Merge pull request #23 from InseeFrLab/review2024

Review2024

Author: avouacr

index.qmd

@@ -71,6 +71,12 @@ La base du notebook est le *kernel*, visible en haut à droite (`Python 3 (ipyke
 
 Les cellules grisées correspondent aux cellules de code. Pour exécuter le contenu d'une cellule, il suffit de cliquer dessus puis d'utiliser les raccourcis clavier `Ctrl + Entrée` (exécute la cellule et reste sur la cellule active) ou `Shift + Entrée` (exécute la cellule et passe à la cellule suivante). Attention, exécuter une cellule revient à exécuter l'ensemble de son contenu. Si l'on souhaite exécuter ligne à ligne, on peut créer des nouvelles cellules (bouton ➕) et y insérer les différentes lignes de code. D'autres éditeurs de code (comme `VSCode`, disponible sur le `SSP Cloud`) permettent, comme `RStudio` par exemple, d'exécuter du code ligne à ligne, mais ils sont moins adaptés à la découverte de `Python`.
 
+::: {.callout-tip}
+Si vous faites, peut-être par mégarde, un double-clic sur une cellule de texte d'un notebook Jupyter, la mise en forme disparaît et laisse place à du texte markdown brut : c'est le mode édition de la cellule.
+
+Dans ce cas, pas de panique : un simple `Ctrl + Entrée` permet de ré-exécuter la cellule et remet en forme le texte.
+:::
+
 ### Comment résoudre les erreurs ?
 
 La survenue d'erreurs est tout à fait naturelle et attendue lors de l'apprentissage (et même après !) d'un langage informatique. La résolution de ces erreurs est vraiment l'occasion de comprendre comment fonctionne le langage et de devenir autonome dans sa pratique de celui-ci. Voici une proposition d'étapes à suivre (dans cet ordre) pour résoudre une erreur :
@@ -93,9 +99,9 @@ Tous les supports de formation restent accessibles sur le `SSP Cloud` après la
 
 Pour approfondir sa connaissance du langage `Python` après cette formation d'introduction, rien de tel que la mise en pratique sur des sujets concrets ! Pour les modalités d'utilisation de `Python` dans le cadre des projets statistiques, cela va dépendre de l'organisation : 
 
-- pour des **projets open-data et inter-administrations**, le `SSP Cloud` est une bonne alternative dans la mesure où les services `Python` y sont déjà pré-configurés et où un service de stockage de données y est proposé (cf. [documentation](https://www.sspcloud.fr/formation) pour plus de détails) ;
+- pour des **projets open-data et inter-administrations**, le `SSP Cloud` est une bonne solution dans la mesure où les services `Python` y sont déjà pré-configurés et où un service de stockage de données y est proposé (cf. [documentation](https://www.sspcloud.fr/formation) pour plus de détails) ;
 
-- pour des **projets internes à l'Insee**, se référer à la [documentation](https://datascience.gitlab-pages.insee.fr/site-documentaire/ausv3/logiciels-carte/eco-systeme-python/) sur l'utilisation de `Python` en interne ;
+- pour des **projets internes à l'Insee**, l'utilisation de [`LS3`](https://datascience.gitlab-pages.insee.fr/site-documentaire/ls3/ls3-c-est-quoi/) (la version interne du `SSPcloud` pour le dire rapidement) est à privilégier. À noter qu'il est aussi possible d'utiliser Python directement depuis AUS mais avec un coût d'entrée sûrement plus important (se référer à la [documentation](https://datascience.gitlab-pages.insee.fr/site-documentaire/ausv3/logiciels-carte/eco-systeme-python/)) ;
 
 - pour des **projets internes à d'autres administrations**, se rapprocher de sa DSI pour connaître les modalités d'utilisation recommandées.
 

slides/index.qmd

@@ -1,7 +1,7 @@
 ---
 title: Introduction à Python
 subtitle: |
-  [**[Romain Avouac, Yves-Laurent Benichou]**]{.orange}
+  [**Romain AVOUAC, Julien PRAMIL**]{.orange}
 slide-number: true
 footer: |
   Formation "Introduction à Python"
@@ -30,6 +30,9 @@ from: markdown+emoji
 - Langage [**puissant**]{.orange}
     - [**Versatile**]{.blue2} : riche bibliothèque de [***packages***]{.blue2}
     - Fédère des [**communautés diverses**]{.blue2}
+        - Datascience, recherche
+        - Développement web
+        - Cybersécurité, *fintech*, etc.
 
