Un petit bijou le programme de codecademy.com! Ca cartonne en ce moment, et pour cause! C’est un site qui permet d’apprendre à coder gratuitement, entre autres, parmi les langages suivants: HTML & CSS, JavaScript, JQuery, PHP, Python et Ruby.
Forcément, en voyant Python, je n’ai pas hésité une seconde! Comme expliqué dans un des précédents posts, Python est LE langage à connaître lorsqu’on veut devenir Data Scientist!
Qu’est-ce que ça donne concrètement?
J’ai initié mon apprentissage, et suis devenue accro: Un peu de théorie, un exercice à faire en pratique, on code directement en Python, et on voit en direct si le résultat obtenu est celui attendu.
⇒ Une approche très progressive, un bon français et des explications très didactiques, je n’ai pas trouvé de défaut!
Pour le moment, j’en suis à 20% d’avancement, en 2-3h d’entraînement, ce qui est en ligne avec les 13h de formation annoncées:
C’est facile?
Pour des personnes ayant des notions de programmation informatique, notamment C/C++ ou Visual Basic (qui datent pour ma part d’il y a 10 ans), c’est tout à fait accessible.
De plus, un système de badges (1ère leçon terminée, 50 exercices réussis,…) permet d’encourager à continuer, et les classiques partages sur les réseaux sociaux également.
Le détail des différents modules est également expliqué, on peut donc se projeter sur les compétences que l’on va acquérir!
Voici à quoi cela ressemble (sans vouloir apeurer les novices!):
A vous de jouer! Et dites-moi ce que vous en pensez 🙂
8 Comments
[…] à mon apprentissage de Python sur codecademy, je vous propose ici un résumé des principales instructions sur […]
[…] la lignée de mon article sur Codecademy, je souhaiter présenter ici un autre outil très pédagogique dans le cadre d’un […]
Bonjour,
Très bon post sur comment apprendre Python (ou un autre langage de programmation) lorsque ce n’est pas notre “pain quotidien”.
Je ne suis pas d’accord avec l’assertion “Python est LE langage à connaître quand on veut devenir Data scientist”. Je suis en contact avec des data scientists en activité et beaucoup (voire la majorité) utilisent en parallèle Python, R et d’autres langages plus généralistes (même du Java/C#/Scala). Il ne faut pas trop vite généraliser car chez les data scientist, il y a aussi les “scientists” tout court qui vont jusqu’à implémenter de nouveaux algorithmes (par exemple d’optimisation) parce que ça n’existe tout bêtement pas nio en Python (scikit-learn) ni en R(malgré les nombreux packages) ou parce que c’est inadapté à leurs besoins.
Mais je ne veux pas engager ici un “flame war” car pour ma part je code aussi bien en Python, en R voire j’apprends Haskell (programmation fonctionnelle) même si ce n’est pas mon “pain quotidien”.
Au plaisir de vous lire ou de vous croiser sur le forum du MOOC “Fondamentaux du Big Data”
Bonjour Jean-Claude,
Merci pour votre post. Effectivement, entre R et Python (et d’autres), il y de multiples usages. Pour quelqu’un qui débute (comme moi) et qui doit commencer par un language, il me semble intéressant de commencer par Python, car il faut bien choisir (choisir c’est renoncer!). Après il faut s’adapter en fonction des offres de postes… 🙂
Re bonjour,
Juste pour vous dire qu’il y a aussi l’excellent iPython et ses notebooks. Une fois que vous y aurez goûté, croyez moi, vous n’allez pas pouvoir vous en passer. iPython est un environnement de codage “interactif” et “par petites touches” (du scalable quoi). C’est tellement puissant que beaucoup de langages s’en sont inspirés (R n’a pas réussi par ex.) ou utilisent carrément le framework (c’est le cas pour Julia avec iJulia).
Bon code avec Python.
Bonjour,
Oui, choisir c’est renoncer. Avant Python, j’ai choisi R, ensuite j’ai choisi Python pour choisir de nouveau R (je reste statisticien dans l’âme) pour finalement ne pas choisir du tout. J’avoue que je préfère R mais c’est surtout parce que j’ai goûté à la programmation fonctionnelle (via haskell), du coup je rechigne à utiliser Python. Néanmoins, je vous encourage à consolider votre connaissance de Python, surtout des libraries “data science” (à commencer par Numpy/Scipy, pandas et l’incontournable scikit-learn pour le “machine learning).
[…] Nous sommes à la semaine 1, et les 1ères vidéos m’ont (ré)-appris les bases de Python. Mais surtout elles m’ont permis d’installer les packages Python et un outil graphique (Spyder) qui permettent de s’exercer de manière libre, plus indépendamment qu’avec codecademy. […]
Merci pour votre article, moi aussi j’ai appris Python sur Codecademy. Récemment je viens de découvrir un très bon site (www.dataquest.io) interactif comme codecademy, mais dédié à la data, on y apprend tout ce qui est relatif à la data science en faisant du python avancé sur des sujets de statistiques, d’algèbre linéaire ou de machine learning. Bonne découverte pour ceux qui ne le connaissent pas encore.