Data Science avec Python
December 21, 2025 · View on GitHub
Lino Galiana • Data scientist, Insee (Institut national de la statistique et des études économiques)
Cours enseigné dans deux grandes écoles françaises d’ingénieurs (ENSAE et ENSAI) et disponible en autonomie (self-paced learning).
À propos
Ce dépôt héberge les sources de Python pour la data science, un cours orienté pratique conçu pour accompagner les étudiantes et étudiants depuis leurs premiers pas avec
Python jusqu’à des workflows concrets de data science.
Il est enseigné en 2e année (Master 1) dans deux écoles d’ingénieurs françaises :
- ENSAE depuis 2021
- ENSAI à partir de 2026
Le support combine explications, exemples et exercices, avec une attention particulière portée à la reproductibilité et à l’usage de jeux de données réels.
L’ensemble des chapitres (notes, exemples et exercices disponibles en notebooks Jupyter) est accessible sur https://pythonds.linogaliana.fr/.
📌 Licence et citation
Ce cours est diffusé sous licence Creative Commons CC BY-NC-SA .
Si vous utilisez ce support, merci de le citer :
Galiana, Lino. 2025. Python pour la data science. https://doi.org/10.5281/zenodo.8229676
@book{galiana2025,
author = {Galiana, Lino},
title = {Python pour la data science},
date = {2025},
url = {https://pythonds.linogaliana.fr/},
doi = {10.5281/zenodo.8229676},
langid = {fr}
}
🎨 Galerie
Quelques exemples de figures produites pendant le cours (cliquer pour ouvrir le site du cours) :
📖 Contenu du cours
Ce cours s’adresse à la fois aux débutants et aux personnes plus avancées.
Le plan ci-dessous est entièrement cliquable et repliable.
1. Bien démarrer : pourquoi Python pour la data science ?
🔗 https://pythonds.linogaliana.fr/fr/content/getting-started/
- Mettre en place un environnement Python fonctionnel pour la data science
- Prendre en main un jeu de données
- Les bases de Python
2. Manipulation des données
🔗 https://pythonds.linogaliana.fr/fr/content/manipulation/
- Numpy, la fondation de la data science
- Introduction à Pandas
- Manipuler des données avec Pandas
- Données spatiales avec GeoPandas
- Webscraping avec Python
- Récupérer des données via des API
- Maîtriser les expressions régulières
- Importer des données depuis Parquet et S3
3. Visualisation et communication
🔗 https://pythonds.linogaliana.fr/fr/content/visualisation/
- Construire des graphiques avec Python
- Introduction à la cartographie
4. Modélisation
🔗 https://pythonds.linogaliana.fr/fr/content/modelisation/
- Pourquoi le prétraitement est crucial
- Évaluer la qualité d’un modèle
- Introduction à la classification
- Introduction à la régression
- Sélection de variables (feature selection)
- Clustering
5. Traitement automatique du langage (NLP)
🔗 https://pythonds.linogaliana.fr/fr/content/nlp/
- Nettoyer et structurer des textes
- Approche sac-de-mots (bag-of-words)
- Plongements de texte (embeddings)
🔗 Ressources
Le contenu du cours s’appuie largement sur des données ouvertes, notamment des jeux de données français (provenant de data.gouv et de l’Insee) ainsi que des jeux de données américains.
Cours complémentaire avec Romain Avouac (@avouacr) :
https://ensae-reproductibilite.github.io/website/
🚀 Accéder au cours via des notebooks Jupyter
Tip
Exécutez les exemples instantanément sur SSP Cloud ou Google Colab. Voici un exemple pour le chapitre Pandas :
🤝 Contribuer
Les contributions sont les bienvenues !











