Data-Science-For-Beginners/translations/fr

Data Science pour débutants - Un programme

Les Azure Cloud Advocates chez Microsoft sont heureux de proposer un programme de 10 semaines et 20 leçons entièrement consacré à la science des données. Chaque leçon comprend des quiz avant et après la leçon, des instructions écrites pour compléter la leçon, une solution, et un devoir. Notre pédagogie basée sur les projets vous permet d'apprendre en construisant, une méthode éprouvée pour que les nouvelles compétences « collent ».

Un grand merci à nos auteurs : Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Remerciements particuliers 🙏 à nos auteurs, relecteurs et contributeurs de contenu Microsoft Student Ambassador, notamment Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar , Vidushi Gupta, Jasleen Sondhi

Data Science Pour Débutants - Sketchnote par @nitya

🌐 Support multilingue

Pris en charge via GitHub Action (Automatisé & Toujours à jour)

Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese

Vous préférez cloner localement ?

Ce dépôt inclut plus de 50 traductions, ce qui augmente considérablement la taille du téléchargement. Pour cloner sans les traductions, utilisez le sparse checkout :

git clone --filter=blob:none --sparse https://github.com/microsoft/Data-Science-For-Beginners.git
cd Data-Science-For-Beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'

Cela vous donne tout ce dont vous avez besoin pour suivre le cours avec un téléchargement beaucoup plus rapide.

Si vous souhaitez que d’autres langues de traduction soient prises en charge, la liste est disponible ici

Rejoignez notre communauté

Nous avons une série Discord Apprenez avec l’IA en cours, apprenez-en plus et rejoignez-nous sur Learn with AI Series du 18 au 30 septembre 2025. Vous y découvrirez des astuces pour utiliser GitHub Copilot en science des données.

Êtes-vous étudiant ?

Commencez avec les ressources suivantes :

• Page du Student Hub Sur cette page, vous trouverez des ressources pour débutants, des packs étudiants et même des moyens d’obtenir un bon pour une certification gratuite. C’est une page à mettre en favori et à consulter régulièrement, car le contenu y est renouvelé au moins chaque mois.
• Microsoft Learn Student Ambassadors Rejoignez une communauté mondiale d’ambassadeurs étudiants, cela pourrait être votre porte d’entrée chez Microsoft.

Premiers pas

📚 Documentation

• Guide d’installation - Instructions de configuration étape par étape pour débutants
• Guide d’utilisation - Exemples et flux de travail courants
• Dépannage - Solutions aux problèmes fréquents
• Guide de contribution - Comment contribuer à ce projet
• Pour les enseignants - Conseils pédagogiques et ressources pour la classe

👨‍🎓 Pour les étudiants

Débutants complets : Nouveau en science des données ? Commencez avec nos exemples pour débutants ! Ces exemples simples et bien commentés vous aideront à comprendre les bases avant de vous plonger dans le programme complet. Étudiants : pour utiliser ce programme de façon autonome, créez un fork complet du dépôt et faites les exercices seul(e), en commençant par un quiz pré-conférence. Puis lisez la conférence et complétez les activités restantes. Essayez de réaliser les projets en comprenant les leçons plutôt qu’en copiant le code solution ; cependant, ce code est disponible dans les dossiers /solutions de chaque leçon centrée sur un projet. Une autre idée serait de former un groupe d’étude avec des amis et de parcourir le contenu ensemble. Pour approfondir, nous recommandons Microsoft Learn.

Démarrage rapide :

1. Consultez le Guide d’installation pour configurer votre environnement
2. Parcourez le Guide d’utilisation pour apprendre à travailler avec le programme
3. Commencez par la leçon 1 et suivez-les dans l’ordre
4. Rejoignez notre communauté Discord pour obtenir de l’aide

👩‍🏫 Pour les enseignants

Enseignants : nous avons inclus quelques suggestions sur la manière d’utiliser ce programme. Vos retours nous intéressent dans notre forum de discussion !

Rencontrez l’équipe

Gif par Mohit Jaisal

🎥 Cliquez sur l'image ci-dessus pour une vidéo sur le projet et les personnes qui l'ont créé !

