Visualisation plan de cours 2026 / 2027

EM09HMPY

Python pour l'analyse de données financières

Programme
PGE PGE4 FI
Semestre
B
Coefficient
3
Volume horaire
Face à face : 25 H

Travail personnel indicatif : 50 H
Discipline
Finance
Nombre de places
45
Cours ouvert aux étudiants visitants
Oui
Langue d'enseignement
Français
Responsable
Samia CHEHBI GAMOURA Samia
CHEHBI GAMOURA

Discipline

Finance

Descriptif

Le cours "Python pour l’analyse de données financières" est conçu pour initier les non-informaticiens au langage Python, en mettant l’accent sur la pratique. Les participants apprendront à écrire leur premier programme en Python, tout en se familiarisant avec les notions de variables, de types de données et de fonctions. En progressant, le cours explorera l'outil pandas, incontournable pour la manipulation et l'analyse de données. Nous travaillerons notamment avec un jeu de données représentant des transactions bancaires, disponible sur Kaggle. Les étudiants apprendront à lire et à explorer des données via des statistiques descriptives, des agrégations et des tableaux croisés. Des exercices pratiques seront proposés tout au long du cours. Nous aborderons ensuite les aspects de nettoyage de données, de recodage et de détection de valeurs aberrantes. Une partie importante du cours sera dédiée aux visualisations des distributions à l'aide de la bibliothèque matplotlib. Enfin, une introduction à l’analyse des séries temporelles sera proposée, incluant le travail avec le format date-heure et la visualisation des tendances et patterns dans les données financières. Le contenu ainsi que les exercices seront adaptés au niveau du groupe.

MAC

Analyser et critiquer une vision stratégique et managériale dans un contexte incertain/Analyse and critically assess a s
10 ECTS

Objectifs pédagogiques - DOMAINE COGNITIF

A l'issue du cours, l'étudiant(e) devrait être capable de / d'...
  • analyser les bases de données clients à l’aide de pandas pour identifier des tendances et des patterns clés.
  • optimiser les scripts Python en réduisant le temps d'exécution des tâches lors de l'analyse de données bancaires.
  • examiner les transactions bancaires pour détecter des anomalies et des erreurs à l’aide des outils de nettoyage de données.
  • interpréter les visualisations de données créées avec matplotlib pour faciliter la prise de décisions stratégiques.
  • faciliter la compréhension des transactions bancaires grâce à une cartographie claire et précise des données.

Objectifs pédagogiques - DOMAINE AFFECTIF

A l'issue du cours, l'étudiant(e) devrait être capable de / d'...
  • formuler des stratégies pour travailler sur des données finanicères
  • intégrer des équipes pour travailler sur des projets data en finance
  • intégrer une démarche pertinente pour analyser et interpreter les données finanicères
  • montrer comment vous pouvez donner de la valeur aux données financières

Objectifs pédagogiques — Objectifs de développement durable (ODD)

ODD n°3 - Bonne santé et bien-être
ODD n°4 - Éducation de qualité
ODD n°9 - Industrie, innovation et infrastructure
ODD portés par la politique RSO de l'EM.

Plan / Sommaire

1. Intro à Python pour les non informaticiens. Prise en main.
2. Premiers pas en Python
3. Projet: envoi d’un e-mail à un ami
4. Introduction à pandas: outil d’analyse et de manipulation de donnée
5. Nettoyage de données: les transactions bancaires
6. Analyse exploratoire de données: base de clients de banque
7. Tests statistiques
8. Visualisation des données avec matplotlib
9. Analyse des séries temporelles
10. Description des profils de clients de banque
11. Projet: description des transactions bancaire
12. Cartographie des transactions
13. Sessions des questions réponses avant l’évaluation

Prérequis nécessaires

Connaissances en / Notions clés à maîtriser

Les notions de la statistique.

Supports pédagogiques

Outils obligatoires pour le cours

- Ordinateur

Plateformes Moodle

- Dépôt de documents de cours
- Interface pour dépôt de livrables
- Autre : Python

Autres plateformes électroniques

- Autre : Acces VM

Manuels/ouvrages obligatoires

Sarah Boslaugh and Paul Andrew Watters, Statistics in a Nutshell, O’Reilly, 2008.
Dan Bader, Python tricks: The Book, 2017.

Modalités d'évaluation

Liste des modalités d'évaluation

? Evaluation intermédiaire / contrôle continu 1
Ecrite (60 min) / Individuelle / Français / Pondération : 30%
Compétence mesurée
Non renseignée
Evaluation finale 2
Ecrite et orale (60 min) / Individuelle / Français / Pondération : 70%
Compétence mesurée
Non renseignée
Seconde chance
Ecrite et orale (60 min) / Individuelle / Français / Pondération : 70%
Compétence mesurée
Non renseignée
Aucune modalité d'évaluation n'a pour le moment été attribuée à ce cours.