 ## Pourquoi se former à `Python` ?
 
@@ -73,8 +76,20 @@ Source : [josephsalmon.eu](https://josephsalmon.eu/HMMA238.html)
     - Pédagogie par la [**pratique**]{.blue2}
 
 - [**Tutorat**]{.orange}
-    - [Canal Tchap](https://tchap.gouv.fr/#/room/!XKtsUhPslGXsbIUOIw:agent.finances.tchap.gouv.fr?via=agent.finances.tchap.gouv.fr) : pour poser toutes vos questions en continu
-    - [**Visio périodique**]{.orange} (dates à définir) : questions de fond, déroulement pas à pas..
+    - [Canal Tchap  : SSPy - Formation "Initiation à Python"](https://tchap.gouv.fr/#/room/!XKtsUhPslGXsbIUOIw:agent.finances.tchap.gouv.fr?via=agent.finances.tchap.gouv.fr) : pour poser toutes vos questions en continu
+    - [**Visio périodique**]{.orange} : questions de fond, déroulement pas à pas..
+
+## Les visio périodiques
+
+- [**Bureau ouvert**]{.orange} pour poser vos questions.
+- Une [**thématique principale**]{.orange} mais pas unique par visio.
+
+- Dates proposées :
+    - mardi 7 janvier 10h30-12h (**manipulation de données**)
+    - mardi 21 janvier 10h30-12h (**POO, fichiers, numpy**)
+    - mardi 4 février 10h30-12h (**pandas**)
+    - vendredi 14 février 13h30-16h30 (**projets + bilan**)
+
 
 ## Hébergée sur le SSP Cloud
 
@@ -110,6 +125,11 @@ Source : [josephsalmon.eu](https://josephsalmon.eu/HMMA238.html)
 
 - Seul pré-requis : [créer un compte sur le SSP Cloud](https://auth.lab.sspcloud.fr/auth/realms/sspcloud/login-actions/registration?client_id=onyxia&tab_id=IU7LpltKvV8)
 
+::: {.callout-warning}
+## Mail pro
+Utilisez votre mail professionnel (ex : @insee.fr) pour avoir accès à la plateforme. 
+:::
+
 ## Comment résoudre les *bugs* ?
 
 - [**Etapes de résolution**]{.orange}

slides/notes.md

@@ -0,0 +1,32 @@
+## E-formation, comment ça se passe ? : 
+- Autonomie mais pas non plus un Mooc : on fait des sessions d'accompagnement au cours de la période de formation (toutes les deux semaines).
+- Session de cloture, feed-back
+- On sort de l'idée de "on vient 2 jours en présentiel pour connaître un langage"
+- Chacun avance à son rythme.
+
+Feed-back sur le temps passé par chacun
+
+## Slides : 
+- C'est de l'intro à Python, base commune. Porte d'entrée sur un gigantesque ecosystème.
+- 1991, pas nouveau mais très a jour et très utilisé, et de plus en plus.
+- Haut-niveau, facile à lire.
+
+R : pensé pour les statisticiens (exemple : dataframe natif en R), pas Python.
+Python : machine learning, dev d'application, commu plus développés.
+
+SSPcloud : plateforme hébergée à l'Insee, pour l'expérimentation en datascience.
+- Pas de pb d'installation
+- reproductibilité : on a tous le même environnement (si ça tourne chez moi, ça tourne chez vous).
+
+Formation par la pratique avec les projets proches des cas d'usage métier.
+
+Notebook jupyter très adaptés à la formation et aux phases d'expérimentation.
+
+SSPcloud : parler des parcours de formation divers et varier.
+
+Démonstration sur les notebooks : 
+- executer du code
+- créer une nouvelle cellule / delete une cellule
+- Execution de l'ensemble de la cellule, pas ligne à ligne.
+- Montre les exos à la fin des notebooks.
+- Montrer comment on ouvre un jupyter vierge sur le sspcloud et parler de LS3.

