Tutographie.md

@@ -51,6 +51,14 @@ C'est un sujet à la mode, vous trouverez donc beaucoup de ressources traitant d
 
 voir par exemple le MOOC Machine Learning ou [site scipy](http://scipy-lectures.org/)
 
+Ce Mooc, indépendamment de son contenu principal MachineLearning, offre plusieurs ressources intéressantes dans un contexte plus large: 
+- des liens vers des tutoriels de débutant à intermédiaire (on notera le mélange de docs officielle et blogs, assez représentatif des ressources utiles):
+     - "scipy lectures" [initiation à Python](https://scipy-lectures.org/intro/language/python_language.html):  types, structures de contrôles (boucles et tests), fonctions, scripts et modules, I/O, bibliothèque standard, les exceptions
+     - :snake: blog [Scientific Computing in Python: Introduction to NumPy and Matplotlib](https://sebastianraschka.com/blog/2020/numpy-intro.html), :chart_with_upwards_trend:  la [partie matploblib étant ici](https://sebastianraschka.com/blog/2020/numpy-intro.html#410-matplotlib)
+     - :pandas: doc de pandas [10 minutes to pandas](https://pandas.pydata.org/docs/user_guide/10min.html)
+- des exercices d'analyse de données utilisant le module de visualisation **seaborn**  qui est un wrapper de matplotilib :chart_with_upwards_trend: :ocean: : il permet de construire rapidement des graphiques de bonne qualité selon la "Grammar of Graphics" (cf ggplots de R). La syntaxe est bien expliquée, et les exercices permettent de s'entraîner. 
+
+
 Une référence, bien qu'un peu datée : le [livre de J. VanderPlas aux éditions O'Reilly](https://jakevdp.github.io/PythonDataScienceHandbook/), disponible sous licence CC-BY-NC-ND license. 
 
 ### Tutos spécifiques MatplotLib