Mise à niveau Python (intro)
Notions avancées: POO, décorateurs, propriétés, ...
packaging: installation, empaquetage
docs (sphinx), tests (pytest)
Performances: numba → cf. Calculs intensifs
Interfaçages librairies C/C++
Qualité logicielle (notions transverses)
principes de conception logicielle ; notions de PA/QA ; Intégration continue
Outils: git et gitlab, intégration continue
méthodes de développement (tests, agile)
Manipulation de données
manipulate, analyze, and visualize complex datasets
Outils: numpy, scipy, pandas
Format de données: CSV, fits, HDF5, netCDF, etc.
Compression des données: Fourier, wavelets, PCA, etc.
Data Mining
Data Visualization
Data Pipeline
