Certifications

 

Manipuler, analyser et visualiser des données grâce aux modules Python de Data Science

 

La certification Manipuler, analyser et visualiser des données grâce aux modules Python de Data Science atteste de la connaissance des modules Python de Data Science Numpy, Pandas, Matplotlib, Seaborn et Plotly.

Cette certification s'adresse aux professionnels de la donnée (statisticiens, actuaires, data analysts et data scientists) et aux scientifiques voulant attester leurs compétences en manipulation, analyse et visualisation des données avec les modules Python de Data Science.

Reconnue par France Compétences, la certification Manipuler, analyser et visualiser des données grâce aux modules Python de Data Science est inscrite au Répertoire Spécifique sous le numéro RS6763.

Cette reconnaissance officielle vous permet de financer la formation et la certification en utilisant votre Compte Personnel de Formation (CPF).

Composée d'une épreuve théorique et d'une épreuve pratique, la certification Manipuler, analyser et visualiser des données grâce aux modules Python de Data Science atteste que la personne certifiée sait réellement utiliser les modules Python de Data Science Numpy, Pandas, Matplotlib, Seaborn et Plotly.

Thèmes abordés par la certification : Ecosystème Python Scientifique, modules Numpy, Pandas, Matplotlib, Seaborn et Plotly.

Notre certification est la seule sur le marché inscrite au répertoire spécifique qui inclut des épreuves pratiques et qui est corrigée par un jury humain.

Liste des organismes de formation habilités par notre société

Vous pouvez également vous inscrire pour passer cette certification en candidat libre. Toutefois, vous ne pourrez pas utiliser votre Compte Personnel de Formation (CPF) pour la financer.

 

Compétences attestées

Cette certification professionnelle atteste que le certifié dispose des compétences suivantes :

  • Installer dans un environnement virtuel des modules et paquets scientifiques pour manipuler des données
  • Utiliser un environnement de développement scientifique afin de bénéficier d’une solution intégrée et ainsi être plus rapide et performant
  • Utiliser des outils collaboratifs afin de travailler à plusieurs data scientists sur les mêmes données
  • Trouver de nouvelles librairies et juger de leur pertinence en vue de répondre à un besoin particulier
  • Charger différents formats de données dans un tableau de données indexées ou non en vue de leur appliquer des traitements
  • Appliquer des fonctions et méthodes sur un tableau de données afin de le nettoyer et de le préparer à un futur traitement
  • Concevoir des masques pour extraire des données
  • Filtrer des données selon des plages temporelles afin d’extraire les données correspondantes à un moment précis
  • Filtrer des données à l’aide d’expressions rationnelles (regex) afin d’extraire les données correspondantes à un motif précis
  • Changer la fréquence d’échantillonnage de données afin de les ramener sur une échelle adaptée au besoin
  • Maîtriser les tableaux à n-dimensions (ndarray) et les types de données (entier, réel, chaîne de caractères, date et heure) afin de minimiser l’utilisation de la mémoire
  • Manipuler les tableaux à données indexées à une dimension (Serie) et à deux dimensions (DataFrame) afin d’accéder aux fonctionnalités offertes par le module scientifique
  • Maîtriser l’indexation implicite (indiçage par position numérique) afin d’extraire des données et/ou de leur appliquer un traitement
  • Maîtriser l’indexation explicite (indiçage par clé alphanumérique) afin de manipuler plus facilement des données avec des identifiants temporels ou alphanumériques
  • Faire pivoter des données pour obtenir un tableau croisé dynamique
  • Maîtriser les index multiples (multi-index) afin d’accéder plus facilement aux données et/ou de simuler des dimensions supplémentaires
  • Empiler et fusionner des tableaux afin de regrouper des données
  • Transposer des données (inversion ligne / colonne) pour en faciliter l’analyse, ou les préparer en vue de les empiler ou les fusionner
  • Trier des données en fonction des indices ou des valeurs du tableau en vue de les exploiter par ordre alphabétique, par nombre croissant ou décroissant, par date
  • Connaître et utiliser les opérations vectorisées pour gagner en performance
  • Appliquer des fonctions et méthodes sur une ou plusieurs colonnes ou lignes d’un tableau de données afin d’appliquer des traitements mathématiques (nombre, minimum, maximum, moyenne, médiane, centile, écart-type)
  • Utiliser les fonctions universelles selon une dimension
  • Regrouper des données en fonction de la valeur de certaines colonnes pour appliquer un calcul
  • Calculer des moyennes glissantes (lissage des données) en vue de les visualiser
  • Utiliser les règles de broadcasting pour effectuer des calculs 
  • Appliquer une fonction ou une fonction anonyme aux données pour réaliser des analyses spécifiques
  • Choisir le bon module ou paquet de visualisation des données afin de répondre au besoin exprimé
  • Afficher un graphique en 2 dimensions de type y = f(x) à partir d'un jeu de données simple
  • Identifier le bon type de graphique (histogramme, graphique en colonne, diagramme circulaire, boîte à moustaches, carte thermique …) en fonction des données à visualiser afin de générer un graphique pertinent
  • Connaître et utiliser les fonctions et méthodes des tableaux de données indexées afin de générer très facilement des graphiques
  • Générer des graphiques interactifs afin de permettre à l’utilisateur d’interagir avec le graphique (isolation de données, agrandissement d’une zone, variation interactive des données)
  • Concevoir des graphiques contenant plusieurs tracés afin de regrouper des données différentes, de montrer des corrélations ou des différences, ou de synthétiser une représentation des données
  • Intégrer les recommandations d'amélioration de l’accessibilité (via l'ajout de titres, étiquettes, labels et légendes, l'amélioration de la lisibilité des textes, l'épaississement des lignes et des bordures, le choix de couleurs contrastées) afin de générer des graphiques accessibles à une personne en situation de handicap

