Teachings

Python pour les data scientists et économistes

Le contenu du cours est disponible sur le site web https://linogaliana-teaching.netlify.app/. Le code source est disponible sur Il s’agit d’un cours de 2e année de l’ENSAE dont le programme est disponible ici L’objectif du cours est de faire découvrir les principes éléments de l'écosystème de la data science avec Python (pandas, scikit, nltk…) mais aussi d’initier aux enjeux nouveaux de la data science (prototypisation facilitée, simplicité à récupérer et structurer des sources hétérogènes, visualisation express, etc.

Travail collaboratif avec R

Le contenu du cours est disponible sur le site web https://gitlab.com/linogaliana/collaboratif. Le code source est disponible sur Cours pour découvrir la manière d’utiliser R dans un projet collaboratif. Pour cela, nous faisons d’abord découvrir Git et sa pratique avec RStudio avant de se focaliser sur le développement de packages

2019: Macroeconomics

Undergraduate macroeconomics course for exam preparation at INSEE

2016-2019: Urban Economics

Urban Economics course at Sciences Po. Program available here

2016-2017: Mathematics for Economics

Undergraduate mathematics course at Sciences Po

2016-2017: Microeconomics

Undergraduate microeconomics course at Sciences Po