Rappel sur les concepts Objets en Python: notions avancées

• Notion d’objet, de classe
• Encapsulation dans Python
• Les décorateurs
• L’essentiel de PEP8
• Erreurs et Exceptions
• Atelier pratique: créer les premières classes Python

Relation entre objets – classes – Python – notions avancées

• Héritage dans Python
• Association
• Atelier pratique: créer des classes et les mettre en relation

Concepts indispensables de Python

• Fonction avec args* et kwargs**
• Expression lambda dans Python
• Fonctions: map, reducer, filter
• Les compréhensions
• Itérateurs, générateurs dans Python

Gestion des erreurs / Exception dans Python

• Connaitre les erreurs
• Lever des exceptions dans Python
• Gestion avec try/except
• Les assertions

Introduction Sciences des données / IA

• Numpy
• Apprentissage automatique

OpenAI pour les développeurs

Comprendre l’Intelligence Artificielle
Comprendre la notion de modèle
Configuration du projet et création d’une clé API

Utilisation des requêtes avec OpenAI

Interaction avec la machine en utilisant l’API ChaGPT
Génération d’images avec l’IA Génératrice et les modèles DALL-E
Donner des instructions à l’IA pour générer des images

Compréhension de ChatGPT

Analyse et explication de code avec ChatGPT
Génération de code avec l’aide de ChatGPT
Introduction au Fine-tuning

Conclusion sur le cours Python et OpenAI pour les développeurs

Python c’est quoi ? 

Python est un langage de programmation populaire et polyvalent, connu pour sa facilité de lecture, d’écriture et d’apprentissage. 

À la différence d’HTML, CSS ou JavaScript, Python n’est pas limité à l’utilisation dans le développement web. Il peut être employé pour différents types de programmation et de développement logiciel

Les avantages de Python : 

• Facilité d’apprentissage : Python est un langage de programmation facile à apprendre et à comprendre, avec une syntaxe simple qui facilite la lecture et l’écriture du code.
• Large communauté de développeurs : Python est l’un des langages de programmation les plus populaires au monde, avec une grande communauté de développeurs actifs qui partagent des connaissances et des ressources en ligne.
• Bibliothèques et frameworks : Python dispose d’une grande variété de bibliothèques et de frameworks qui peuvent être utilisés pour développer des applications web, des applications de traitement de données et des projets de machine learning.
• Portabilité : Python est un langage de programmation portable, ce qui signifie que le code écrit en Python peut être exécuté sur de nombreuses plateformes, y compris les systèmes d’exploitation Windows, Mac et Linux.
• Polyvalence : Python est un langage de programmation polyvalent, qui peut être utilisé pour développer une grande variété d’applications, allant des scripts simples aux applications web complexes en passant par les projets de machine learning.
• Grande popularité auprès des entreprises et des universités : Python est largement utilisé par de nombreuses entreprises et institutions, ce qui rend les compétences en Python très précieuses sur le marché du travail.

À quoi sert Python dans le développement Web ? 

Python est un langage de programmation polyvalent qui peut appliqué dans de nombreux domaines différents.

• Applications de machine learning : Python permet d’implémenter des algorithmes de machine learning pour effectuer des tâches telles que la reconnaissance faciale, la reconnaissance de l’écriture manuscrite et l’exploration de données.
• Analyse et visualisation de données : La partie la plus cruciale de toute entreprise est l’extraction et l’analyse de données. Python offre des bibliothèques et des outils pour extraire les préférences, les goûts et les aversions des utilisateurs. Il y a également des outils statistiques et graphiques qui permettent de visualiser et d’analyser les données pour générer des bénéfices.
• Prototypage rapide : Python est idéal pour la création de prototypes d’application. Les programmeurs s’en servent pour présenter les fonctionnalités de base aux clients avant de coder l’application entière.
• Calcul de données volumineuses : Python permet d’extraire de grandes quantités de données à partir de différentes pages Web sur Internet.
• Recherche et développement : Python est utilisé pour la recherche scientifique et l’informatique grâce à ses nombreuses bibliothèques telles que AstroPY et BioPython. 
• Caractéristiques de l’intelligence artificiel : L’intelligence artificielle est un domaine qui implique une recherche massive. 
• Python à travers ses bibliothèques, ses outils visuels, sa simplicité et sa cohérence représente un avantage considérable par apport aux autres langages.
  La possibilité d’intégrer des Chatbots, la sécurité biométrique, des recommandations personnalisées et même un agent vocal comme Siri ou Alexa fait la différence.
• Data Science : La compétence la plus importante pour les data scientists travaillant dans le domaine de la Data Science est Python. La manipulation de vastes ensembles de données est un impératif dans ce domaine. Heureusement, grâce à l’intégration de Python, il est possible de travailler avec des bases de données déjà existantes.
• Le secteur financier : Python est beaucoup utilisé dans le secteur financier, non seulement par les sociétés FinTech, mais aussi par d’autres entreprises. Grâce à la flexibilité de Python, il est possible de concevoir des applications d’entreprise qui s’intègrent facilement à des systèmes existants tels que des bases de données, des sites Web ou des applications non Web.
• Développement de startups : Python est un choix idéal pour les startups et les petites entreprises en raison de son évolutivité. Les avantages tels que l’évolutivité élevée, les prototypes rapides, le développement rapide de produits minimum viables (MVP) et la rentabilité contribuent à faire de Python un choix privilégié pour ces entreprises.