source/fundamentals/data-structures1/tutorial.qmd

@@ -196,7 +196,7 @@ b.index("d")
 
 ### Définition
 
-Les **tuples** sont une autre structure de données basique en Python, semblable à celle des listes dans leur fonctionnement. Il y a cependant une différence fondamentale : là où les éléments d'une liste peuvent être modifiés par position comme on l'a vu précédemment, les tuples sont **non-modifiables** (*immutable*). Ainsi, les éléments d'un tuple ne peuvent pas être modifiés sans redéfinir complètement le tuple. 
+Les **tuples** sont une autre structure de données basique en Python, semblable à celle des listes dans leur fonctionnement. Il y a cependant une différence fondamentale : là où les éléments d'une liste peuvent être modifiés comme on l'a vu précédemment, les tuples sont **non-modifiables** (*immutable*). Ainsi, les éléments d'un tuple ne peuvent pas être modifiés sans redéfinir complètement le tuple. 
 
 Quand est-il pertinent d'utiliser un tuple plutôt qu'une liste ? En pratique, les tuples sont beaucoup moins fréquemment utilisés que les listes. On utilise généralement les tuples pour **stocker des données qui n'ont pas vocation à être modifiées** lors de l'exécution de notre programme Python. Cela permet de se prémunir contre des problèmes d'intégrité de données, c'est à dire de modification non-voulue des données d'entrée. On s'évite ainsi parfois de longues et pénibles séances de debugging.
 
@@ -312,7 +312,7 @@ Ces fonctions ont d'autres usages en pratique, que nous verrons en exercice.
 
 - 4/ Une liste est un objet mutable : il est possible d'ajouter, supprimer ou modifier des éléments d'une liste après sa création. A l'inverse, les tuples sont immutables : une fois qu'un tuple est défini, on ne peut ni changer ses éléments, ni ajouter ou supprimer des éléments.
 
-- 5/ En vertu de leur immutabilité, les tuples sont particulièrement adaptés pour stocker des données dont on voudrait s'assurer qu'elle ne seront pas modifiés par erreur. Par exemples, pour stocker des constantes d'un algorithme (paramètres, coordonnées géographiques, chemin de fichier, etc).
+- 5/ En vertu de leur immutabilité, les tuples sont particulièrement adaptés pour stocker des données dont on voudrait s'assurer qu'elles ne seront pas modifiées par erreur. Par exemple, pour stocker des constantes d'un algorithme (paramètres, coordonnées géographiques, chemin de fichier, etc.).
 
 - 6/ Oui, il est tout à fait possible d'avoir des éléments de types différents dans une même liste ou dans un même tuple. Ces éléments peuvent être de types de base (ex : `int` et `string`), mais également des conteneurs (ex : liste, tuple, dictionnaire, etc.).
 

source/fundamentals/data-structures2/tutorial.qmd

@@ -79,7 +79,7 @@ print(cv["marc"])
 print(cv["marc"]["hobbies"][0])
 ```
 
-Répétons-le : les dictionnaires n'ont pas de notion d'ordre. Ainsi, il n'y a pas de sens à requêter l'élément de position `0` d'un dictionnaire (sauf si la clé `0` existe..). Requêter une clé inexistante renvoie une erreur.
+Répétons-le : les dictionnaires n'ont pas de notion d'ordre. Ainsi, il n'y a pas de sens à requêter l'élément de position `0` d'un dictionnaire (sauf si la clé `0` existe...). Requêter une clé inexistante renvoie une erreur.
 
 
 ```{python}
@@ -99,6 +99,8 @@ inventaire['cafe'] = {'arabica': '250g', 'robusta': '400g'}
 inventaire
 ```
 
+La valeur associée à la clé "cafe" était une chaîne de caractères ('500g'). Après modification, cette valeur n'est plus une chaîne de caractères mais un dictionnaire.
+
 ### Suppression d'éléments
 
 Pour supprimer une clé (et la valeur associée), les mêmes opérations que celles qui permettent de supprimer des éléments dans une liste peuvent être utilisées.
@@ -158,6 +160,11 @@ list(cv.values())
 list(cv.items())
 ```
 
