dans une liste
LAB 6-5 Une fonction qui trouve la valeur maximale/minimale dans une liste et en renvoie deux.
6.7 Fonctions récursives qui s'appellent elles-mêmes
TP 6-6 Calcul de la fonction de Fibonacci
6.8 Réutilisons les fonctions à l'aide de modules
6.9 Création de modules et d'alias
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 7 : Regroupons les données en listes et en tuples.
7.1 Qu'est-ce qu'une liste et pourquoi est-elle nécessaire ?
7.2 Essayons les opérations sur les listes
Créons une liste de fruits délicieux en utilisant les données du LAB 7-1.
LAB 7-2 Trouvons les nombres premiers de 2 à 100.
7.3 Essayons l'indexation et le découpage.
7.4 Manipulons librement les valeurs des éléments de la liste.
LAB 7-3 Découpons les données démographiques de la ville.
7.5 Méthodes de liste et diverses fonctions
7.6 Trions la liste par taille.
LAB 7-4 Créons une fonctionnalité qui sélectionne la citation célèbre du jour.
LAB 7-5 Regroupons le nom de la ville et sa population en un tuple.
7.7 Réinventer la roue ?
7.8 Concept approfondi de création et de référencement des objets de liste
7.9 Les listes en compréhension sont utilisées pour rendre le code plus court et plus concis.
7.10 Types de données dont les valeurs ne peuvent pas être modifiées une fois créées : Tuples
7.11 Intégration à l'aide de la fonction zip()
7.12 Que sont les classes et les objets ?
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 8 : Associer des données connexes dans un dictionnaire
8.1 Stockons les données sous forme de dictionnaire avec des clés et des valeurs.
8.2 Comparaison des dictionnaires et des listes
8.3 Différentes méthodes de dictionnaires
8.4 Fonction lambda = fonction sans nom
LAB 8-1 Créons un programme de gestion des stocks pour une supérette
TP 8-2 Créons un dictionnaire anglais-coréen
8.5 Lorsque des objets dont l'ordre n'a pas d'importance sont rassemblés : un ensemble
8.6 Examinons différentes opérations qui peuvent être appliquées aux ensembles.
8.7 Comparer les listes, les tuples, les ensembles et les dictionnaires
Découvrez qui était présent à la fête LAB 8-3 en même temps.
Lisons et enregistrons les données du fichier 8.8.
Recherche des mots utilisés dans les fichiers LAB 8-4
8.9 Diviseurs et plus grand commun diviseur de deux nombres et raisonnement en programmation
Résumé des points clés
questions subjectives
Problèmes avancés

