.. _part1_chap1:

***********************************************************************
Chapitre 1 : Introduction à la programmation et aux technologies émergentes
***********************************************************************

Ce chapitre présente une introduction à la programmation et explore les technologies émergentes, 
en mettant l'accent sur Python et R dans le contexte de la science des données et de l'analyse de données.

Objectifs
=========

L'objectif de ce chapitre est de:

- Introduire Python et R aux étudiants.
- Montrer leur importance sur le marché.
- Motiver leur apprentissage via des statistiques concrètes.
- Fournir les ressources nécessaires pour démarrer.
- Encourager la pratique.

Note théorique
==========================================

Statistiques d'utilisation de Python et R
""""""""""""""""""""""""""""""""""""""""""

- Python est extrêmement populaire et polyvalent.
- R est très présent en data science et en statistique.
- Les deux langages offrent de bonnes perspectives salariales.


.. note::
   Les statistiques ci-dessus sont basées sur des `données de 2023<https://survey.stackoverflow.co/2023/>`. Les tendances peuvent évoluer avec le temps surtout avec l'arrivé des LLMs.

Configuration de l'environnement
=================================

Pour commencer à programmer en Python et R, vous devez configurer votre environnement de développement.

**Installation de Python**


1. **Anaconda** (recommandé) : Distribution complète incluant Python et de nombreuses bibliothèques scientifiques
   
   * Téléchargement : `Anaconda Distribution <https://www.anaconda.com/products/distribution>`_
   * Inclut Jupyter Notebook, Spyder, et d'autres outils

2. **Jupyter Notebooks** : Environnement interactif pour le développement et la présentation
   
   * Installation : `Jupyter Installation Guide <https://jupyter.org/install>`_
   * Idéal pour l'analyse de données exploratoire et l'apprentissage

**Installation de R**

1. **R Base** : Le langage R de base
   
   * Téléchargement : `CRAN R Project <https://cran.r-project.org/>`
   * Nécessaire pour exécuter du code R

2. **RStudio** : Environnement de développement intégré pour R
   
   * Téléchargement : `RStudio Download <https://www.rstudio.com/products/rstudio/download/>`_
   * Interface conviviale pour le développement en R


Exercice pratique : Première ligne de code
===========================================

Une fois votre environnement configuré, testez-le avec une opération simple :

**En Python** :

.. code-block:: python

   # Dans une console Python ou Jupyter Notebook
   1 + 2
   # Résultat : 3

**En R** :

.. code-block:: r

   # Dans RStudio ou une console R
   1 + 2
   # Résultat : 3

Cette simple opération confirme que votre environnement est correctement configuré et prêt pour les chapitres suivants.


À lire / Aller plus loin
=======================================

**Slides du cours :**

* `Introduction à Python et R <../_static/pythonr.key.pdf>`_

**Documentation :**

* **Statistiques de programmation** : `Stack Overflow Survey <https://insights.stackoverflow.com/survey>`_
* **Science des données** : `Python vs R for Data Science <https://www.datacamp.com/blog/python-vs-r-for-data-science-whats-the-difference>`_
* **Comparaison détaillée** : `Python vs R Comparison <https://s3.amazonaws.com/assets.datacamp.com/email/other/Python+vs+R.pdf>`_