Pédagogie

Nous avons choisi deux principes pédagogiques lors de la construction de ce cursus : s'assurer qu'il soit basé sur des projets et qu'il inclue des quiz fréquents. À la fin de cette série, les étudiants auront appris les principes de base de la science des données, y compris les concepts éthiques, la préparation des données, différentes manières de travailler avec les données, la visualisation des données, l'analyse des données, des cas d'usage réels de la science des données, et plus encore.

De plus, un quiz à faible enjeu avant un cours oriente l'intention de l'étudiant vers l'apprentissage d'un sujet, tandis qu'un second quiz après la classe assure une meilleure rétention. Ce cursus a été conçu pour être flexible et ludique et peut être suivi dans son intégralité ou en partie. Les projets commencent petits et deviennent de plus en plus complexes à la fin du cycle de 10 semaines.

Retrouvez notre Code de conduite, Contributions, Traduction. Nous accueillons vos retours constructifs !

Chaque leçon inclut :

• Sketchnote optionnel
• Vidéo complémentaire optionnelle
• Quiz d’échauffement avant la leçon
• Leçon écrite
• Pour les leçons basées sur un projet, des guides étape par étape pour construire le projet
• Vérifications des connaissances
• Un défi
• Lectures complémentaires
• Devoirs
• Quiz post-leçon

Une note sur les quiz : Tous les quiz se trouvent dans le dossier Quiz-App, pour un total de 40 quiz de trois questions chacun. Ils sont liés depuis les leçons, mais l'application de quiz peut être exécutée localement ou déployée sur Azure ; suivez les instructions dans le dossier quiz-app. Ils sont progressivement localisés.

🎓 Exemples pour débutants

Nouveau en science des données ? Nous avons créé un répertoire spécial exemples avec des codes simples et bien commentés pour vous aider à démarrer :

• 🌟 Hello World - Votre premier programme de science des données
• 📂 Chargement de données - Apprenez à lire et explorer des jeux de données
• 📊 Analyse simple - Calculer des statistiques et trouver des motifs
• 📈 Visualisation basique - Créer des graphiques et des diagrammes
• 🔬 Projet réel - Flux de travail complet du début à la fin

Chaque exemple inclut des commentaires détaillés expliquant chaque étape, parfait pour les débutants absolus !

👉 Commencez par les exemples 👈

Leçons

Science des données pour débutants : feuille de route - Sketchnote par @nitya

Numéro de leçon	Sujet	Groupe de leçons	Objectifs d'apprentissage	Leçon liée	Auteur
01	Définir la science des données	Introduction	Apprendre les concepts de base derrière la science des données et comment elle est liée à l'intelligence artificielle, au machine learning et au big data.	leçon vidéo	Dmitry
02	Éthique en science des données	Introduction	Concepts, défis et cadres éthiques des données.	leçon	Nitya
03	Définir les données	Introduction	Comment les données sont classifiées et leurs sources communes.	leçon	Jasmine
04	Introduction aux statistiques & probabilités	Introduction	Techniques mathématiques de la probabilité et des statistiques pour comprendre les données.	leçon vidéo	Dmitry
05	Travailler avec des données relationnelles	Working With Data	Introduction aux données relationnelles et aux bases de l'exploration et de l'analyse avec le langage de requête structurée, également appelé SQL (prononcé « see-quell »).	leçon	Christopher
06	Travailler avec des données NoSQL	Working With Data	Introduction aux données non relationnelles, leurs différents types et les bases de l'exploration et de l'analyse des bases de données documentaires.	leçon	Jasmine
07	Travailler avec Python	Working With Data	Bases de l'utilisation de Python pour explorer les données avec des bibliothèques comme Pandas. Une compréhension de base de la programmation Python est recommandée.	leçon vidéo	Dmitry
08	Préparation des données	Working With Data	Techniques pour nettoyer et transformer les données afin de gérer les défis des données manquantes, inexactes ou incomplètes.	leçon	Jasmine
09	Visualiser les quantités	Data Visualization	Apprenez à utiliser Matplotlib pour visualiser les données d'oiseaux 🦆	leçon	Jen
10	Visualiser les distributions de données	Data Visualization	Visualiser les observations et tendances au sein d'un intervalle.	leçon	Jen
11	Visualiser les proportions	Data Visualization	Visualiser des pourcentages discrets et groupés.	leçon	Jen
12	Visualiser les relations	Data Visualization	Visualiser les connexions et corrélations entre ensembles de données et leurs variables.	leçon	Jen
13	Visualisations significatives	Data Visualization	Techniques et conseils pour rendre vos visualisations utiles pour une résolution efficace des problèmes et des insights.	leçon	Jen
14	Introduction au cycle de vie de la science des données	Lifecycle	Introduction au cycle de vie de la science des données et à sa première étape d’acquisition et d’extraction des données.	leçon	Jasmine
15	Analyser	Lifecycle	Cette phase du cycle de vie de la science des données se concentre sur les techniques d'analyse des données.	leçon	Jasmine
16	Communication	Lifecycle	Cette phase du cycle de vie de la science des données se concentre sur la présentation des insights extraits des données d'une manière qui facilite la compréhension par les décideurs.	leçon	Jalen
17	Science des données dans le cloud	Cloud Data	Cette série de leçons introduit la science des données dans le cloud et ses avantages.	leçon	Tiffany et Maud
18	Science des données dans le cloud	Cloud Data	Entraînement de modèles avec des outils Low Code.	leçon	Tiffany et Maud
19	Science des données dans le cloud	Cloud Data	Déploiement de modèles avec Azure Machine Learning Studio.	leçon	Tiffany et Maud
20	Science des données sur le terrain	In the Wild	Projets de science des données appliqués dans le monde réel.	leçon	Nitya

