- Une liste pour les Computational social science : https://github.com/gesiscss/awesome-computational-social-science
- Mentionnons d'abord le tutorial de la fondation Python : https://docs.python.org/fr/3/tutorial/index.html.
- Les cours de programmation d'Open Classrooms peuvent permettre de compléter les notions vues dans ce manuel avec une présentation plus formelle : https://openclassrooms.com/.
- Des articles en français à destination des sciences sociales sont développés sur le site Programming Historian https://programminghistorian.org/fr/. Par exemple, un article propose de rentrer en profondeur dans la manipulation de chaînes de caractères, ou encore une présentation des Notebooks Jupyter https://programminghistorian.org/fr/lecons/introduction-aux-carnets-jupyter-notebooks
- Des exemples de Notebooks utilisant Python pour les SHS développés avec Huma-Num : https://gitlab.huma-num.fr/io
- Python pour les utilisateurs de R de Matthieu Viry https://mthh.github.io/RUSS_190404/#/
- Tutorial aux Tuto-Mate-SHS de Clément Planck sur la bibliothèque Spacy de traitement des textes : https://mate-shs.cnrs.fr/actions/tutomate/tuto44_python_spacy_clement_plancq/
- Une présentation accessible et illustrée de Michael Nauge de ce que sont les Papiers Exécutables https://gitlab.huma-num.fr/mnauge/outiller-la-publication-urfist-2022/-/blob/main/diaporama/executablePaper_articleOutillee.md
- Carnet d'Alexander Delaporte, ingénieur d'études au Centre de recherches linguistiques sur l'Asie Orientale (R & Python) https://tekipaki.hypotheses.org/
- Explication de la reconnaissance d'entités nommées et outils dans le cadre de la pseudonimisation : https://guides.etalab.gouv.fr/pseudonymisation/en-pratique/#quelles-ressources-disponibles-pour-pseudonymiser
- Reconnaissance d'entités nommées avec Perdido https://gitlab.liris.cnrs.fr/lmoncla/tutoriel-anf-tdm-2022-python-geoparsing
- Mise en production du code (cours ENSAE) : https://ensae-reproductibilite.github.io/website/
- PEP8 Style Guide for Python Code https://peps.python.org/pep-0008/
- Des cours généraux sur l'informatique sont conçus et développés par le collectif Software Carpentry et disponibles sur leur site https://software-carpentry.org/lessons/. En plus d'une introduction à Python, vous trouverez par exemple un cours d'utilisation du terminal Unix.
- Excellent cours complet de l'initiation au traitement plus avancé de Mélanie Walsh https://melaniewalsh.github.io/Intro-Cultural-Analytics/welcome.html
- Cours EdX Python for research : https://www.edx.org/course/using-python-for-research#!
- Introduction aux Notebook Jupyter & Python : https://github.com/berniehogan/IntroducingPython
- Des exemples de Notebooks pour les Humanités Numériques : https://github.com/quinnanya/dh-jupyter
- Chaque année, la conférence internationale SciPy rend disponible ses conférences et tutoriaux en ligne. Vous pourrez donc suivre les tutoriaux donnés par des membres de la communauté sur Youtube avec une recherche sur le mot-clé « scipy2019 ».
- Vous trouverez des cours plus avancés sur le site Real Python https://realpython.com/.
- Le Blog de Jake Van der Plas http://jakevdp.github.io/ est intéressant à regarder pour apprendre des tours de main, en particulier sur la customisation de légende.
- Enfin, jetez un coup d'oeil à Apprendre à automatiser les trucs ennuyant avec Python : https://automatetheboringstuff.com/.
