Ressources pédagogiques#
À propos de ces ressources
Cette page recense des ressources pédagogiques libres pour découvrir la programmation, le calcul et le traitement de données avec Jupyter, Python, C++, etc. Pour une bonne part, ce sont des supports de cours de formations de licence la Faculté des Sciences d’Orsay; bien entendu une partie des informations contenues dans ces supports ne sera pas pertinentes dans un contexte plus large: planning, modalités d’évaluation, etc.
Ces ressources servent notamment de support d’un dispositif expérimental annuel d’accompagnement des étudiants et personnels de l’Université Paris-Saclay sur ces thématiques. Pour les informations sur l’édition 2022-2023, voir l”espace sur e-campus. Dans le cadre de ce dispositif, n’hésitez pas à nous consulter si vous souhaitez travailler sur d’autres supports (MOOC, …) ou vos projets propres; nous vous indiquerons si nous sommes en capacité de vous accompagner dessus.
Comment utiliser ces ressources
L’Université Paris-Saclay mets à la disposition de ses personnels et étudiants deux services en ligne de calcul interactif basés sur Jupyter:
Le second offre un service plus riche mais est encore en phase d’expérimentation. Nous avons opté ci-dessous pour cette seconde option, avec un environnement où sont installés des versions récentes des logiciels requis ci-dessous.
Tutoriel de prise en main des carnets Jupyter#
Page web, Ouvrir avec MyDocker@Paris-Saclay, Utilisation anonyme dans le navigateur.
À propos#
Un tutoriel en construction sur l’utilisation de l’environnement interactif de calcul JupyterLab.
Ce tutoriel a vocation à devenir un socle commun pour les différents cours utilisant JupyterLab.
Par où commencer#
Connectez vous au service MyDocker@Paris-Saclay avec vos identifiants Adonis et «demandez un environnement».
Cliquez sur le bouton «Connexion à l’interface» pour le «Tutoriel JupyterLab».
Suivez les instructions de la feuille de prise en main et explorez ensuite à volonté. Vous pourrez par exemple travailler sur les trois premières feuilles, puis revenir ultérieurement pour approfondir votre maîtrise de l’environnement.
Premiers pas en Python#
À propos#
Il s’agit du premier TP d’un cours mutualisé à venir d’introdution à la programmation en Python.
Programmation pour les Géosciences#
Dépôt Git, Ouvrir avec MyDocker@Paris-Saclay.
À propos#
Cette UE d’introduction à la programmation et au calcul en Python est donnée aux étudiants de L3 en géosciences à la Faculté des Sciences d’Orsay.
Contenu#
Premiers calculs avec Python
Autres feuilles à venir
Autres cours d’introduction à la programmation en Python#
Le MOOC Python d’INRIA sur FUN-MOOC: des fondamentaux aux concepts avancés du langage. Vous pouvez le faire directement sur Fun ou bien télécharger les ressources. Depuis votre environnement Jupyter, ouvrez le Terminal et tapez la commande suivante:
git clone https://github.com/geilerloui/Python.git
Le MOOC python d’Openclassroom. Pour débutants.
…
Méthodes numériques#
Page web, Ouvrir avec MyDocker@Paris-Saclay.
À propos#
Méthodes Numériques est une série de trois UEs (unités d’enseignement) des formations de maths-physique (L1) puis physique (L2, L3) à la Faculté des Sciences d’Orsay.
Enseignants: Jérémie Neveu et al.
Objectifs pédagogiques et prérequis#
Les premières séances de Méthodes Numériques en L1 offrent une initiation à la programmation en Python: variables, listes, fonctions, tableaux (numpy), visualisations simples. Les séances suivantes donne une initiation au calcul numérique: analyse de données, intégrales, statistiques, nombres aléatoires, interpolation.
Il n’y a pas de prérequis en programmation, mais la progression est rapide. Les exemples traités, notamment pour le calcul numérique font l’hypothèse d’un public avec un bagage mathématique de terminale (maths spécialités ou complémentaires).
Contenu#
Séances introductives (variables, listes, figures, fonction, numpy);
Puis analyse de données, intégrales, statistiques, nombres aléatoires, interpolation
Introduction à la programmation impérative#
À propos#
Cette UE est donnée aux étudiants de L1 Math-Info et des Licences double diplôme associées à la Faculté des Sciences d’Orsay.
Enseignants: Nicolas Thiéry et al.
Objectifs pédagogiques#
Cette UE est une introduction aux bases de la programmation impérative (en C++): variables, types, conditionnelles, boucles, fonctions, tableaux (1D et 2D), chaînes ce caractères, fichiers, compilation séparée. Elle mets un accent sur les bonnes pratiques (tests, documentation, débogage, programmation modulaire), et tente au passage de donner des aperçus de ce qu’est l’informatique, en tant que science.
Par où commencer#
Suivez les consignes de la Case Départ pour télécharger la séance Semaine1; vous pouvez directement commencer par le TP et travailler ultérieurement le cours et le TD.
Pour les séances suivantes (Semaine2, …), il est impératif de commencer par lire les notes de cours et effectuer le TD.
Initiation à la Science des Données#
Page web, Ouvrir avec MyDocker@Paris-Saclay.
À propos#
Cette UE est donnée au deuxième semestre du L1 math-info de la faculté d’Orsay. Elle présuppose d’avoir suivi une introduction à la programmation (par ex. Python ou C++).
Enseignants: Fanny Pouyet, Nicolas Thiéry et al.
Objectifs pédagogiques#
Cette UE est une initiation à la Science des données. Les premières séances sont consacrées à des premières analyse de données en Python, pour répondre à diverses questions en s’appuyant sur de la visualisation de données et des tests statistiques simples, à l’aide des bibliothèques Pandas, Numpy, Matplotlib et Seaborn. Les séances suivantes visent à donner un aperçu complet d’une chaîne de traitement en apprentissage statistique, du prétraitement des données à l’interprétation, avec comme fil directeur de la classification automatique d’images.
Le Mooc scikit-learn d’INRIA sur FUN-MOOC#
Objectifs pédagogiques#
Approfondir la science des données avec Scikit-learn
Par où commencer#
Le MOOC, avec quizz, support, et certification n’est ouvert qu’à certaines périodes (!information caduque!). En dehors de ces périodes, vous pouvez néanmoins:
Consultez en ligne le matériel pédagogique.
Visionnez les vidéos.
Téléchargez le matériel pédagogique pour travailler dessus: Sur JupyterHub, ouvrez un terminal avec New -> Terminal et tapez la commande suivante:
git clone https://github.com/INRIA/scikit-learn-mooc.git