Destiné aux développeurs, aux étudiants en data science et aux professionnels qui souhaitent maîtriser Python dans un cadre analytique, cet ouvrage propose une progression claire, des fondamentaux du langage jusqu’aux principales méthodes statistiques utilisées en analyse de données.
[...]
Chaque notion est expliquée pas à pas puis mise en œuvre en Python sur des cas concrets, notamment en finance d’entreprise. Structuré en trois grandes parties, le livre commence par les fondations en programmation et en manipulation de données : installation de l’environnement, syntaxe Python, fonctions, structures de données, puis manipulation de tableaux et de DataFrame avec NumPy et Pandas. Il montre ensuite comment charger, nettoyer, filtrer, fusionner et restructurer des jeux de données réels avec méthode. Ces bases techniques servent de socle à la deuxième partie, conçue comme un fil rouge statistique. L’auteur y propose une approche statistique complète : statistique descriptive, visualisation des données, probabilités, lois usuelles, échantillonnage, théorème central limite, intervalles de confiance et tests d’hypothèses. Enfin, la troisième partie se consacre aux modèles prédictifs et aux techniques analytiques avancées, intégrant la régression linéaire simple et multiple, permettant d'expliquer et de prédire des variables, la simulation de Monte Carlo et l’analyse en composantes principales, avec une attention constante portée à l’interprétation des résultats. Résolument pratique, ce livre donne au lecteur les outils pour programmer, analyser, modéliser et exploiter ses données avec rigueur. (4e de couverture)
_2.jpg)