 

Mentions

En fonction des scores obtenus aux épreuves théorique et pratique, le candidat se voit attribuer, à l’issue de la délibération du jury, une mention indicatrice du degré de maîtrise des modules Python de Data Science :

  • « Junior » : le candidat dispose d’une connaissance basique des modules Python de Data Science ;
  • « Opérationnel » : le candidat sait écrire des programmes utilisant les modules Python de Data Science ;
  • « Expert » : le candidat programme avec aisance et efficacité les modules Python de Data Science ;
  • « Instructeur » : le candidat maîtrise les modules Python de Data Science.

Les mentions « Expert » ou « Instructeur » sont exigées des formateurs dispensant la formation préparant à notre certification, via notre réseau d’organismes de formation partenaires.

 

Modalités d'évaluation

Organisées par l’organisme certificateur, les épreuves de la certification sont composées d’un questionnaire théorique évaluant les connaissances sur les fondamentaux de la collecte, du travail et de l'exploitation des données avec le langage de programmation Python, et d’exercices pratiques évaluant les compétences de programmation du candidat.

A l’aide du logiciel API Cert permettant des captations audio vidéo durant les épreuves d’évaluation, cette certification est intégralement passable à distance et en asynchronie.

Le jury est composé d’un surveillant qui garantit l’identité du candidat et l’absence de fraudes grâce aux captations, d’un professionnel certifié qui corrige les exercices programmés par le candidat sans accéder aux captations afin de préserver l’anonymat des candidats et l’équité de la correction, et d'un président qui attribue ou non la certification selon les comptes rendus du surveillant et du correcteur.

Programme de la formation préparant à cette certification

Programme de la formation préparant à cette certification

Le plan de cours de nos organismes de formation partenaires doit respecter ce programme qui couvre l'intégralité des compétences attestées par la certification.

Le formateur a la liberté pédagogique d'aborder les points du programme dans l'ordre qui lui paraît le plus pertinent, dès lors qu'il traite l'intégralité du programme.

 

Développer en langage Python orienté objet

 

La certification Développer en langage Python orienté objet atteste de la connaissance des fondamentaux de la programmation en langage Python.

Cette certification s'adresse aux développeurs informatiques en tant que compétence complémentaire à leur métier, et aux autres métiers pour lesquels le langage Python est devenu une compétence transversale : analyste de données, biostatisticien, cartographe, océanologue, trader, chercheur ...

Reconnue par France Compétences, la certification Développer en langage Python orienté objet est inscrite au Répertoire Spécifique sous le numéro RS6301.

Cette reconnaissance officielle vous permet de financer la formation et la certification en utilisant votre Compte Personnel de Formation (CPF).

Composée d'une épreuve théorique et d'une épreuve pratique, la certification Développer en langage Python orienté objet atteste que la personne certifiée sait réellement programmer en langage Python.

Thèmes abordés par la certification : généralités, types de données, fichiers, fonctions, modules, paquets, programmation objet, exception, modules courants de la librairie officielle

Notre certification est la seule sur le marché inscrite au répertoire spécifique qui inclut des épreuves pratiques et qui est corrigée par un jury humain.

Liste des organismes de formation habilités par notre société

Vous pouvez également vous inscrire pour passer cette certification en candidat libre. Toutefois, vous ne pourrez pas utiliser votre Compte Personnel de Formation (CPF) pour la financer.

