RS6763
Inactive
· Répertoire spécifique
Manipuler, analyser et visualiser des données grâce aux modules Python de Data Science
Certificateur · API SOCIETY
L'essentiel
Nomenclature du niveau de qualification
Répertoire spécifique
Code(s) NSF
Formacode(s)
Date d'échéance de l'enregistrement
01-10-2026
Certificateur(s)
Nom légalSIRETSite
Partenaires habilités
39 organismes habilités, d'après la liste publiée par France compétences : 39 à former.
OrganismeSIRETHabilitation
AXIO FORMATION
89250203000026
Former
DATAGONG
91314205500015
Former
DKFORMATIONS
94006274800014
Former
DRS SCHOOL
85398915000018
Former
ECOLE ADR TECH
98382199200010
Former
JEDHA
83872651100044
Former
MAKINA SAPIENS
82286963200031
Former
NATHANIEL BENCHIMOL
52349020900039
Former
NUMGRADE
84336226000013
Former
ORSYS
48276116000019
Former
Voir les 39 partenaires habilités →
Résumé de la certification
Objectifs et contexte
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.
Compétences attestées
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
Maîtriser 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 temporelles ou utilisant un identifiant alphanumérique
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 colonne 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 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, mise en évidence)
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
Voie d'accès à la certification
Prérequis à l'entrée
Connaître les fondamentaux de la programmation en langage Python
Prérequis à la validation
Avoir acquis les fondamentaux des modules Python de Data Science suite à une formation continue ou à un apprentissage autodidacte
Composition du jury — Formation continue, Candidature individuelle, VAE
Le jury est composé d'un surveillant (extérieur à l'organisme certificateur) vérifiant l'identité du candidat et s'assurant de l'absence de fraudes durant les épreuves théorique et pratique, d'un professionnel de la Data Science en langage Python (extérieur à l'organisme certificateur) corrigeant les exercices réalisés par le candidat durant l'épreuve pratique et relisant les réponses du candidat à l'épreuve théorique, et d'un président (salarié de l'organisme certificateur ou extérieur) harmonisant les résultats des deux épreuves selon les comptes-rendus du surveillant et du professionnel.
Base légale
Date de décision01-10-2024
Durée de l'enregistrement2 ans
Date d'échéance01-10-2026
Dernière délivrance possible01-04-2027
Pour plus d'informations · Statistiques
Entrées et sorties de formation
75
entrées en formation
58
parcours menés à terme
77 %
taux d'achèvement
Entrées et sorties de formation — Caisse des Dépôts (open data), tous organismes confondus.
Demande CPF — formations engagées
83
dossiers CPF engagés
137 968 €
montant total engagé
1 662 €
coût moyen par dossier
90 h
durée moyenne
Qui finance ces dossiers (part du montant engagé)
Formations engagées via le CPF — Caisse des Dépôts (open data), tous organismes confondus.