PARTIE 2 SCIENCE DES DONNÉES ET INTELLIGENCE ARTIFICIELLE

Chapitre 9 : Analysons le texte
9.1 L'impact de ChatGPT
9.2 Traitement de texte de base
9.3 Comment modifier et mettre en forme du texte
LAB 9-1 Nombre de caractères, nombre de mots, longueur moyenne des mots
TP 9-2 Suppression des mots vides
9.4 Gérons facilement les mots vides
LAB 9-3 Traitement des messages Twitter
LAB 9-4 Calcul de la fréquence des mots
Analyse critique du film LAB 9-5
9.5 Nuage de mots
9.6 Création de nuages ​​de mots et d'images coréens
LAB 9-6 Nuage de mots Wikipédia
9.7 Apprenons les expressions régulières
9.8 Recherche de motifs spécifiques à l'aide d'expressions régulières
9.9 Remplacement de motifs à l'aide d'expressions régulières
TP 9-7 Supprimons les balises HTML
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 10 : Traitement des données numériques avec NumPy
10.1 Les tableaux NumPy sont beaucoup plus rapides que les listes.
10.2 Création d'alias NumPy et exécution d'opérations simples sur les tableaux
10.3 Découvrons les puissantes opérations sur les tableaux NumPy.
TP 10-1 Créons un objet ndarray et découvrons ses propriétés.
TP 10-2 Calcul rapide et facile de l'IMC pour plusieurs personnes
10.4 L'indexation et le découpage peuvent également être effectués dans NumPy.
10.5 Indexation des tableaux bidimensionnels
10.6 Découpage de tableaux bidimensionnels à la manière de NumPy
TP 10-3 Exercices sur les tableaux bidimensionnels
TP 10-4 Détermination de la forme d'un tableau NumPy et réalisation d'opérations par découpage
10.7 Comparaison des fonctions arange() et range()
TP 10-5 Extraction des seules lignes répondant à une condition spécifique d'un tableau bidimensionnel
10.8 Fonctions linspace() et logspace()
10.9 Générons des nombres aléatoires
10.10 Génération de nombres aléatoires suivant une loi normale
Modifions la forme du tableau LAB 10-6.
TP 10-7 Exercices de calcul de la moyenne et de la médiane
10.11 Calcul des corrélations
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 11 : Dessinons un graphique sympa
11.1 Visualisation des données
11.2 Essayez d'utiliser matplotlib à l'aveugle
11.3 Différentes techniques pour décorer les graphiques
LAB 11-1 Dessinons facilement des fonctions mathématiques.
11.4 Représentons plusieurs données sur un seul graphique.
TP 11-2 : Tracer le graphique du sinus, la fonction trigonométrique de base
11.5 Dessinons facilement un graphique à barres.
11.6 Création d'un nuage de points représentant des données
11.7 Jetons un coup d'œil rapide à la distribution des données à l'aide d'un histogramme.
TP 11-3 Vérification visuelle de nombres aléatoires générés à partir d'une distribution normale
LAB 11-4 Affichons les ventes par type de véhicule dans un diagramme circulaire.
11.8 Découvrons les diagrammes en boîte, qui représentent efficacement les données.
11.9 Affichage de plusieurs graphiques sur un seul écran : subplots()
En utilisant le sous-parcelle LAB 11-5
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 12 : Analyser des données avec Pandas
12.1 Pandas pour un traitement plus rapide qu'Excel
Avez-vous entendu parler de la version 12.2 CSV ?
12.3 Extrayons les données souhaitées du fichier CSV.
LAB 12-1 En quel mois le vent est-il le plus fort sur Ulleungdo ?
12.4 Structures de données Pandas : Series et DataFrames
12.5 Lecture de fichiers de données avec Pandas
12.6 Sélection des données par colonne
12.7 Sélection de lignes par découpage
12.8 Il existe une fonction permettant d'analyser facilement les données.
12.9 Index et regroupement des dates et heures par année, mois et jour
12.10 Regroupement des données en fonction de valeurs spécifiques : Regroupement
LAB 12-2 Quel est le mois le plus venteux à Ulleungdo ? - Utilisation de groupby()
12.11 Sélectionnons selon les conditions : Filtrage
12.12 Complétons les données manquantes.
12.13 Changeons la structure des données.
LAB 12-3 Application de la concaténation de diverses manières
12.14 Fusion de données à l'aide de la méthode de jointure de bases de données - fusion
LAB 12-4 Application de la fonction Merge de différentes manières
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 13 : Un exemple pour comprendre la nature des données
13.1 Découvrons la relation entre les données.
13.2 Introduction à l'environnement Google Colab
13.3 Coefficients de corrélation et visualisation
13.4 Visualisation et interprétation des coefficients de corrélation
13.5 Premiers pas avec un tutoriel Seaborn simple
13.6 Conseils sur la structure des données
13.7 Illustrons la relation en détail à l'aide d'un graphique de dispersion.
13.8 Les graphiques appariés sont utiles pour explorer les relations entre les variables.
13.9 Ensemble de données du quatuor d'Anscombe
13.10 Description des données à l'aide de fonctions non linéaires
13.11 Ensemble de données sur les passagers aériens
13.12 Corrigeons l'ensemble de données sur les passagers aériens.
13.13 Jetons un coup d'œil à la carte thermique.
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 14 : Concevoir des ordinateurs intelligents grâce à l’apprentissage automatique
14.1 Le programme informatique qui a battu Lee Sedol : quel est le secret ?
14.2 Approfondissons l'apprentissage automatique.
14.3 Apprenons-en davantage sur les problèmes de régression.
14.4 La régression la plus simple : l’analyse de régression linéaire
14.5 Prédiction par régression linéaire : la taille et le poids sont-ils corrélés ?
LAB 14-1 Les hommes et les femmes auront des poids différents même si leur taille est similaire : Régression linéaire multidimensionnelle
LAB 14-2 Logements : superficie, accessibilité aux transports en commun et prix
14.6 Création d'un exemple de diabète et de données d'entraînement dans Scikit-Learn
14.7 Quelle est la corrélation entre l'indice de masse corporelle et les niveaux de glycémie ?
14.8 Divisons l'exemple du diabète en données d'entraînement et données de test.
LAB 14-3 : Comparaison des résultats prévus et des données réelles à l'aide de 80 % des données
14.9 Erreurs dans l'algorithme
14.10 Problème de classification des teckels et des samoyèdes
14.11 Classification à l'aide de l'algorithme k-NN
14.12 Examinons les données auxquelles l'algorithme k-NN sera appliqué.
14.13 Appliquons le modèle à de nouvelles fleurs et classons-les.
14.14 Étude de cas - Régression linéaire : Prédiction de l’espérance de vie
14.15 Examinons la corrélation entre chaque caractéristique.
14.16 Créons un modèle de régression simple.
Résumé des points clés
questions subjectives
Problèmes avancés

