La formation est-elle certifiée Qualiopi ?

Oui, Learni est un organisme certifié Qualiopi. Cette certification garantit la qualité de nos formations et permet leur prise en charge par les OPCO et autres dispositifs de financement.

Comment financer ma formation ?

Nos formations sont éligibles aux financements OPCO. Learni vous accompagne dans les démarches de prise en charge. Un devis personnalisé est disponible sur demande.

Quels sont les prérequis pour cette formation ?

Les prérequis pour la formation Maîtriser SciPy : Analyse et Calcul Scientifique Avancé en Python sont : Bonnes bases en Python et en mathématiques (algèbre linéaire, calcul différentiel et intégral). Un entretien préalable permet de valider votre éligibilité.

La formation est-elle disponible en présentiel ?

Oui, la formation Maîtriser SciPy : Analyse et Calcul Scientifique Avancé en Python est disponible en distanciel. Le format peut être adapté à vos besoins (inter, intra, sur-mesure).

Maîtriser SciPy : Analyse et Calcul Scientifique... | Learni

L'histoire de Learni

Fondée par des passionnés de l'apprentissage et de l'innovation, Learni s'est donnée pour mission de rendre la formation professionnelle accessible à tous, partout dans le monde. Notre équipe intervient dans les plus grandes métropoles telles que Paris, Lyon, Marseille, mais aussi à l'international, afin d'accompagner les talents et les organisations dans leur montée en compétences.

Configurez votre formation

Réponse sous 24hSans engagement100% gratuit

Plus que 5 places disponibles ce mois-ci

10 places par session maximum — 8 déjà prises

FormatParticipantsDateCoordonnées

Quel format préférez-vous ?

Modalités, méthodes et moyens pédagogiques

La formation Maîtriser SciPy : Analyse et Calcul Scientifique Avancé en Python est délivrée en présentiel ou distanciel (blended-learning, e-learning, classe virtuelle, présentiel à distance). Chez Learni, organisme de formation certifié Qualiopi, chaque parcours est conçu pour maximiser l'acquisition de compétences, quel que soit le mode de formation choisi.

Le formateur alterne entre méthode démonstrative, interrogative et active (via des travaux pratiques et/ou des mises en situation). Cette approche pédagogique garantit un apprentissage concret et directement applicable en entreprise.

Moyens pédagogiques mis en œuvre

Pour garantir la qualité de la formation Maîtriser SciPy : Analyse et Calcul Scientifique Avancé en Python, Learni met à disposition les moyens pédagogiques suivants :

Ordinateurs Mac ou PC, connexion internet haut débit fibre, tableau blanc ou paperboard, vidéoprojecteur ou écran tactile interactif (pour les sessions en distanciel)
Environnements de formation installés sur les postes de travail ou accessibles en ligne
Supports de cours, exercices pratiques et ressources complémentaires
Accès post-formation aux supports et ressources pédagogiques

En cas de formation intra-entreprise sur site externe à Learni, le client s'assure et s'engage à disposer de toutes les ressources matérielles pédagogiques nécessaires (équipements informatiques, connexion internet...) au bon déroulement de l'action de formation conformément aux prérequis indiqués dans le programme de formation communiqué.

* nous consulter pour la faisabilité en distanciel** ratio variable selon la formation suivie

Modalités d'évaluation des acquis

L'évaluation des compétences acquises lors de la formation Maîtriser SciPy : Analyse et Calcul Scientifique Avancé en Python s'effectue à travers :

En cours de formation : études de cas, travaux pratiques et mises en situation professionnelle
En fin de formation : questionnaire d'auto-évaluation et évaluation des acquis par le formateur
Après la formation : attestation de fin de formation détaillant les compétences acquises

Accessibilité de la formation

Learni s'engage pour l'accessibilité de ses formations professionnelles. Toutes nos formations sont accessibles aux personnes en situation de handicap. Nos équipes sont à votre disposition pour adapter les modalités pédagogiques à vos besoins spécifiques. N'hésitez pas à nous contacter pour toute demande d'aménagement.

Objectifs de la formation

Comprendre l’architecture du module SciPy et ses principales sous-bibliothèques

Effectuer des calculs scientifiques avancés en Python (optimisation, intégration, interpolation, traitement du signal, statistiques)

Appliquer SciPy à des cas pratiques en ingénierie, data science et recherche scientifique

Automatiser et accélérer des tâches analytiques complexes

Interagir efficacement avec d'autres bibliothèques scientifiques de l’écosystème Python (numpy, matplotlib, pandas)

Programme de la formation

Module 1Introduction à SciPy et Fondamentaux du Calcul Numérique

Présentation de la bibliothèque SciPy et de son écosystème. Installation et environnement de travail. Structure du module SciPy. Manipulation de données avec Numpy pour une utilisation optimale de SciPy. Calcul numérique de base et algèbre linéaire élémentaire avec scipy.linalg et scipy.array.

Module 2Optimisation, Intégration et Interpolation

Introduction à l’optimisation numérique (minimisation de fonctions, recherche de racines) avec scipy.optimize. Intégration numérique (scipy.integrate) : méthodes, intégrales simples et doubles. Interpolations linéaire, splines et autres méthodes avec scipy.interpolate. Études de cas en data science et ingénierie.

Module 3Traitement du Signal, Statistiques et Applications Avancées

Traitement du signal (filtres, transformées de Fourier, filtrage numérique) avec scipy.signal. Statistiques et distributions de probabilité : scipy.stats, analyse de jeux de données, tests d’hypothèses, ajustement de lois. Résolution d’équations différentielles ordinaires (ODE) avec scipy.integrate. Cas pratiques métiers : analyse de données, recherche appliquée, automatisation de routines analytiques. Bonnes pratiques et optimisation des performances. Introduction à la visualisation avec matplotlib.