Objectifs.md

+Objectifs du cours « Python scientifique» 
+
+Mercredi 20 septembre 2023 
+
+François Laurent, Bertrand Néron, Vincent Guillemot, Étienne Kornobis 
+
+Objectifs 
+
+    Savoir importer des données dans un environnement Python 
+
+    Savoir appliquer des méthodes univariées : t-test, régression linéaire, ANOVA, test du Chi-deux d’indépendance ou de comparaison des proportions, tests non paramétriques 
+
+    Savoir appliquer des méthodes multivariées : ACP, classification ascendante hiérarchique, distances 
+
+    Savoir visualiser des données et des résultats d’analyse 
+
+    Savoir réaliser un rapport d’analyse statistique avec Jupyter 
+
+Objectifs supplémentaires 
+
+Connaître les concepts clefs du Machine Learning : apprentissage, test, biais, classification, validation croisée, scoring. Savoir construire un pipeline de Machine Learning avec scikitlearn. 
+
+Prérequis 
+
+    Maîtriser la manipulation de chemins d’accès aux fichiers 
+
+    Savoir faire une boucle et des boucles imbriquées 
+
+    Comprendre la notion de classe et d’objet en Python, et savoir utiliser des objets 
+
+    Avoir des connaissances de base en statistique 
+
+    Être familier avec les environnements virtuels 
+
+ 
+
+ 
+
+ 
+
+ 
+
+ 
+
+ 
+
+ 
+
+ 
+
+ 
+
+ 
+
+Course Objectives for "Scientific Python" 
+
+Wednesday, September 20, 2023 
+
+François Laurent, Bertrand Néron, Vincent Guillemot, Étienne Kornobis 
+
+Objectives: 
+
+    Know how to import data into a Python environment. 
+
+    Understand and apply univariate methods: t-test, linear regression, ANOVA, Chi-square test of independence or comparison of proportions, non-parametric tests. 
+
+    Understand and apply multivariate methods: PCA (Principal Component Analysis), hierarchical clustering, distances. 
+
+    Know how to visualize data and analysis results. 
+
+    Know how to create a statistical analysis report using Jupyter. 
+
+Additional Objectives: 
+
+    Understand key concepts of Machine Learning: learning, testing, bias, classification, cross-validation, scoring. Know how to build a Machine Learning pipeline with scikit-learn. 
+
+Prerequisites: 
+
+    Proficiency in manipulating file paths. 
+
+    Ability to create loops and nested loops. 
+
+    Understanding the concept of class and object in Python, and ability to use objects. 
+
+    Basic knowledge of statistics. 
+
+    Familiarity with virtual environments. 
+
+ 
\ No newline at end of file