Les bases de Python

Python est un langage de programmation à la syntaxe simple, ce qui le rend facile à lire et à écrire. 

Voici quelques-unes des principales caractéristiques de la syntaxe Python:

• Variables: pour déclarer une variable en Python, il vous suffit d’écrire le nom de la variable suivi du signe égal et de la valeur que vous souhaitez lui affecter. 

• Structures de contrôle: Python utilise des structures de contrôle telles que les boucles for et while, ainsi que les instructions conditionnelles if, elif et else. 

• Fonctions: les fonctions sont définies en utilisant le mot-clé def, suivi du nom de la fonction et de la liste des paramètres entre parenthèses. Les instructions de la fonction doivent être indentées. 

Environnement de développement

Pour commencer à travailler avec Python, vous devez installer l’interpréteur Python sur votre ordinateur. Vous pouvez télécharger l’interpréteur Python à partir du site officiel: Python.org

En ce qui concerne les environnements de développement, vous pouvez choisir un éditeur de texte simple comme Sublime Text ou Visual Studio Code, ou un IDE dédié comme PyCharm.

Ressources pour apprendre Python

Des formations proposées par Doussou Formation offrent des cours adaptés à différents niveaux.

Nous formations Python

En clair, Python est un langage de programmation puissant et polyvalent, idéal pour les débutants et les développeurs chevronnés. Avec sa syntaxe simple, sa grande communauté d’utilisateurs et sa polyvalence, Python est le choix parfait pour ceux qui cherchent à se lancer dans le monde de la programmation ou à approfondir leurs compétences. Il ne fait aucun doute que l’apprentissage de Python sera un atout précieux pour votre carrière et vos projets personnels.

Introduction à la formation Python et science des données – Bloc 1

• Les types de variables (entier, décimal, booléen, etc.) et les opérateurs de base;
• Les structures de données (liste, tuple, dictionnaire, etc.);
• Les contrôles de flux (if-else, try-except-finally);
• Les boucles (for, while);
• Les combinaisons contrôle-boucle;
• Les fonctions et méthodes ( fonction(objet) et objet.méthode() );
• L’importation de modules externes pour accéder à plus de fonctions-méthodes;
• La syntaxe et les bonnes pratiques.

Introduction à Python – Bloc 2

• Gérer les modules;
• Administrer le système d’exploitation;
• Tirer des donnée du web (web scraping);
• Rectifier les données avec le module regex;
• Intégrer le temps avec le module datetime.

Initation à la science des données

• Jupyter Notebook, Spyder et les autres;
• Introduction à Numpy;
• Introduction à Pandas – Objet Series;
• Introduction à Pandas – Objet DataFrame;
• • Extra: Introduction à Pandas – Instructions;
  • Extra: Tidy Data;
• Groupby et agrégations;
• Cueillette de données avec API Web et analyse;
• Visualisation graphique;
• • Extra: Visualisation cartographique.

Introduction à la formation Python : finance et séries chronologiques

Module 1: Introduction à Python pour la Finance

• Présentation de Python en tant qu’outil de programmation pour la finance.
• Installer et configurer l’environnement Python avec les librairies financières.
• Manipuler les données financières, les types de données et les opérations de base.

Module 2: Analyse de données financières avec Pandas

• Introduction à la librairie Pandas pour l’analyse de données.
• Charger des données financières à partir de différentes sources (fichiers CSV, bases de données, etc.).
• Nettoyer et prétraiter les données pour une analyse approfondie.
• Effectuer des opérations de groupement, filtrage, et des calculs statistiques sur les séries chronologiques.

