OBIETTIVI FORMATIVI

Introduzione a strumenti utile nell'area della Data Science come Python e librerie collegate (itertools, numpy, scipy, ecc) ed esempi di applicazioni dell'informatica e della statistica all'analisi di dati

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Il corso ha un molteplici obiettivo

- introdurre all'uso di strumenti molto usati nell'ambito della Data Science come il linguaggio Python,  Jupyter Notebook, Google Colab, librerie di analisi e visualizzazione di dati e grafi;

- introdurre alcuni concetti e metodi comunemente usati per l'analisi di dati (PCA, clustering, time series, ecc)

- mostrare esempi e ambiti applicativi della data science attraverso seminari e laboratori

I risultati di apprendimento vengono valutati in base ad attività di laboratorio e presentazioni da parte degli studenti

PREREQUISITI

Programmazione
Matematica e statistica di base
 

MODALITA' DIDATTICHE

Lezioni frontali
Briefing su esercitazioni di laboratorio e soluzioni proposte dagli studenti
Consegna di 5 esercitazioni proposte durante il corso e di un esercizio finale riepilogativo 

PROGRAMMA/CONTENUTO

Introduzione a Python

Costrutti

Immagini e matrici

Dizionari

Scoping e Classi

Ereditarietà ed Eccezioni

Pandas

Iteratori/generatori, map, reduce

Analisi di dati:

- itertools

- scipy

- pca

- regressione lineareNotebook Grafici e Regressione LineareURL

- clustering (combinazione KNN e PCA)

- time series

Data visualization:

- GeoPandas

- Plotly

Grafi con NetworkX

Introduzione a sistemi distribuiti, HPC e Big Data

Introduzione a Internet of Things/Edge Computing

TESTI/BIBLIOGRAFIA

Lucidi, lezioni registrate e note messe a dispozione dai docenti
Introduzione alla Programmazione in Python - Apogeo
Big Data Analysis - Apogeo