| Libellé du cours : | Python and tools for research |
|---|---|
| Département d'enseignement : | EEA / Electronique Electrotechnique Automatique |
| Responsable d'enseignement : | Monsieur PIERRE-ANTOINE THOUVENIN / Monsieur PIERRE CHAINAIS |
| Langue d'enseignement : | |
| Ects potentiels : | 0 |
| Grille des résultats : | |
| Code et libellé (hp) : | MR_DS_S1_PTR - Python and tools for research |
Equipe pédagogique
Enseignants : Monsieur PIERRE-ANTOINE THOUVENIN / Monsieur PIERRE CHAINAIS
Intervenants extérieurs (entreprise, recherche, enseignement secondaire) : divers enseignants vacataires
Résumé
Notions élémentaires (contrôle de flux) et structures pour la programmation en Python basée sur l'utilisation de librairies usuelles (numpy, scipy, sklearn, pandas, h5py, etc.). Notions de programmation orientée objet avec Python. Le cours inclus par ailleurs la présentation de quelques outils utiles pour la production de rapports et présentations scientifiques (LaTeX, bibtex, zotero). Les séances de travaux pratiques permettent : - d'utiliser des instructions vectorisées issues de numpy pour encoder des opérations d'algèbre linéaire et des approches d'analyse statistique; - d'illustrer l'intérêt d'une approche orientée-objet, sur la base d'exemples en lien avec des problématiques d'apprentissage; - d'introduire le langage LaTeX pour la rédaction de documents scientifiques, tels que ceux demandés tout au long de la formation.
Objectifs pédagogiques
À l'issue de ce cours, les étudiants seront capables de - manipuler des structures de données usuelles en Python; - adopter une approche orientée-objet pour le développement d'applications en Python; - comprendre les notions de classe et d'objet; - comprendre les notions d'encapsulation d'héritage; - rédiger des codes conformes aux conventions usuelles en terme de nom de variables, utilisation des commentaires et rédaction de documentation; - tester un code produit (tests unitaires, debug); - utiliser plusieurs librairies usuelles pour l'apprentissage automatique (numpy, scipy, sklearn); - rédiger un rapport et une présentation scientifiques en LaTeX; - créer et gérer une base d'entrées bibliographiques (zotero, bibtex).
Objectifs de développement durable
Modalités de contrôle de connaissance
Contrôle Continu
Commentaires: Évaluation sur la base des rapports de TPs.
Ressources en ligne
Liste de références, documents et ressources LaTeX mis à disposition sur Moodle. Logiciel Python, notebook Jupyter, packages Python usuels (numpy, scipy, scikit-learn, pandas, matplotlib, seaborn, h5py, ...).
Pédagogie
Séances en salle informatique.
Séquencement / modalités d'apprentissage
| Nombre d'heures en CM (Cours Magistraux) : | 12 |
|---|---|
| Nombre d'heures en TD (Travaux Dirigés) : | 12 |
| Nombre d'heures en TP (Travaux Pratiques) : | 0 |
| Nombre d'heures en Séminaire : | 0 |
| Nombre d'heures en Demi-séminaire : | 0 |
| Nombre d'heures élèves en TEA (Travail En Autonomie) : | 0 |
| Nombre d'heures élèves en TNE (Travail Non Encadré) : | 0 |
| Nombre d'heures en CB (Contrôle Bloqué) : | 0 |
| Nombre d'heures élèves en PER (Travail PERsonnel) : | 0 |
| Nombre d'heures en Heures Projets : | 0 |
Pré-requis
Notions de programmation orientée-objet, et de programmation en Python et C.