Module 3: Visualisation de données financières avec Matplotlib et Seaborn

• Introduction à Matplotlib et Seaborn pour la visualisation de données.
• Créer des graphiques tels que les courbes de prix, les histogrammes de rendements, et les graphiques en chandeliers.
• Personnaliser les graphiques pour une présentation visuelle efficace des données financières.

Module 4: Analyse de séries chronologiques financières

• Comprendre les concepts clés des séries chronologiques financières (volatilité, tendances, saisonnalité, etc.).
• Appliquer des modèles de séries chronologiques tels que la moyenne mobile, l’autorégression (AR), la moyenne mobile autorégressive (ARMA) et la moyenne mobile intégrée autorégressive (ARIMA).
• Évaluer et interpréter les performances des modèles.

Module 5: Prédiction des prix financiers avec les modèles de Machine Learning

• Introduction aux concepts de base de l’apprentissage automatique et de la régression.
• Utilisation de bibliothèques de Machine Learning telles que Scikit-Learn pour prédire les prix financiers.
• Comparaison des performances des modèles de régression pour des prédictions précises.

Module 6: Applications pratiques en Finance avec Python

• Appliquer les compétences acquises pour résoudre des problèmes financiers concrets.
• Créer des stratégies d’investissement basées sur l’analyse de séries chronologiques financières.
• Mettre en œuvre des analyses de risque et de portefeuille pour la prise de décisions éclairées.

Introduction à la formation Django

Rappel rapide sur les concepts avancés en Python

Fonction lambda
Fonctions avec arguments multiples: *arg, **kwargs
Notions d’objets, classes
Notions de packages, importation
Gestion des exceptions.

Introduction au framework Django

Présentation de Django
Présentation de l’architecture MVT
Qu’est ce qu’un projet
Qu’est qu’une application ?

Atelier pratique: créer un projet
Atelier pratique: créer une application

Prise en main de Django

Créer des vues
Créer des routes
Passer des données à la vue
Redirection
Créer une url dans le template
Utiliser les expressions régulières dans le routing
Différence entre url et path

Le langage de gabarit de Django

Variables
Filtres
Commentaires
Les conditions
Les boucles
Créer un layout(héritage de template)
ajouter des fichiers statiques

Modèle

Introduction à la modélisation
Les champs de modèles
Les liaisons entre modèles
Réaliser des requêtes
Les modèles dans les vues

L’administration

Mettre en place l’administration
Manipuler nos propres modèles

Les formulaires

Créer un formulaire
Utiliser le formulaire dans la vue
Traitement des données envoyées

Notions avancées:

Les vues génériques
Filtres et tags personnalisés
Context processor

Introduction à la formation Python avancée

L’Orienté Objet en Python: notions avancées

• Objet, classes
• Encapsulation dans Python
• Les méthodes magiques – surcharges dans Python
• Les décorateurs
• L’essentiel de PEP8
• Atelier pratique: créer les premières classes Python

Relation entre objets – classes – Python – notions avancées

• Héritage dans Python
• Héritage multiple dans Python
• Agrégation
• Composition
• Erreurs et Exceptions
• Atelier pratique: créer des classes et les mettre en relation

Concepts utiles de Python

• Fonction à arguments variables
• Formatage
• Créer un décorateur personnalisé
• Expression lambda dans Python
• Fonctions: map, reducer, filter
• Les compréhensions
• Itérateurs, générateurs dans Python

Gestion des erreurs / Exception dans Python

• Connaitre les erreurs
• Lever des exceptions dans Python
• Gestion avec try/except
• Les assertions

Tests unitaires avec Pytest (module Python)

• Découvrir les doctests
• Tester une fonction
• Tester une exception
• Les Fixtures
• Atelier pratique: Multiples exemples

Threading dans Python

• Fonctionnement
• Thread, processus
• L’utilisation dans Python

Introduction Sciences des données / IA

• Numpy
• Apprentissage automatique

Introduction à la formation Python

Module 1 : Syntaxe de Python

Introduction à la formation Python
Types et affectation
Calculs, opérations
Les commentaires en python
Les entrées/sorties
Instructions pass, while, for
Fonction range
Chaînes de caractères
Fonctions et Fonctions prédéfinies
Les fichiers-ouvrir un fichier
Les fichiers-Lire/écrire un fichier
Atelier pratique: Multiples exemples

