Ce module se concentre sur les fonctionnalités de base du langage de programmation Python qui sous-tendent la plupart des programmes (ou scripts) d'analyse de données. Tout d'abord, vous apprendrez pourquoi les étudiants en comptabilité devraient apprendre à écrire des programmes informatiques. Dans la première leçon, vous apprendrez également les concepts de base du langage de programmation Python, notamment comment créer des variables, des types de données de base et des opérateurs mathématiques, et comment documenter vos programmes à l'aide de commentaires. Ensuite, vous découvrirez les opérateurs booléens et logiques en Python et la manière dont ils peuvent être utilisés pour contrôler le flux d'un programme Python à l'aide d'instructions conditionnelles. Enfin, vous découvrirez les fonctions et la manière dont elles peuvent simplifier le développement et la maintenance des programmes. Vous apprendrez également à créer et à appeler des fonctions en Python.

Dans ce module, vous apprendrez à travailler avec les structures de données fondamentales en Python : chaînes de caractères, tuples, listes et dictionnaires. Vous apprendrez également à écrire des boucles pour effectuer des tâches répétitives.

Dans ce module, vous apprendrez à créer et à utiliser des modules, c'est-à-dire un groupe de fonctions. Vous découvrirez ensuite deux des modules les plus importants pour l'analyse de données : NumPy et Pandas. NumPy effectue des calculs numériques sur de grands tableaux de données. Pandas simplifie les procédures de travail avec les données de panel, également connues sous le nom de dataframes.

Ce module se concentre sur l'utilisation des dataframes Pandas pour effectuer certaines tâches fondamentales liées aux dataframes, notamment l'enregistrement et la lecture des dataframes, les fonctions de tableau croisé dynamique, les fonctions de filtrage et le calcul de statistiques descriptives

Dans ce module, vous apprendrez quelques éléments de base pour créer des visualisations de données en Python. Vous apprendrez ensuite à utiliser les modules Matplotlib et Seaborn pour vous aider à créer certaines des visualisations de données unidimensionnelles et bidimensionnelles les plus couramment utilisées.

Dans ce module, vous découvrirez le cadre décisionnel CRISP pour aborder les problèmes du monde réel. Vous apprendrez également à utiliser la régression linéaire pour trouver et quantifier les relations.

Ce module se concentre sur les systèmes de gestion de bases de données relationnelles (SGBDR) et sur la manière d'interagir avec eux en utilisant Python.