 

Compétences attestées

Cette certification professionnelle atteste que le certifié dispose des compétences suivantes :

  • Maitriser la syntaxe et la sémantique de Python afin d'écrire des programmes fonctionnels
  • Connaître les types de données fondamentaux (nombre, chaîne de caractères, tuple, liste et dictionnaire) et les méthodes associées afin de ne pas ré-écrire des fonctionnalités déjà fournies par Python
  • Choisir le bon type en fonction de l'information à manipuler et du traitement à réaliser afin de traiter efficacement et de manière claire des grands volumes de données
  • Connaître les fonctions intégrées de Python (sort, len, abs, chr, ord ...) afin d'accéder aux fonctionnalités associées
  • Maitriser les structures de contrôle conditionnelles et répétitives afin d'automatiser un traitement de données
  • Utiliser l'imbrication des différentes structures de contrôle en vue d'appliquer un traitement à un jeu de données
  • Créer des fonctions spécifiques utilisant les fonctions et les classes élémentaires génériques fournies par le langage
  • Importer des modules existants et exploiter les fonctions et classes incluses
  • Créer son propre module Python afin d'écrire du code ré-utilisable depuis un autre programme
  • Créer son propre paquet Python afin de structurer plusieurs modules dans une hiérarchie de répertoires et d'espaces de noms
  • Connaître le principe des espaces de noms (global, local, pré-défini) afin de comprendre la portée des variables et de segmenter la mémoire en vue d'écrire des programmes sécurisés
  • Documenter l'utilité et l'usage d'une fonction, d'un module et d'un paquet en vue d'améliorer sa qualité et sa ré-utilisabiilité
  • Lire et écrire un fichier en format texte ou en format binaire afin d'appliquer un traitement sur les données lues ou écrites
  • Connaître les grands principes de la programmation orientée objet (encapsulation, héritage ...) et les notions associées (constructeur, attributs, méthodes ...) en vue de les mettre en oeuvre en Python afin d'écrire des programmes modulaires et évolutifs
  • Définir ses propres classes d'objet en vue de créer des objets correspondants parfaitement aux données manipulées
  • Documenter une classe et ses méthodes en vue d'améliorer sa qualité et sa ré-utilisabiilité
  • Intercepter une exception (erreur) qui s'est produite en vue de la gérer pour que le programme continue de fonctionner normalement
  • Lever une exception afin de remonter une erreur via le mécanisme de propagation des exceptions et pouvoir ainsi la gérer à un endroit différent du programme
  • Interagir avec l'interpréteur Python ou avec le système de fichiers (modules sys, os, os.path)
  • Ecrire des expressions rationnelles (expressions régulières) afin de réaliser des recherches de correspondances, des remplacements, des extractions très sophistiquées sur les chaînes de caractères
  • Transposer en langage Python un algorithme décrit dans un cahier des charges afin de mettre en oeuvre le besoin exprimé
  • Mettre en oeuvre les bonnes structures de données et écrire les fonctions adéquates pour concevoir des algorithmes d'une certaine complexité
  • Choisir les modules Python pertinents et savoir en mesurer les performances pour écrire des programmes manipulant rapidement de grands volumes de données
  • Respecter les règles de nommage Python décrites dans le PEP0008 et savoir utiliser un analyse syntaxique de code afin d'écrire des programmes de qualité lisibles par d'autres développeurs
  • Identifier le code pertinent à tester et écrire des tests unitaires afin de réaliser des programmes stables et durables

 

Mentions

En fonction des scores obtenus aux épreuves théorique et pratique, le candidat se voit attribuer, à l’issue de la délibération du jury, une mention indicatrice du degré de maîtrise des fondamentaux du langage Python :

  • « Junior » : le candidat dispose d’une connaissance basique des fondamentaux du langage Python ;
  • « Opérationnel » : le candidat sait programmer en langage Python orienté objet ;
  • « Expert » : le candidat programme avec aisance et efficacité ;
  • « Instructeur » : le candidat excelle en programmation Python.

Les mentions « Expert » ou « Instructeur » sont exigées des formateurs dispensant la formation préparant à notre certification, via notre réseau d’organismes de formation partenaires.

 

Modalités d'évaluation

Organisées par l’organisme certificateur, les épreuves de la certification sont composées d’un questionnaire théorique évaluant les connaissances sur les fondamentaux du langage Python, et d’exercices pratiques évaluant les compétences de programmation du candidat.

A l’aide du logiciel API Cert permettant des captations audio vidéo durant les épreuves d’évaluation, cette certification est intégralement passable à distance et en asynchronie.

Le jury est composé d’un surveillant qui garantit l’identité du candidat et l’absence de fraudes grâce aux captations, d’un professionnel développeur certifié qui corrige les exercices programmés par le candidat sans accéder aux captations afin de préserver l’anonymat des candidats et l’équité de la correction, et d'un président qui attribue ou non la certification selon les comptes rendus du surveillant et du correcteur.

Programme de la formation préparant à cette certification

Programme de la formation préparant à cette certification

Le plan de cours de nos organismes de formation partenaires doit respecter ce programme qui couvre l'intégralité des compétences attestées par la certification.

Le formateur a la liberté pédagogique d'aborder les points du programme dans l'ordre qui lui paraît le plus pertinent, dès lors qu'il traite l'intégralité du programme.