Pagina di riferimento per il corso di 

Laboratorio di Metodi e modelli Matematici in python

A cura di: Antonio Mirarchi & Giuseppe Trotta

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 si svolgerà nel secondo semestre con date ed orari ancora da definire. Appena saranno disponibili provvederemo ad aggiornare il sito

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)

Lezione 5

Data Analysis e Data Visualization - EDA

Lezione 6

Costruire modelli Predittivi in Python (P1)

Lezione 7

Costruire modelli Predittivi in Python (P2)

Lezione 8

Costruire modelli Predittivi in Python (P3)

Lezione 9

Costruire modelli Predittivi in Python (P4)

Lezione 10

Deep Learning e Reti Neurali

In Collaborazione con