- Vidéo sur Matplotlib : https://www.youtube.com/watch?v=IlKvEWXajJM&feature=youtu.be&ab_channel=EitanLees
- Chapitre sur l'analyse textuelle : https://www.oreilly.com/library/view/applied-text-analysis/9781491963036/ch04.html
- Différentes stratégies de scrapping : https://scrapingant.com/blog/scrape-dynamic-website-with-python
- Une bibliothèque de codage quali : https://github.com/ccbogel/QualCoder
- Cheatsheets pour Matplotlib https://github.com/matplotlib/cheatsheets
- Bibliothèque pour manipuler les PDF : https://github.com/pymupdf/PyMuPDF
- Gallerie de visualisations : https://www.python-graph-gallery.com/
- Cours construit par Mathieu de Datactivist pour un bootcamp à sciencespo : https://github.com/datactivist/scpo-data-science-bootcamp
- Preparatory Course at Paris Science et Lettre : https://data-psl.github.io/preparatory-week/
- Comprendre les opérations sur les tableaux Pandas étape par étape : https://pandastutor.com/
- Des bonnes pratiques pour organiser du code sur du long terme : https://goodresearch.dev/
- Parser des zones de texte/images dans des zones : https://github.com/Layout-Parser/layout-parser
- Rubrix est un framework pour l'annotation NLP (par ex. avec couplage d'heuristiques skweak): https://rubrix.readthedocs.io/en/master/index.html#
- Un exemple de Name Entity Recognition (NER) avec Spacy : https://www.analyticsvidhya.com/blog/2021/06/nlp-application-named-entity-recognition-ner-in-python-with-spacy/
- Channel Youtube Python Tutorials for Digital Humanities https://www.youtube.com/channel/UC5vr5PwcXiKX_-6NTteAlXw
- Livre (papier et numérique) sur la visualisation scientifique avec Matplotlib https://www.labri.fr/perso/nrougier/scientific-visualization.html
- Des exemples de notebooks pour les Digital Humanities : https://github.com/quinnanya/dh-jupyter
- Reproducible Data Science with Python : https://valdanchev.github.io/reproducible-data-science-python/intro.html
- Tutorial d'apprentissage automatique pour les donnes textuelles en sociologie : https://www.css.cnrs.fr/the-augmented-social-scientist-tutorial-at-ic2s2/
- Passer de R à Python : https://www.rebeccabarter.com/blog/2023-09-11-from_r_to_python
- Parallel Computing with Python https://pnavaro.github.io/big-data/intro.html
- Tutorial de la classification hiérarchique ascendante : https://joernhees.de/blog/2015/08/26/scipy-hierarchical-clustering-and-dendrogram-tutorial/
- Perdido : librairie Python pour le geoparsing et le geocoding de textes en français https://hal.science/hal-03928358
- SkRub (ex. dirty_cat) pour gérer les variations de morphologie des entrées textuelles : https://github.com/skrub-data/skrub
- oTree pour faire des expériences en sciences sociales : https://otree.readthedocs.io/en/latest/#
- interface tk + bs4 pour transformer des fichiers europresse > iramuteq : https://www.ariege360.fr/script-europresse-iramuteq-europresse/
- l'histoire de Python https://inference-review.com/article/the-origins-of-python
- l'intérêt des logiciels open source en recherche https://www.youtube.com/watch?v=HCvV11JoNOE&feature=youtu.be&ab_channel=Lebiostatisticien
- les usages du Notebook sur Github https://blog.jetbrains.com/datalore/2020/12/17/we-downloaded-10-000-000-jupyter-notebooks-from-github-this-is-what-we-learned/
- le scrapping avec Python https://www.scrapingbee.com/blog/crawling-python/
- Structural Equation Modeling https://medium.com/@nimmimohandas1985/structural-equation-modelling-with-semopy-e6759f3f614b
- Des exemples d'anti-patterns (ce qu'il ne faudrait pas faire) https://towardsdatascience.com/18-common-python-anti-patterns-i-wish-i-had-known-before-44d983805f0f
- Réflexion sur l'appelation Jupyter Notebook en français https://www.arthurperret.fr/du-notebook-au-bloc-code.html
- OCR avec Tesseract : https://nanonets.com/blog/ocr-with-tesseract/
- Analyse de conversations : https://convokit.cornell.edu/
- Parole vers texte en Python : https://towardsdatascience.com/easy-speech-to-text-with-python-3df0d973b426 et la bibliothèque https://pypi.org/project/SpeechRecognition/
- Comment faire sa première pull-request : https://www.freecodecamp.org/news/how-to-make-your-first-pull-request-on-github-3/
- Scientométrie : https://direct.mit.edu/qss/article/doi/10.1162/qss_a_00260/115875
- Intégrer des cartes dynamiques dans un Notebook Jupyter : https://github.com/jupyter-widgets/ipyleaflet
- Package Augmented Social Scientist : https://pypi.org/project/AugmentedSocialScientist/
- Pour des statistiques textuelles descriptives utilisant SpaCy https://github.com/HLasse/TextDescriptives
- Très bonne présentation Matthieu Viry sur les propriétés de Python & R https://mthh.github.io/presentation-python-r-shs/#/python-r
- https://bioinfo-fr.net/choisir-entre-r-et-python-en-bioinformatique-regards-croises-entre-collegues-enseignants-chercheurs en bioinfo, réflexion +++
- https://moncoachdata.com/blog/duel-python-vs-r/
- https://www.byteacademy.co/blog/python-vs-r
- https://www.ibm.com/cloud/blog/python-vs-r
- https://lmi.cnrs.fr/r/about-the-class.html
- https://mthh.github.io/RUSS_190404/RetourDiscussion.slides.html#/1
- https://www.datacamp.com/blog/python-vs-r-for-data-science-whats-the-difference