⚠ 🚧 Ce site est en construction 🚧
Structuration du site
Ce site web rend public le contenu du cours de deuxième année (Master 1) de l’ENSAE: Python pour les data-scientists et économistes 🐍.
Le cours est structuré sous la forme du présent site web et de notebooks jupyter proposant des exercices plus approfondis. L’ensemble des codes sources est stocké sous github à cette adresse.
Sur l’ensemble du site web,
il est possible de cliquer sur la petite icone
pour être redirigé vers le dépôt. Pour visualiser sous une forme plus
ergonomique les notebooks (fichiers .ipynb)
que ne le permet ce site web, vous trouverez
parfois des liens
Des environnements temporaires d’exécution des notebooks sont proposés
avec les icones suivantes
Vous pouvez naviguer dans l’architecture du site via la table des matières ou par les liens vers le contenu antérieur ou postérieur à la fin de chaque page.
Objectif du cours
Le but de ce cours est de rendre autonome sur l’utilisation de Python
dans un contexte de travail de data scientist ou de
social scientist (économie, sociologie, géographie…). Autrement dit,
il présuppose qu’on désire faire un usage intense
de données dans un cadre statistique rigoureux.
Nous partirons de l’hypothèse que les notions de statistiques et d'économétrie
pour lesquels nous verrons des applications informatiques sont connues.
La facilité avec laquelle il est possible de construire des modèles complexes
avec Python peut laisser apparaître que cet a priori est inutile. Il
s’agit d’une grave erreur: même si l’implémentation de modèles est aisée, il
est nécessaire de bien comprendre la structure des données et leur adéquation
avec les hypothèses d’un modèle.
Les éléments relatifs à l'évaluation du cours sont disponibles dans la Section Evaluation