Python for Data & Machine Learning (Intelligence Artificielle)
En deux jours, cette formation vous plonge dans l’univers de Python, l’outil incontournable des data analysts et quants. Vous apprendrez à manipuler et visualiser vos données financières, à automatiser vos analyses, puis à expérimenter les premières techniques de machine learning appliquées à la finance.
- Identifier et manipuler les types de données fondamentaux en Python
Élaborer des fonctions simples et appliquer les structures de contrôle (conditions, boucles)
Utiliser les bibliothèques Python de base pour l'analyse et la visualisation
Appliquer les bases de Numpy pour le calcul scientifique
Exploiter les fonctionnalités de Pandas pour manipuler et analyser des données
Mettre en pratique les acquis à travers des exercices de programmation appliqués
Mettre en œuvre des modèles de machine learning supervisés et non supervisés avec **Scikit-Learn**.
Évaluer et ajuster les modèles de régression, de classification et d'arbres de décision.
Programme
Python pour la Data et l’Analyse
Introduction à Python et à Google Colab • Présentation de l’environnement Google Colab • Variables, opérations mathématiques et affichage • Types de données : listes, tuples, dictionnaires, booléens, chaînes de caractères • Indexation et slicing
Fonctions et structures de contrôle Création de fonctions simples • Gestion des variables (scope global et local) • Conditions : if / else • Boucles : for, while, enumerate, zip • Importation et utilisation de librairies Python • Visualisation de base avec Matplotlib
NumPy et Pandas pour l’analyse de données • Manipulation de tableaux et calculs vectorisés avec NumPy • Chargement et exploration de données avec Pandas • Nettoyage et transformation de jeux de données • Importation de datasets en ligne (Kaggle, UCI ML Repository)
Practical work
Exercice 1 : Construire un gradient descent OLS (application pratique sur un petit dataset)
Exercice 2 : Implémenter “Conway’s Game of Life” avec NumPy
Exercice 3 : Analyse textuelle des scripts de la série “The Office” avec Pandas
Introduction au Machine Learning avec Scikit-Learn
Introduction au Machine Learning • Concepts clés : apprentissage supervisé et non supervisé • Types d’algorithmes : régression, classification, clustering • Introduction aux réseaux de neurones et aux enjeux éthiques
Régression linéaire avec Scikit-Learn (Dataset : House Prices) • Importation et préparation des données • Data wrangling et exploratory data analysis • Entraînement du modèle et prédictions • Validation croisée (train/test split, k-fold) • Sélection de variables : SelectKBest, RFE • Lasso, Ridge et Elastic Net regression (régularisation et hyperparamètres)
Régression logistique (datasets : Pima Indians Diabetes, Iris) • Importation et nettoyage des données • Ajustement et test du modèle • Visualisation des frontières de décision (boundary plots) • Classification multinomiale avec Logistic Regressor
Arbres de décision et forêts aléatoires (datasets : House Prices, Titanic) • Construction d’un pipeline Scikit-Learn • Arbres de classification et de régression • Analyse de performance et visualisation • Réduction de dimension par PCA • Ajustement des hyperparamètres avec Grid Search
Practical work
Exercice 4 : Prévoir le prix d’un actif financier à partir de données
Exercice 5 : Entraînement d’un modèle de régression logistique + interprétation des coefficients
Exercice 6 : Analyse prédcitive (Comparaison des performances entre un arbre de décision et une forêt aléatoire - Utilisation de la PCA pour visualiser les clusters)
Pour qui ?
- Analystes financiers, contrôleurs de gestion, business analysts
Risk analysts / risk managers
Portfolio managers, quantitative analysts
Data analysts / data scientists juniors
Équipes middle-office ou reporting souhaitant automatiser des traitements de données
Pédagogie – Évaluation
- Alternance d'exposés courts, de démonstrations et d'exercices pratiques.
Études de cas appliquées à la finance (datasets : *House Prices*, *Titanic*, *Pima Diabetes*, etc.).
Accompagnement pas à pas dans la mise en œuvre de scripts Python.
Support de cours et notebooks fournis à chaque participant.
Evaluations par études de cas et quiz
Pré-requis
- Connaissance de base des notions de programmation (variables, boucles, conditions).
Familiarité avec les outils bureautiques et les données chiffrées (Excel, CSV).
Culture financière de base : savoir lire un tableau de données ou des indicateurs de performance.
Qualité
& Certification
Adapté aux personnes en situation de handicap
Besoin d'être recontacté(e) ?
+900 clients nous font confiance
Vous souhaitez un devis personnalisé ?
Python for Data & Machine Learning (Intelligence Artificielle)
Niveau Perfectionnement
Durée 2 jours
Format Présentiel
Réf 1586
Téléchargez la brochure de la formation
Python for Data & Machine Learning (Intelligence Artificielle)
Analyse financière
Évaluation d’entreprise
Décisions d’investissement & de financement
Vous souhaitez vous inscrire à cette formation ?
INTER
Python for Data & Machine Learning (Intelligence Artificielle)
2190€
Net de taxes
Niveau Perfectionnement
Durée 2 jours
Format Présentiel
Réf 1586
INTRA
Python for Data & Machine Learning (Intelligence Artificielle)
Prix sur demande
Niveau Perfectionnement
Durée 2 jours
Format Présentiel
Réf 1586
Télécharger nos catalogues 2026
Catalogue
Banque de Financement et d'Investissement & Asset Management
Bénéficiez de l’expertise des meilleurs praticiens en Finance de marché et Finance d’entreprise.
Catalogue
Banque de Réseau
Accélérez votre carrière par l’acquisition de compétences très professionnalisantes.
Catalogue
Direction financière d'entreprise
Devenez un expert en trésorerie d’entreprise ou gestion de haut de bilan.
Catalogue
Assurance
Bénéficiez d’une pédagogie innovante couvrant toutes les thématiques de l’assurance et de la réglementation DDA.
