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, 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

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