Bienvenue à ProSkills IT – Formations professionnelles au Togo
Programme Complet du Bootcamp Python de 4 Mois de Proskills IT
Bienvenue au Bootcamp Python de Proskills IT ! Ce programme intensif de 4 mois est conçu pour vous amener de débutant à expert en Python, avec des spécialisations en développement web (Django/Flask) et en Data Science/Machine Learning. Le bootcamp est structuré en deux phases : 2 mois et demi de cours théoriques suivis d'un mois et demi d'application pratique dans l'un des deux domaines de spécialisation.
Phase 1 : Cours Théoriques (Semaines 1 à 10)
Acquérir les bases et les compétences intermédiaires en Python, ainsi que les techniques avancées et la spécialisation.
Semaines 1 à 2 : Python pour Débutants
Semaine 1
- Présentation de Python et installation des environnements de développement (Anaconda, Jupyter Notebook, VS Code)
- Syntaxe de base : variables, types de données, opérateurs
- Structures de contrôle : conditions et boucles
- Exercices pratiques
Semaine 2
- Fonctions : définition, appel, paramètres, retour
- Modules et packages : utilisation et création
- Manipulation de chaînes de caractères
- Exercices pratiques
Semaines 3 à 4 : Structures de Données et Gestion des Fichiers
Semaine 3
- Listes, tuples, ensembles et dictionnaires
- Compréhensions de listes
- Itération et manipulation des structures de données
- Exercices pratiques
Semaine 4
- Lecture et écriture de fichiers
- Gestion des exceptions
- Introduction à la programmation orientée objet (POO)
- Exercices pratiques
Semaines 5 à 6 : Python Intermédiaire
Semaine 5
- Classes et objets
- Héritage et polymorphisme
- Méthodes spéciales
- Exercices pratiques
Semaine 6
- Introduction aux bibliothèques NumPy et Pandas
- Manipulation et analyse de données
- Visualisation de données avec Matplotlib et Seaborn
- Introduction aux bases de données relationnelles (SQL)
- Connexion à une base de données avec SQLite
- Utilisation d'ORM (Object-Relational Mapping) avec SQLAlchemy
- Exercices pratiques
Semaines 7 à 8 : Techniques Avancées et Réseaux
Semaine 7
- Concepts de la programmation asynchrone
- Introduction à asyncio
- Utilisation des threads et des processus
- Exercices pratiques
Semaine 8
- Programmation réseau avec Python
- Création de serveurs et clients
- Communication entre processus
- Exercices pratiques
Semaines 9 à 10 : Développement d'API RESTful et Déploiement
Semaine 9
- Concepts et principes des API RESTful
- Création d'API avec Flask-RESTful/Django REST framework
- Endpoints, méthodes HTTP et gestion des requêtes/réponses
- Sécurité des API (authentification et autorisation)
- Exercices pratiques
Semaine 10
- Introduction à Docker et la containerisation
- Déploiement d'applications Python sur le cloud (AWS, Heroku)
- Maintenance et surveillance des applications
- Exercices pratiques
Phase 2 : Application Pratique (Semaines 11 à 16)
Appliquer les compétences acquises dans un projet de groupe.
Groupe 1 : Développement Web avec Django/Flask
Semaine 11
- Configuration et installation
- Structure d'un projet web
- Routes et vues
- Exercices pratiques
Semaine 12
- Modèles de données
- ORM (Object-Relational Mapping)
- Migration de base de données
- Exercices pratiques
Semaine 13
- Création d'API RESTful avec Django/Flask
- Intégration de l'API avec le frontend (HTML, CSS, JavaScript)
- Gestion des formulaires et validation
- Exercices pratiques
Semaine 14
- Templates HTML, CSS, JavaScript avancé
- Intégration frontend-backend
- Utilisation d'outils de build frontend (Webpack, etc.)
- Exercices pratiques
Semaine 15
- Sécurité des applications web
- Optimisation des performances
- Tests et débogage
- Exercices pratiques
Semaine 16
- Déploiement sur un serveur de production
- Maintenance et mises à jour
- Projet final et présentation
Groupe 2 : Data Science et Machine Learning
Semaine 11
- Processus de la Data Science
- Préparation et nettoyage des données
- Visualisation de données avancée
- Exercices pratiques
Semaine 12
- Concepts de base du Machine Learning
- Algorithmes supervisés : régression et classification
- Utilisation de scikit-learn
- Exercices pratiques
Semaine 13
- Algorithmes non supervisés : clustering, réduction de dimensionnalité
- Techniques avancées : SVM, arbres de décision, forêts aléatoires
- Introduction aux réseaux de neurones et à TensorFlow/Keras
- Exercices pratiques
Semaine 14
- Création d'API pour servir des modèles de machine learning
- Endpoints pour prédictions et analyses
- Sécurité des API (authentification et autorisation)
- Exercices pratiques
Semaine 15
- Déploiement de modèles sur le cloud (AWS, Google Cloud)
- Optimisation et mise à l'échelle des modèles
- Surveillance et maintenance des modèles
- Exercices pratiques
Semaine 16
- Définition du projet final
- Collecte et préparation des données
- Implémentation et évaluation des modèles
- Présentation et discussion des résultats
- Projet final