# RS6763 - Manipuler, analyser et visualiser des données grâce aux modules Python de Data Science **Code:** RS6763 **État:** Publiée ## L'essentiel - **Codes NSF:** 110, 313, 326 - **FormaCodes:** 31025, 30812, 31026, 31035 - **Date d'échéance de l'enregistrement:** 01-10-2026 - **Date d'enregistrement:** 01-10-2024 - **Type d'enregistrement:** Enregistrement sur demande ## Certificateur(s) - API SOCIETY - SIRET: 83381699400010 ## Partenaires habilités 39 organismes habilités, d'après la liste publiée par France compétences : 39 à former. - AXIO FORMATION — SIRET 89250203000026 - Habilitation : Former - DATAGONG — SIRET 91314205500015 - Habilitation : Former - DKFORMATIONS — SIRET 94006274800014 - Habilitation : Former - DRS SCHOOL — SIRET 85398915000018 - Habilitation : Former - ECOLE ADR TECH — SIRET 98382199200010 - Habilitation : Former - JEDHA — SIRET 83872651100044 - Habilitation : Former - MAKINA SAPIENS — SIRET 82286963200031 - Habilitation : Former - NATHANIEL BENCHIMOL — SIRET 52349020900039 - Habilitation : Former - NUMGRADE — SIRET 84336226000013 - Habilitation : Former - ORSYS — SIRET 48276116000019 - Habilitation : Former Liste complète des 39 partenaires habilités : https://data.aktaconseil.fr/certifications/rs6763-manipuler-analyser-et-visualiser-des-donnees-grace-aux-modules-python-de-data-science/partenaires ## Résumé de la certification ### Objectifs et contexte de la certification 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 ## Voies d'accès ### Prérequis à l'entrée en formation 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 décision:** 01-10-2024 - **Durée de l'enregistrement (années):** 2 - **Date d'échéance de l'enregistrement:** 01-10-2026 - **Date de dernière délivrance possible:** 01-04-2027 ## Pour plus d'informations **Fiche officielle (France Compétences) :** https://www.francecompetences.fr/recherche/rs/6763/ ## Entrées et sorties de formation Tous organismes confondus — Caisse des Dépôts (open data), 09/2025 – 09/2026. - **Entrées en formation:** 75 - **Parcours menés à terme:** 58 - **Taux d'achèvement:** 77 % | Période | Entrées | Sorties totales | Sorties partielles | |---|---|---|---| | 09/2025 | 1 | 1 | 0 | | 01/2026 | 2 | 0 | 0 | | 02/2026 | 3 | 0 | 0 | | 03/2026 | 3 | 2 | 0 | | 04/2026 | 14 | 6 | 1 | | 05/2026 | 7 | 12 | 0 | | 06/2026 | 21 | 13 | 0 | | 07/2026 | 9 | 14 | 1 | | 08/2026 | 2 | 8 | 0 | | 09/2026 | 13 | 2 | 0 | ## Demande CPF — formations engagées Tous organismes confondus — Caisse des Dépôts (open data), 07/2025 – 09/2026. - **Dossiers CPF engagés:** 94 - **Montant total engagé:** 155 268 € - **Coût moyen par dossier:** 1 652 € - **Durée moyenne:** 91 h Financement (part du montant engagé) : - France compétences : 86 % - Reste à charge titulaire : 11 % - Entreprise : 2 % - OPCO : 1 % - France Travail : 1 % - Compte d'engagement citoyen : 0 % --- *Généré le 09/10/2026 à 19:21*