A cura di: Antonio Mirarchi & Giuseppe Trotta
Pagina di riferimento per il corso di
Laboratorio di Metodi e modelli Matematici in python
Info sul Corso
In questo sito trovi tutte le informazioni relative al Corso, date, aggiornamenti e news
Esercizi e Materiale
Slides, Notebook degli esercizi e tutto il materiale fornito lezione dopo lezione
Approfondimenti
In questo sito trovi link utili ed approfondimenti del mondo Python per la Data Science
Info e modalità
Cari studenti, per l’A.A. 2022/2023 il laboratorio inizierà come indicato sulla piattaforma ARIEL, venerdì 3 marzo dalle 15:30 alle 18:30 circa per un totale di 10 lezioni
Dipartimento di Matematica “Federigo Enriques” - Facoltà di Scienze e Tecnologie
Il Programma potrà essere variato in corso d'opera
Programma
Lezione 1
Introduzione a Python: Cos’è Python. La sintassi. I costrutti fondamentali,Cicli, If. Principi di Programmazione. Configurazione ambienti di sviluppo
Lezione 2
Le Strutture dati in python: Stringhe, Liste, Array, Tuple, Dizionari. La prima parte del laboratorio sarà supportata da esempi ed applicazioni elementari in ambito matematico e statistico
Lezione 3
Le Librerie python per la Data Science Parte 1: Numpy, SciPy, Matplotlib, Pandas, Scikit Learn
Lezione 4
Le Librerie python per la Data Science Parte 2: Numpy, SciPy, Matplotlib, Pandas, Scikit Learn
Lezione 5
Data Analysis e Data Visualization - EDA: Lavorare con i dataset, i dataframe, analizzare e visualizzare i dati, esplorare i dati.
Lezione 6
Costruire modelli Predittivi in Python Parte 1: Il Machine Learnig e leapplicazioni concrete ad use case tipici: Sanità ed HealthCare, AIM (Artificial Intelligence Marketing), Predictive Maintenance.
Lezione 7
Costruire modelli Predittivi in Python Parte 2: Regressione Lineare ed applicazioni concrete ad use case tipici: Sanità ed HealthCare, AIM (Artificial Intelligence Marketing), Predictive Maintenance.
Lezione 8
Costruire modelli Predittivi in Python Parte 3: Alberi Decisionali ed applicazioni concrete ad use case tipici: Sanità ed HealthCare, AIM (Artificial Intelligence Marketing), Predictive Maintenance.
Lezione 9
Costruire modelli Predittivi in Python Parte 4: Random Forest ed applicazioni concrete ad use case tipici: Sanità ed HealthCare, AIM (Artificial Intelligence Marketing), Predictive Maintenance.
Lezione 10
Deep Learning e Reti Neurali: Introduzione al Deep Learning e alle reti neurali
Materiale Suddiviso per Lezioni
Il materiale sarà disponibile poche ore dopo la lezione
Lezione 1
Introduzione a Python
Lezione 2
Le Strutture dati in Python
Lezione 3
Le Librerie python per la Data Science (P1)
Lezione 4
Le Librerie python per la Data Science (P2)
- Notebook
- Presentazione
- Test Intermedio
Lezione 5
Data Analysis e Data Visualization - EDA
- Notebook
- Presentazione
Lezione 6
Costruire modelli Predittivi in Python (P1)
- Notebook
- Presentazione
Lezione 7
Costruire modelli Predittivi in Python (P2)
- Notebook
- Presentazione
- Test Intermedio
Lezione 8
Costruire modelli Predittivi in Python (P3)
- Notebook
- Presentazione
Lezione 9
Costruire modelli Predittivi in Python (P4)
- Notebook
- Presentazione
- Test Finale
Lezione 10
Deep Learning e Reti Neurali
- Notebook
- Presentazione
In Collaborazione con