+::: {.callout-tip}
+La méthode `.items()` est très utile pour les itérations, nous le verrons plus loin.
+Pour les plus curieux, gardez en tête que cette méthode renvoie, pour chaque élément du dictionnaire, un tuple de taille 2 contenant la clé et la valeur.
+:::
+
 ## Sets
 
 ### Définition
@@ -214,6 +221,14 @@ x.remove(2)
 x
 ```
 
+Tout cela fonctionne aussi pour des sets de chaînes de caractères par exemple : 
+
+```{python}
+x = {"Jeanne", "Jean"}
+x.remove("Jean")
+x
+```
+
 ### Utilisation
 
 Les sets ne sont pas très souvent utilisés en pratique, mais ils s'avèrent bien utiles dans certaines situations précises. Du fait de l'unicité des éléments qu'ils contiennent, les sets permettent simplement et efficacement de supprimer les doublons dans un conteneur séquentiel, comme une liste.

source/fundamentals/functions/tutorial.qmd

@@ -29,7 +29,7 @@ Dans cet exemple, la fonction `len` :
 
 - renvoie ce nombre en sortie
 
-L'"ensemble d'instructions" qui permettent de calculer la longueur de la chaîne n'est pas connu. En tant qu'utilisateur, on a seulement besoin de savoir ce que prend la fonction en entrée et ce qu'elle renvoie en sortie. Cela vaut pour les cas dans lesquels on utilise des fonctions natives de Python ou bien des fonctions issus de librairies Python auxquelles on fait confiance. On parle de "boîtes noires" pour caractériser de telles fonctions.
+L'"ensemble d'instructions" qui permettent de calculer la longueur de la chaîne n'est pas connu. En tant qu'utilisateur, on a seulement besoin de savoir ce que prend la fonction en entrée et ce qu'elle renvoie en sortie. Cela vaut pour les cas dans lesquels on utilise des fonctions natives de Python ou bien des fonctions issues de librairies Python auxquelles on fait confiance. On parle de "boîtes noires" pour caractériser de telles fonctions.
 
 En pratique, on va vouloir définir ses propres fonctions pour structurer son code et le réutiliser dans les analyses. 
 
@@ -238,8 +238,8 @@ def accueil(prenom):
     print("Salutations " + prenom + " !")
     
 x = accueil("Léontine")
-print(x)
-print(type(x))
+print(f"Valeur de x : {x}")
+print(f"Classe de x : {type(x)}")
 ```
 
 Comme attendu, la fonction a imprimé un message de bienvenue dans la console. Mais on n'a pas spécifié de valeur à retourner. Comme un objet doit malgré tout être retourné par définition, Python renvoie la valeur `None`, qui est un objet particulier, de type `NoneType`, et qui représente l'absence de valeur. Son seul intérêt est de bien marquer la différence entre une valeur réelle et l'absence de valeur.

source/fundamentals/loops/tutorial.qmd

@@ -219,7 +219,7 @@ Agrémentons l'exemple précédent pour illustrer son fonctionnement. Tant qu'un
 
 ```{python}
 #| eval: false
-votre_prenom = ""
+votre_prenom = "bob"
 
 while True:
     print("Veuillez entrer votre prénom.")
@@ -228,7 +228,7 @@ while True:
         continue
     print("Veuillez entrer votre mot de passe.")
     mdp = input()
-    if mdp == "insee2021":
+    if mdp == "lemotdepasse":
         break
 print("Bienvenue " + votre_prenom)
 ```

source/fundamentals/oop/tutorial.qmd

@@ -1,7 +1,7 @@
 ::: {.content-visible when-profile="fr"}
 # Notions de programmation orientée objet
 
