Langage de programmation intuitive, orientée objet, qui grâce à la diversité de ses librairies (numpy, pandas, matplotlib, scikit-learn…), est un outil privilégié par les data scientistes. Au même titre que R et outre son utilisation à des fins de développement, Python est aussi utilisé pour l’analyse de données et la finance quantitative…
Aussi, Nous vous proposons les formations suivantes :
Python, Les essentiels
– Introduction au langage Python : Historique & Installation de l’environnement de developpement
– La syntaxe de base Python : Variables et type de données de bases …
– Les structures de données : Lists, Tuples, Dictionaries et Sets
– Les structures de programmation : Les conditions et les boucles
– Les fonctions et modules
– Les itérations et générateurs
– Manipulation des fichiers et gestion des exceptions
– Programmation Orientée Objet : Objets et Classes
Outils Python pour la Data Science : Analyse des données
– Analyse numérique des données avec Numpy
– Visualisation graphique avec Matplotlib et Seaborn
– Exploration et manipulation des données avec la librairie Pandas
- Création et manipulation des objets Series et DataFrame
- Acquisition des données… etc
– Analyse des données ( SciPy et Statsmodels…)
- Statistique de base
- Probabilité
- Tests d’hypothèses
- Modélisation des données
Outils Python pour la Data Science : Les techniques de Machine Learning
– Introduction à l’apprentissage machine
– Théorie et Méthode analytiques avancées : Clustering
– Théorie et Méthode analytiques avancées : Regression
– Théorie et Méthode analytiques avancées : Classification
Finance Quantitative avec Python
– Analyse des Financial Times Series
- Variables aléatoires et les fonctions de distributions usuelles
- Model linéaire des rendements de titre ( CAPM & APT)
- Analyse des séries temporelles : ARIMA framework
– Design et optimisation de Portefeuille : Markovitz portfolio theory frameWork in detail
- Revue théorique
- Cas pratique
– Modelés de gestion de portefeuille avancés :
- VaR portfolio,
- Black-litterman portfolio…
– Pricing et Analyse des produits dérivés :
- Modèle Bi/Trinomiale,
- Introduction au processus stochastique- Model Black & Scholes,
- Pricing par la Simulation de Monte Carlo…
- Analyse de sensibilité : les Greeks
- Volatilité implicite
- Modèles pour le taux d’Intérêts