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, abbiamo pubblicato su Ariel l’elenco degli studenti che hanno completato positivamente il laboratorio.
Vi invitiamo, se presenti in questo elenco, ad inviare il modulo, debitamente compilato per il riconoscimento dei crediti.
Saluti
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
- Notebook
- Presentazione
Lezione 2
Le Strutture dati in Python
- Notebook
- Presentazione
Lezione 3
Le Librerie python per la Data Science (P1)
- Notebook
- Presentazione
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
Lezione 10
Deep Learning e Reti Neurali
- Notebook
- Presentazione
- Test Finale
In Collaborazione con