Codespaces GitHub

Suivez ces étapes pour ouvrir cet exemple dans un Codespace :

1. Cliquez sur le menu déroulant Code et sélectionnez l'option Open with Codespaces.
2. Sélectionnez + New codespace en bas du panneau. Pour plus d'informations, consultez la documentation GitHub.

VSCode Remote - Containers

Suivez ces étapes pour ouvrir ce dépôt dans un conteneur en utilisant votre machine locale et VSCode avec l’extension VS Code Remote - Containers :

1. Si c’est votre première fois à utiliser un conteneur de développement, assurez-vous que votre système répond aux prérequis (c’est-à-dire avoir Docker installé) dans la documentation de démarrage.

Pour utiliser ce dépôt, vous pouvez soit ouvrir le dépôt dans un volume Docker isolé :

Note : Sous le capot, cela utilisera la commande Remote-Containers : Clone Repository in Container Volume... pour cloner le code source dans un volume Docker plutôt que sur le système de fichiers local. Les volumes sont le mécanisme préféré pour la persistance des données des conteneurs.

Ou ouvrez une version localement clonée ou téléchargée du dépôt :

• Cloner ce dépôt sur votre système de fichiers local.
• Appuyez sur F1 et sélectionnez la commande Remote-Containers: Open Folder in Container....
• Sélectionnez la copie clonée de ce dossier, attendez que le conteneur démarre, puis essayez.

Accès hors ligne

Vous pouvez consulter cette documentation hors ligne en utilisant Docsify. Forkez ce dépôt, installez Docsify sur votre machine locale, puis dans le dossier racine de ce dépôt, tapez docsify serve. Le site web sera servi sur le port 3000 de votre localhost : localhost:3000.

Note, les notebooks ne seront pas rendus via Docsify, donc quand vous avez besoin d'exécuter un notebook, faites-le séparément dans VS Code avec un kernel Python.

Autres cursus

Notre équipe produit d’autres cursus ! Découvrez :

LangChain

---

Azure / Edge / MCP / Agents

---

Série IA Générative

---

Apprentissage Fondamental

---

Série Copilot

Obtenir de l'aide

Des problèmes rencontrés ? Consultez notre Guide de dépannage pour des solutions aux problèmes courants.

Si vous êtes bloqué ou avez des questions sur la création d'applications IA. Rejoignez d'autres apprenants et développeurs expérimentés dans des discussions sur MCP. C'est une communauté bienveillante où les questions sont les bienvenues et où le savoir est partagé librement.

Si vous avez des retours sur le produit ou des erreurs lors du développement, rendez-vous sur :

---

Clause de non-responsabilité :
Ce document a été traduit à l’aide du service de traduction IA Co-op Translator. Bien que nous nous efforcions d’assurer l’exactitude, veuillez noter que les traductions automatiques peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d’origine doit être considéré comme la source faisant foi. Pour les informations critiques, une traduction professionnelle réalisée par un humain est recommandée. Nous déclinons toute responsabilité en cas de malentendus ou de mauvaises interprétations résultant de l’utilisation de cette traduction.