Théo Charron
AboutKnowledgeDashboardsProjectsBlog & ResearchReferencesContact
fren

© 2024 Théo Charron. All rights reserved.

GitHubLinkedIn
All projects
Data

OpenClassrooms Data Analyst - Projet 4 : Réalisez une étude de santé publique avec Python

Création d'un rapport d'étude sur l'alimentation dans le monde

2024-10
Data analysis
Data visualization
Python
Jupyter Notebook

Nota bene : Cette page présente les grandes lignes du projet réalisé avec OpenClassrooms. Par respect pour la plateforme, je ne mettrai aucun livrable en libre accès. Néanmoins si vous souhaitez consultez les livrables, vous pouvez me contacter en précisant les livrables de projets que vous souhaiteriez prendre connaissance afin que je puisse vous les présenter dans un entretien privée.

Résumé

J'ai réalisé une étude sur l'alimentation dans le monde à partir des données de la FAO (Food and Agriculture Organization of the United Nations). Pour cela, j'ai utilisé un jupyter notebook sur l'éditeur de code VSCode (Visual Studio Code) . Ce notebook contient une analyse exploratoire des données (EDA), une analyse détaillé illustré de graphiques et d'exemples et des analyses complémentaires que j'ai ajoutées de ma propre initiative. La partie EDA consistait à comprendre comment nos données étaient structurées et y appliquer en conséquence les traitements et formatages nécessaires pour pouvoir exploiter correctement ces données. Ensuite, l'analyse détaillé fournit des chiffres clés et des graphiques comme des graphiques en courbes, en barres, en secteurs (graphique camembert). J'ai fourni aussi dans l'analyse complémentaire des informations sur l'évolution de la population et établi une relation linéraire permettant d'anticiper les besoins en nourriture ainsi que des informations sur le contexte géopolitique au Yémen à partir de l'année 2011.

Contexte

Ce projet est une étude sur l'alimentation dans le monde. Nous nous mettons dans la place d'un data analyst travaillant pour la FAO.

Objectifs

  • Analyser les données
  • Traiter les valeurs manquantes et ajuster les unités
  • Faire une jointure des fichiers pour exploiter l'ensemble
  • Réaliser des graphiques illustrant les analyses
  • Calculer des chiffres clés
  • Analyser des exemples
  • Réaliser des analyses complémentaires

Langages

  • Python

Librairies d'analyse de données

  • Pandas
  • NumPy
  • Matplotlib
  • Seaborn

Technologies

  • Jupyter Notebook
  • Visual Studio Code

Résultats

Nous avons une étude sur l'alimentation dans un notebook accessible aux utilisateurs donnant des insights essentiels permet de mieux comprendre la faim dans le monde et comment la réduire. J'ai mis en évidence par exemple que sur l'année 2017, on pourrait en théorie nourrir 3277 milliards d'humains avec l'ensemble de la nourriture produite et 2703 milliards d'humains avec seulement les produits végétaux alors que la part sous nutrition est de 7.1% pour une population de 7,5 milliards d'humains dans le monde. Par ailleurs, l'analyse complémentaire sur le contexte géopolitique du Yémen mets en évidence une des raisons de la part de sous nutrition malgré les aides alimentaires et la difficultée à résoudre la faim malgré des ressources abondantes.

Compétences acquises

Soft skills

  • Rigueur scientifique
  • Documentation
  • Vulgarisation
  • Présentation de rapport d'étude à un auditoire grand public
  • Analyse & Synthèse
  • Prise d'initiative
  • Recherche d'informations complémentaire à une analyse

Hard skills

  • Maîtrise de python dans l'analyse de données (Pandas, NumPy, Matplotlib, Seaborn)
  • Maîtrise des jupyter notebooks
  • Gestion de projet avec un environnement virtuel Python dans Visual Studio Code
  • Analyse exploratoire des données
  • Statistiques descriptives
Back to projects