| 
Tous les contenus originaux sont sous licence CC BY-NC-SA 4.0, les ressources extérieures (comme bootstrap) sont sous leur licence respective 
Auteur: Yaé Ulrich Gaba, [email protected]
Ce cours vise à vous enseigner les bases de développement de logiciels professionnels dans le contexte de la science. Le matériel est destiné à être utilisé dans un cours universitaire (à tout niveau où le matériel semble approprié, en fonction de votre formation!), mais peut également être utilisé pour l'auto-apprentissage. Nous nous concentrons uniquement sur Python 3. Ce cours, à la fois minimaliste et pratique, vous permettra de découvrir rapidement les concepts essentiels de la programmation en Python. Il faut dire que ça vaut la peine de s'intéresser à Python, c'est un langage qui sera forcément présent dans l'écosystème informatique des années à venir.
Pour ce cours, des discussions LIVE! peuvent se faire sur 
Le langage de programmation Python est souvent utilisé dans les domaines scientifiques aujourd'hui. C’est un langage de programmation relativement accessible et adapté aux universitaires. Dans ce cahier virtuel d'exercices, nous vous présenterons le langage et apprendrons les basiques liés à l'algorithmique. Ce cours n'attend de vous aucun prérequis de programmation.
Les avantages de Python sont nombreux. D'une part c'est sans doute le langage de script le plus utilisé au monde car on peut quasiment tout faire avec: programmation web, statistiques, machine learning, gestion de bases de données. La communauté de Python est la plus grande dans le monde de la programmation: si vous voulez quelque chose, quelqu'un l'a sûrement déjà fait.
- Programmation et notions de base en informatique avec Python; voir le dossier cahiers_virtuels_de_cours;
- Python pour le calcul scientique, voir le dossier route-calcul_scientifique (... en préparation);
- Python pour la science des données, voir le dossier route-sciences_des_données (... en préparation).
Nous utiserons Python 3 dans notre cours. Les versions précédentes peuvent poser des problèmes. Il y'a deux versions de Python, la 2 et la 3. La 2 n'est plus maintenue depuis 2017, il vaut donc mieux se mettre directement à la 3 (on est actuellement à la version 3.10).
Pour installer Python localement, la distribution Anaconda est recommandée, ainsi que l'environnement Jupyter : https://www.anaconda.com/distribution/.
Il existe de nombreuses façons d'installer Python, une des meilleures est d'utiliser le package Anaconda. Nous vous conseillons donc d'installer la distribution Anaconda. Elle contient tous les modules et packages nécessaires pour ce cours. Elle est disponible pour toutes les plateformes et possède une procédure d'installation assez simple. Vous pouvez la télécharger depuis Continuum. Des détails pour l'installation peuvent être trouvés ici.
Cependant, vous pouvez emprunter une autre route, qui elle, se decompose en deux étapes: 1- Installer Python; 2- Installer Jupyter.
Pour installer Python, il suffit de télécharger la version 3 qui correspond à votre système d’exploitation (Windows ou Mac). Pour ce qui est des systèmes Linux, Python est généralement déjà installé par défaut. Il vous suffit d'ajouter Jupyter.. Pour ce qui est de Jupyter, faites reference aux liens:
- http://jupyter.org/install.html
- http://jupyter.readthedocs.io/en/latest/install.html.
D'incroyables ressources peuvent également être trouvées à:
Si vous êtes un codeur débutant, vous pouvez consulter ces ressources d'apprentissage "Python pour les non-programmeurs". Elles sont en Anglais.
Les documents présentés ici proviennent de sources différentes, qui comprennent principalement:
- Le support de cours Introduction to Programming using Python [IPuP] développé en 2016, par:
*Yaé Ulrich Gaba;
*Jeff Sanders;
*Jordan Masakuna;
à l'Institut Africain des Sciences Mathématiques- [AIMS], centre de l'Afrique du Sud.
- Data Science with Python: Algorithm, Statistics, DataViz, DataMining and Machine-Learning, Moussa Keita February 2017.
- Les cours de [Software Carpentry].
N'hésitez pas à poster des questions (ou à signaler des erreurs) sur la lecture en ouvrant un tiquet GitHub.
Les contributions à ce projet sont les bienvenues! Voici d'excellentes façons d'aider: * relire; * ajouter des exercices de compréhension de la lecture aux sections existantes; * provide general feedback about the organization of the website, the consistency material, etc. ; fournir des commentaires généraux sur l'organisation de la page GitHub, la cohérence du matériel, etc..
Vous pouvez soit ouvrir un tiquet GitHub pour fournir des commentaires ou signaler des erreurs, soit créer a pull request.
Je ne l'ai pas inclus dans le matériel mais ici est une belle "feuille de triche" Markdown pour chercher comment faire des tableaux , blocs de code, etc., dans Markdown. Un Jupyter Notebook for Beginners: A Tutorial est également disponible.
Si vous souhaitez soumettre une modification à certains contenus (par exemple, corriger les fautes de frappe), procédez comme suit:
-
Clonez ce référentiel;
-
Créez une nouvelle branche, nommée de manière appropriée pour la tâche que vous effectuez:
git checkout -b your_branch_name; -
Vérifiez votre nouvelle branche et validez toutes les modifications que vous y apportez;
-
Poussez votre branche:
git push origin your_branch_name(vous devriez être autorisé à le faire, si vous êtes ajouté en tant que "contributeur" à ce projet); -
Créez une Pull Request de votre branche dans la branche principale.
Les liens ci-dessous peuvent vous aider pour vos pull request:
b. Git_Pull_Request.