VISUALISATION : NOTEBOOK ZIPLINE-JUPYTER

Formation certifiante - Code CPF 93 835 - 2 jours (14 heures)

Formations en présentiel

Formations Blended - Learning

Formations E-learning Tutoré

Présentiel

Blended - Learning

E-learning tutoré

Accueil  >  Les métiers du numérique  >   Big Data  >  Visualisation Notebook Zipline-Jupyter

A l'issue de la formation, les stagiaires seront capables de :

  • Connaître l’architecture, l’API et les fonctionnalités de Zipline
  • Installer et exécuter le système Jupyter Notebook.
  • Implémenter avec le langages de programmation Python,
  • Créer et partager des documents contenant du code dynamique.
  • Visualiser des backtest avec Zipline

La formation Visualisation Notebook Zipline-Jupyter est accessible à toute personne ayant des connaissances en programmation Python (formation : « Programmation en Python  » )

Des exercices, des études de cas, des QCM et des tours de table permettent au formateur d’évaluer l’atteinte des objectifs ainsi que la progression du stagiaire à différents moments de la formation.
La validation de toutes les compétences requises est obligatoire pour l’obtention d’un BADGE ou d’un Certificat. L'obtention du Certificat est validé par la réalisation et la présentation d'un projet devant un jury.

  • Data Scientist / Data Miner
  • Débutant en Python
  • Statisticien
  • Marketer spécialiste de la data
  • Utilisateur de bases de données intéressé par l’analyse
  • Responsable système d’informations
  • Développeurs informatiques, ingénieurs d’études
  • Architecte système et logiciel
  • Data scientist (analyse de données) ou Data miner (fouilleur des données)

PROGRAMME DE FORMATION

VISUALISATION : NOTEBOOK ZIPLINE-JUPYTER

Introduction

  • Programmation Python
  • IPython Notebook

Jupyter Notebook

  • Presentation de Jupyter
  • Installation de Jupyter sous Windows
  • Installation de Jupyter sur Mac
  • Structure du bloc-notes,
  • flux de travail et opérations de base
  • Opérations de sécurité et de configuration dans Jupyter

Jupyter Python scripting

  • Python de base dans Jupyter
  • Accès aux données Python dans Jupyter
  • Pandas Python à Jupyter
  • Graphiques Python dans Jupyter
  • Nombres Aléatoires Python dans Jupyter

Atelier Cas Pratique

Zipline

  • Présentation de Zipline
  • Avantages de Zipline
  • Installation (pip/ conda)
  • Structure (format pour écrire du code dans Zipline en Python),
  • Ingestion de données
  • Interface de ligne de commande
  • Trading Calendars
  • Mesures de risque et de performance
    • Ensembles de métriques
    • Sélection du jeu de métriques
    • Définir de nouvelles métriques
  • Développement
    • Créer un environnement de développement
    • Développement avec Docker
    • Intégration continue
    • Packaging
  • Référence de l’API
    • API d’algorithme
    • API de pipeline
    • API de données
  • Paquets de performance
  • Exécution à partir d’un Notebook Jupyter
  • Voir / tracer les paquets de performance
  • Un exemple DMA (Stratégie Dual Moving Average) utilisant data.history ()
  • Visualisation des backtest avec Zipline

Atelier Cas Pratique

Financement avec le CPF via

le site MonCompteFormation

POUR TOUTE DEMANDE DE RENSEIGNEMENT OU DE DEVIS