Dans le module suivant, nous allons nous plonger dans les outils les plus couramment utilisés pour la science des données : Python et Numpy. Nous commencerons par Numpy, en nous familiarisant avec les tableaux np et leurs principales fonctionnalités. Après nous être familiarisés avec le chargement de données de tous types, nous apprendrons quelques techniques de base de description et de nettoyage des données. Nous apprendrons également à travailler avec des index et des colonnes dans les Dataframes. Nous terminerons par une introduction au traçage et aux statistiques sommaires. Nous utiliserons des ensembles de données courantes de la chaîne d'approvisionnement pour nos explorations

Dans ce troisième module, nous allons approfondir nos connaissances de Pandas et de Numpy en apprenant à combiner et à remodeler les données de manière efficace. Nous apprendrons à remodeler les données pour les adapter à nos besoins par le biais de fusions et de pivots. Cette configuration nous aidera à aborder les étapes de prétraitement des données communes nécessaires à l'exécution des algorithmes d'apprentissage automatique, tels que l'encodage à une touche. Enfin, nous découvrirons l'outil le plus important de notre arsenal Pandas (Groupby-Apply-Transform) et explorerons ses fonctionnalités de transformation.

Dans ce projet final, nous collecterons divers ensembles de données concernant les capacités des entrepôts, la demande de produits et les taux de fret afin d'optimiser les coûts de production et d'expédition des produits.