-Python est un langage dit "multi-paradigmes", c'est à dire qu'il admet plusieurs manières de coder et de concevoir ses programmes. L'une d'entre elle est la programmation orientée objet (POO). La POO est un paradigme puissant, mais fait intervenir des concepts assez complexes (polymorphisme, héritage, etc.). Fort heureusement pour nous, Python n'impose pas de coder en POO. Cela étant, le fonctionnement interne de Python est fortement teinté de POO, et la plupart des *packages* les plus utilisés reposent à des degrés divers sur les objets. Nous allons donc étudier dans ce tutoriel les bases de la POO, afin de pouvoir être autonomes lorsque son usage est nécessaire.
+Python est un langage dit "multi-paradigmes", c'est à dire qu'il admet plusieurs manières de coder et de concevoir ses programmes. L'une d'entre elles est la programmation orientée objet (POO). La POO est un paradigme puissant, mais fait intervenir des concepts assez complexes (polymorphisme, héritage, etc.). Fort heureusement pour nous, Python n'impose pas de coder en POO. Cela étant, le fonctionnement interne de Python est fortement teinté de POO, et la plupart des *packages* les plus utilisés reposent à des degrés divers sur les objets. Nous allons donc étudier dans ce tutoriel les bases de la POO, afin de pouvoir être autonomes lorsque son usage est nécessaire.
 
 
 ## La programmation orientée objet
@@ -58,7 +58,7 @@ Analysons la syntaxe de construction d'une classe d'objets :
 
 - l'instruction `class` définit la **classe d'objets**. Différents objets pourront être créés selon le modèle défini par cette classe. Par convention, le nom de la classe doit commencer par une majuscule.
 
-- la classe spécifie un certains nombres de fonctions. Dans ce contexte particulier, on appelle ces fonctions "**méthodes**" : ce sont des fonctions spécifiques à la classe d'objets définie.
+- la classe spécifie un certain nombre de fonctions. Dans ce contexte particulier, on appelle ces fonctions "**méthodes**" : ce sont des fonctions spécifiques à la classe d'objets définie.
 
 - une première méthode bien spécifique, nommée `__init__`, est appelée le **constructeur**. Elle permet de définir les **attributs** attachés à cette classe d'objets. Il est possible de passer des paramètres à la fonction (comme `couleur` et `qte_jus`) pour définir des attributs propres à une **instance** de l'objet (plus de détails sur cette notion dans la section suivante).
 
@@ -178,7 +178,7 @@ Le fait que les objets possèdent des attributs permet de garder en mémoire **l
 
 - l'entraînement d'un modèle de machine-learning. Il est fréquent d'entraîner un modèle une première fois, et de vouloir ensuite continuer l'entraînement plus longtemps, ou bien avec d'autres données. Sauvegarder l'état dans une instance de la classe `Modele` permet de faire cela. C'est pourquoi la plupart des *packages* de machine-learning en Python sont fondés sur de la POO.
 
-- le fonctionnement en continu d'une application web. Une telle application doit garder des choses en mémoire pour fournir à l'utilisateur une expérience fluide : le fait que l'utilisateur se soit connecté, son historique, etc. Là encore, la plupart des *frameworks* web (`Django`, `Flask`..) reposent sur de la POO.
+- le fonctionnement en continu d'une application web. Une telle application doit garder des choses en mémoire pour fournir à l'utilisateur une expérience fluide : le fait que l'utilisateur se soit connecté, son historique, etc. Là encore, la plupart des *frameworks* web (`Django`, `Flask`...) reposent sur de la POO.
 
 Dans le même temps, le fait d'utiliser des objets qui gardent en mémoire un état peut **limiter la reproductibilité des analyses**. Pour illustrer cela, revenons à l'exemple du tutoriel : exécutez plusieurs fois d'affilée la cellule suivante.