Module 2 : Gestion des erreurs / Exception

Connaitre les erreurs
Lever des exceptions
Gestion avec try/except

Module 3 : Maîtriser les structures de données

Les Listes
Les dictionnaires
Les tuples
Utiliser les slices
La fonction enumerate()
La méthode items()
Atelier pratique: Liste en tant que pile, Liste en tant que file

Module 4 : Modules et Packages

Modules standard
Création d’un module
Importer un module
Créer un Package
Atelier pratique: Ecrire et tester un module

Module 5 : Les bases de l’objet en Python

Notion d’objet
Notion de classe
Créer une première classe
Encapsulation
Les méthodes spéciales
Fonction à arguments variables
Erreurs et Exceptions
Atelier pratique: création des classes et mises en relation

Module 6 : Base de données

Installer un driver
Insérer, supprimer, modifier les données en base de données
Atelier pratique: Créer une base de données et gérer des données

Module 1: Introduction à l’Intelligence Artificielle

• Survol et présentation avec Q/R (1h30)
• Définition et évolution de l’IA :
  • Terminologie et évolution
  • Des premiers algorithmes aux réseaux de neurones
  • Apprentissage profond et IA générative
  • IA faible, générale et supérieure
  • Exemples d’applications dans divers domaines
• Facteurs qui soutiennent l’IA :
  • Structures algorithmiques et heuristiques
  • Aspects matériels (CPU, GPU, TPU)
  • Langages (R, Python, C++, Rust, Mojo)
  • Logiciels et cadriciels
• Aperçu du Machine Learning :
  • Principales catégories de modèles
  • Apprentissage supervisé et non supervisé
  • Applications et domaines d’utilisation
• Aperçu du Deep Learning :
  • Différences avec le Machine Learning
  • Concepts et modèles
  • Applications et domaines d’utilisation
• Particularités du traitement du langage naturel
• Aperçu de l’IA générative :
  • Modèles de langage, image et multimodaux
  • Applications et produits sur le marché
  • Exemple : Google Gemini
• Problèmes et dangers :
  • Éthique et biais
  • Vie privée et impact environnemental
  • Risque de dystopies

Module 2: Démonstration de l’Intelligence Artificielle

• Survol et présentation avec Q/R (1h30)
• DevOps et pipelines IA :
  • Prétraitement des données
  • Entraînement et optimisation
  • Déploiement
• Machine Learning en pratique :
  • Démonstration avec Scikit-Learn
  • Approche conviviale avec PyCaret
  • Note: Codes sources avec Google Colab
• Deep Learning en pratique :
  • Démonstration avec Numpy
  • Utilisation de PyTorch
  • Note: Codes sources avec Google Colab
• IA générative :
  • Exploration des grands modèles de langage et multimodaux
  • Affinage et agents autonomes
  • Note: Pratique dans le module suivant avec Google Gemini

Module 3: Utilisation de Google Gemini

• Expérimentation avec Google Colab (3h30)
• Avec le chatbox :
  • Formulation des invites simples
  • Conseils pour les invites Python et autres
• Avec l’API Python :
  • Conception d’invites avancées
  • Optimisation de code et tests unitaires
• Avec le Studio :
  • Fine tuning et Retrieval-Augmented Generation
  • Construction d’un agent autonome
  • Projets expérimentaux avec Python et autres

Suite à cette formation avec OpenAI

Formation OpenAI pour les développeurs

Description de l’entreprise :

Doussou Formation est un organisme privé de formation continue en informatique assurant des prestations de développement et de la formation sur divers thèmes (PHP/MySQL,.NET, Python Java/JEE, JavaScript, logiciels Adobe, Unity 3D , ..) .
Nous intervenons dans nos locaux à Montréal, Québec, Gatineau ou en privée chez nos clients.

Description du poste :

Tâches d’intégration et design graphique.
Autres taches en fonction de votre profil.

Durée du mandat :

Ce mandat doit commencer dès que possible, 35 heures par semaine sur une durée de 6 mois. Ce mandat peut mener à un emploi à temps plein ou temps partiel.

Taux horaire :

Concurrentiel dans le marché

Exigences nécessaires :

Détenir un diplôme en Design graphique.
Bonne connaissance des logiciels de la suite Adobe (PhotoShop, Illustrator, InDesign, Adobe XD).

Seront considérés comme des atouts :

avoir une expérience en enseignement.
Connaissance de After Effect, Premiere Pro, Suite Office.

Qualités personnelles recherchées :

Mobilité.
Autonome et rigoureux.

Veuillez envoyer votre CV à candidature@doussou-formation.com SVP, merci!