Chapitre 15 : Un aperçu de l’apprentissage en profondeur
15.1 Perceptrons imitant les neurones humains
15.2 Découvrons la structure de l'apprentissage profond.
15.3 Découvrons les machines à apprendre.
15.4 Reconnaissance d'images sans codage avec des machines à apprendre
15.5 La plateforme d'apprentissage automatique et d'apprentissage profond la plus populaire : TensorFlow
15.6 Prenons comme exemple des données appelées MNIST.
15.7 Structure des données et des images MNIST
15.8 Étapes pour créer un modèle d'apprentissage profond
15.9 Entraînons un modèle d'apprentissage profond.
15.10 Prédisons l'image
15.11 Explorez les données d'exemple appelées Fashion MNIST
15.12 Construisons à nouveau un réseau neuronal artificiel.
15.13 Appliquons le réseau neuronal entraîné à la reconnaissance de nouvelles images.
15.14 Voyons de nos propres yeux à quel point il est préférable de construire un étage 15.14.
Résumé des points clés
questions subjectives
Problèmes avancés

Caractéristiques de l'édition révisée

- Comprend des explications claires et détaillées ainsi que de nombreuses illustrations à titre d'exemple pour les lecteurs qui découvrent Python.
- Chaque chapitre est divisé en courtes sections qui correspondent au sujet principal, vous permettant ainsi de saisir les points essentiels de manière concise.
- Un chapitre sur l'apprentissage de la bibliothèque Seaborn pour la visualisation des données, qui faisait défaut dans la première édition, a été ajouté.
- Comprend des travaux pratiques et des problèmes complexes permettant aux lecteurs de s'exercer et de vérifier leur compréhension.
- Il commence par les bases de Python, mais couvre les techniques de traitement et de visualisation des données qui peuvent être appliquées en pratique.
- Nous avons simplifié la compréhension des bases de l'apprentissage automatique et de l'intelligence artificielle pour nos lecteurs.
- Nous avons utilisé sckit-learn, une bibliothèque majeure d'apprentissage automatique, et la dernière version de TensorFlow 2.0.

Structure de ce livre

1.
La section « Ce que vous apprendrez dans ce chapitre » ouvre chaque chapitre par un résumé des points clés que le lecteur doit retenir.
2.
Chaque chapitre est divisé en petites sections de 1 à 2 pages, et les titres des sections indiquent le sujet principal.
3.
Grâce aux « problèmes stimulants », les lecteurs peuvent réviser leurs connaissances et prendre plaisir à résoudre des problèmes.
4.
La rubrique « Juste une minute » est un espace pour faire une pause, regorgeant d'actualités et d'informations pratiques liées à la science des données qui pourraient s'avérer utiles aux lecteurs.
5.
La section « LAB » contient des problèmes qui vous permettent de mettre en pratique ce que vous avez appris dans chaque section.
Non seulement des problèmes, mais aussi des indices et des codes de solution sont fournis, ce qui vous permet d'améliorer vos compétences en programmation en comparant vos solutions avec les codes de solution.
6.
Vous pouvez consulter les points clés de chaque chapitre grâce à la section « Résumé ».
7.
Vous pouvez passer en revue les points importants de chaque chapitre grâce à des « questions subjectives ».
8.
La section « Problèmes avancés » contient une variété de problèmes qui vous aideront à approfondir le contenu appris dans chaque chapitre.