Module proposé en complément des formations data science, ou comme formation autonome selon le besoin.
Python est devenu le langage de référence pour la recherche, l'ingénierie et la data science. Pour quelqu'un qui programme déjà en C, Java, Fortran ou Matlab, la syntaxe s'apprend en quelques jours — mais c'est précisément ce qui piège : on écrit du Python qui marche, sans avoir compris ce qui le rend différent.
Cette formation cible cette population. Elle avance vite sur la syntaxe pour passer l'essentiel du temps sur les mécanismes qui font la spécificité de Python : références partagées, typage dynamique, espaces de nommage, protocole d'itération. Ce sont les modèles mentaux qui permettent d'écrire du Python idiomatique plutôt que du C déguisé.
À l'issue de cette formation, vos collaborateurs sauront
- Comprendre et appliquer les mécanismes fondamentaux de Python : références partagées, typage dynamique, espaces de nommage
- Écrire des fonctions Python en maîtrisant la portée des variables et les différentes formes d'arguments
- Organiser leur code en modules et packages réutilisables
- Gérer les exceptions et utiliser les context managers
- Utiliser les fonctions génératrices et les outils fonctionnels (compréhensions, expressions génératrices)
- Concevoir des classes et utiliser l'héritage en programmation orientée objet, selon l'avancement du groupe
Programme détaillé
Module 1 — Environnement et types de base
Historique et évolutions de Python. Environnement de travail moderne : IDE VS Code, git, intégration LLM. Types numériques (int, float, bool) et séquences (list, str, tuple). Structures conditionnelles. Mutabilité et immuabilité : comprendre les types qui peuvent être modifiés en place.
Module 2 — Références partagées et modèle objet
Le cœur conceptuel du langage. Typage dynamique et références partagées : le modèle objet de Python. Shallow copy et deep copy : quand l'un suffit, quand l'autre s'impose. Les conséquences pratiques sur le code quotidien.
Module 3 — Itération
Le protocole d'itération en Python : boucles for et itérateurs sous-jacents. Tables de hash : set et dict. Gestion de fichiers et context managers. Fonctions génératrices, expressions génératrices, compréhensions de listes/sets/dictionnaires. Fonctions lambda et polymorphisme.
Module 4 — Fonctions et espaces de nommage
Déclaration de fonctions, arguments nommés, par défaut, quelconques (*args, **kwargs). Portée des variables et règle LEGB. Espaces de nommage : création et importation de modules, organisation en packages. Gestion des exceptions : try/except/finally.
Module 5 — Programmation orientée objet (selon l'avancement du groupe)
Pour les groupes homogènes qui ont absorbé les notions précédentes : classes, instances, méthodes. Héritage et surcharge d'opérateurs. Espaces de nommage entre modules et classes. Conception de gestionnaires de contexte. Ce module n'est abordé qu'avec des groupes prêts — la priorité reste la solidité des fondamentaux.
Public et prérequis
Public cible
Doctorants, ingénieurs, chercheurs ayant déjà des bases en programmation impérative ou fonctionnelle (C, C++, Java, Fortran, Matlab, Perl, etc.) et souhaitant acquérir une maîtrise solide de Python.
Prérequis
Expérience en programmation dans au moins un autre langage. Aucune connaissance préalable de Python n'est nécessaire.
Méthode pédagogique
La formation alterne exposés théoriques courts et exercices pratiques sur notebooks Jupyter. Chaque concept est immédiatement mis en application. J'attache une attention particulière à ce que chaque participant suive, quel que soit son niveau initial, et je calibre la profondeur de chaque sujet en fonction du groupe — c'est notamment ce qui détermine la profondeur abordée sur la POO en module 5.
Les supports sont fournis aux participants à l'issue de la formation, accompagnés des notebooks d'exercices corrigés.
Une formation pour préparer vos équipes à la data science
Cette formation est le socle naturel pour des équipes qui suivront ensuite une formation data science Python. Une fois les mécanismes fondamentaux maîtrisés, NumPy, Pandas et Polars s'apprennent beaucoup plus vite — et le code produit est meilleur dès le premier jet.
Documentation officielle
Questions fréquentes
Est-ce que cette formation convient à quelqu'un qui n'a jamais fait de Python ?
Oui, aucune connaissance préalable de Python n'est nécessaire. La formation est conçue pour des ingénieurs, chercheurs ou doctorants qui programment déjà dans un autre langage (C, Java, Fortran, Matlab…) et qui veulent acquérir une maîtrise solide de Python, pas juste en apprendre la syntaxe.
En combien de temps peut-on être opérationnel en Python après cette formation ?
La formation dure 3 jours. À l'issue, les participants maîtrisent les mécanismes fondamentaux qui font la spécificité de Python : références partagées, espaces de nommage, protocole d'itération. Ce sont les modèles mentaux qui permettent d'écrire du Python idiomatique dès le retour en poste — à condition de pratiquer activement dans les semaines qui suivent, ce qui est déterminant pour l'assimilation durable des concepts.
La programmation orientée objet est-elle couverte ?
Le module POO (classes, héritage, surcharge d'opérateurs) est abordé en module 5, selon l'avancement du groupe. Il n'est traité qu'avec les groupes qui ont solidement assimilé les notions précédentes — la priorité reste les fondamentaux.
Cette formation est-elle un prérequis aux formations data science ?
Oui, c'est son rôle naturel. Une fois les mécanismes fondamentaux maîtrisés — références partagées, itération, espaces de nommage — NumPy, Pandas et Polars s'apprennent beaucoup plus vite et le code produit est meilleur dès le premier jet.
Le format distanciel est-il adapté à ce type de formation ?
Oui. 90 % des participants jugent le format distanciel équivalent ou supérieur au présentiel. J'anime des formations à distance depuis 2020 et j'ai développé une pratique solide de l'enseignement en ligne. J'utilise Zoom, qui permet d'enregistrer les sessions et de les mettre à disposition des participants si souhaité, et CoCalc, une plateforme en ligne qui donne accès à des serveurs pré-configurés avec l'ensemble du matériel de formation et des librairies installées. CoCalc me permet également de suivre en temps réel la progression de chaque participant et d'intervenir directement pour corriger ou débloquer.