À l'issue de cette formation, les apprenants seront capables de configurer les environnements Jupyter et IPython, de créer des visualisations de données professionnelles avec Matplotlib, d'enrichir leurs graphiques grâce à NumPy et d'appliquer des techniques avancées de création de graphiques scientifiques. Ils maîtriseront également les fonctionnalités d’IPython telles que les widgets, les commandes « magiques », les noyaux et les tests unitaires, tout en optimisant les performances de Python à l’aide d’outils de profilage, de la cartographie mémoire et des conversions. Enfin, les apprenants accéléreront l’exécution de Python avec Numba et Cython, mettront en œuvre le calcul parallèle et distribué, et exploreront la visualisation de nouvelle génération avec Seaborn, D3.js et Julia.

Ce cours intègre de manière unique des compétences allant du niveau débutant au niveau avancé au sein d’un parcours rationalisé. Contrairement aux introductions classiques, il met l’accent à la fois sur la productivité et les performances, permettant aux apprenants de passer des bases de la configuration et du tracé à des workflows de calcul haute performance. Grâce à une approche pratique et à une séquence structurée de modules, les étudiants acquerront non seulement des connaissances techniques, mais aussi la capacité d’appliquer ces outils à des scénarios concrets dans les domaines de la science des données, de la recherche et de l’analyse. Que vous soyez un débutant découvrant Jupyter ou un professionnel cherchant à optimiser ses flux de travail, ce cours vous apporte les compétences nécessaires pour analyser, visualiser et accélérer les applications basées sur les données.