Semaine 01 — Python pour les données

Prenez le Python que vous connaissez à moitié et rendez-le assez précis pour être déployé.

Cette première semaine est en partie un calibrage et en partie une remise à zéro brutale sur l’outillage. Presque tous les participants arrivent avec un peu de Python — quelques notebooks Coursera, deux ou trois tentatives Kaggle, un script de projet de recherche. Presque tous arrivent aussi avec au moins une mauvaise habitude qui les bloquera en semaine 5 si on ne la corrige pas maintenant. Les TP de la semaine sont conçus pour exposer ces habitudes : notebooks brouillons, état caché, fonctions non typées, tests manquants, environnements cassés.

Le vendredi, chaque participant livre un projet Python propre et reproductible, publié sur son GitHub personnel. Cet artefact devient la fondation sur laquelle s’appuieront tous les modules suivants.

Ce que vous livrez cette semaine

Sessions en direct

Temps total en direct cette semaine : environ 7h30 (cinq sessions de 90 minutes). Les permanences ajoutent 90 minutes le mercredi.

Objectifs d’apprentissage

À la fin de la semaine, chaque participant saura :

1. Écrire du Python idiomatique. Utiliser compréhensions, générateurs, gestionnaires de contexte, décorateurs là où ils paient et pas là où ils ne paient pas. Reconnaître et refactoriser les motifs non idiomatiques.
2. Utiliser NumPy et Pandas couramment pour le travail vectorisé sur données. Sans retomber dans des boucles Python sur des tableaux de plus de quelques centaines d’éléments.
3. Construire un projet Python reproductible. Environnement virtuel, dépendances figées, pyproject.toml, hooks pre-commit, suite pytest opérationnelle, pipeline CI qui s’exécute à chaque push.
4. Lire et écrire des notebooks Jupyter sans perdre la reproductibilité. Hygiène d’état caché, gestion des sorties, conversion vers scripts, versionnage des notebooks.

Lectures et préparation

Avant mardi. Hitchhiker’s Guide to Python chapitres sur \og Writing great Python code \fg{} (idiomes, structuration des projets, vendorisation). En lecture rapide — on parcourra le même contenu en session.

Avant mercredi. Wes McKinney, Python for Data Analysis (3\textsuperscript{e} éd., O’Reilly 2022), chapitres 4 (bases NumPy) et 5 (bases Pandas). Disponible en accès libre sur wesmckinney.com/book.

Avant jeudi. Même livre, chapitres 8 et 10 (manipulation de données, mécanique de group-by).

Approfondissement optionnel. Luciano Ramalho, Fluent Python (2\textsuperscript{e} éd., O’Reilly 2022) pour tout participant qui connaît déjà bien Pandas et veut l’approfondissement au niveau du langage. Surtout les chapitres 17 (bases de concurrence), 18 (with/async), 24 (métaprogrammation de classes).

Notebooks de TP

TP 1 — Le refactoring de 300 lignes

Un script Python délibérément moche (messy_data_pipeline.py) est fourni. Il charge trois fichiers CSV, les joint, calcule quelques métriques, écrit les sorties sur disque. Le script fonctionne. Il est aussi illisible, sans tests, plein d’état caché, et il contient deux bugs qui ne se déclenchent pas sur les données d’exemple.

Votre tâche. Le refactoriser en un package Python propre avec :

• une structure de module src/<votre_projet>/
• une fonction pure par responsabilité, typée avec mypy --strict
• une suite pytest qui détecte les deux bugs latents
• un pyproject.toml qui fige toutes les dépendances
• un README.md avec instructions d’installation et d’exécution qu’un inconnu peut suivre
• un workflow GitHub Actions vert (Python 3.11, lint + type-check + tests)

Jeu de données. Le jeu de données du TP est l’export public du registre kényan des formations sanitaires de décembre 2024 (~12\,000 formations). Le notebook du dépôt de TP contient le lien de téléchargement.

Notebook. week-01-lab-01-refactor.ipynb (lien finalisé à l’inscription).

TP 2 — Manipulation Pandas sur données réelles

À partir des données brutes des formations sanitaires kényanes, produire un DataFrame analytique propre répondant à trois questions concrètes : (1) quelle fraction des formations par comté est publique vs privée ? (2) où sont les zones sous-desservies (population par formation) ? et (3) le tableau change-t-il si l’on pondère par capacité plutôt que par effectif ? Livrer un notebook et un court compte rendu.

Notebook. week-01-lab-02-pandas.ipynb.

TP 3 — Publier votre projet

Reprenez le package refactorisé du TP 1 et publiez-le dans un dépôt GitHub public sous votre propre compte, avec un tag de release, un pyproject.toml versionné, et un badge CI dans le README. Ajoutez-le à votre profil bootcamp.

C’est l’artefact que vous référencerez chaque semaine suivante — et celui que les recruteurs regarderont en premier.

Permanences

Les questions asynchrones vont dans le canal #cohort-week-01-questions ; temps de réponse attendu sous 24 heures en semaine.

S’appuie sur / fait le lien avec

Cette semaine puise dans deux volumes existants du catalogue de cours :

• Programmation Scientifique — la perspective Python comme langage scientifique.
• Introduction à la Data Science — chapitres 1 et 2 des notes bilingues.

Le bootcamp condense les chapitres pertinents dans la liste de lectures de la semaine plutôt que de re-dériver le contenu.