4.5 su 5
4.5
2 recensioni

Percorso da Data Scientist con Python

Il corso ti permetterà di formarti come Data Scientist e di lavorare con le principali librerie Python per l’analisi dei dati guidandoti attraverso diversi casi studio e diverse tipologie di modelli.

6 studenti iscritti
01

Introduzione a Python

Vedremo installazione, vettori, funzioni e cicli

Descrizione: In questo modulo imparerai a muovere i primi passi con Python. Questi concetti di base ti saranno utili poi nella tua carriera e verranno ripresi diverse volte nei corsi più avanzati. L’obiettivo del modulo è di farti conoscere ed utilizzare le diverse strutture dati che sicuramente ti saranno utili in futuro.

  1. Introduzione e installazione
    1. Introduzione e ambienti di sviluppo
    2. Installare Python su Windows
    3. Installare Python su Mac
    4. Installare Anaconda su Windows
    5. Installare Anaconda su Mac
    6. Installare le librerie
  2. Strutture Dati
    1. Aritmetica di base e creazione oggetti
    2. Vettori
    3. Funzioni di base
    4. Esercitazione vettori (quiz)
    5. Strutture dati
  3. Funzioni e cicli
    1. Operatori logici
    2. Funzioni e strutture di controllo
    3. Loop, for e while
    4. Esercitazione Loop (quiz)
    5. Esercitazione Funzioni (quiz)
  4. Approfondimento
    1. Approfondimento

Utilizzare un pc Windows o Mac è indifferente? I comandi Python sono gli stessi, purtroppo in casi eccezionali potrebbero verificarsi problemi legati al sistema operativo con Mac ma abbiamo curato anche questo aspetto e qualora ci fossero delle differenze verrà sempre mostrata una soluzione equivalente per Mac. 

Sono richieste conoscenze di base? Non è richiesta nessuna conoscenza di base. (Se non quella di aver acceso un pc almeno una volta nella vita)

Il corso comprende anche la programmazione ad oggetti? No. Il percorso che trovi su questa Academy è incentrato sulla parte scientifica di Python, in particolare l’ambito Data Science, perciò ciò che troverai in questo, e nei corsi a seguire, è finalizzato alla formazione in questo ambito.

02

Data Visualization

Imparerai a realizzare i grafici più utili e diffusi

Descrizione: Questo modulo ti permetterà di realizzare dei grafici per mostrare gli insights del tuo lavoro al business o semplicemente di rendere più evidente il valore dei tuoi dati. Imparerai a realizzare dei grafici a dispersione, dei grafici a barre e degli istogrammi; inoltre, vedrai grafici con linee e le heatmap. Questi semplici grafici e le personalizzazioni che realizzerai ti permetteranno di coprire la maggior parte degli use case che ti capiterà di incontrare.

  1. Introduzione ai grafici
    1. Scatterplot
  2. Grafici a barre
    1. Barplot
    2. Instogrammi
  3. Linechart e Heatmap
    1. Linechart e Heatmap
    2. Esercitazione Grafici (quiz)
03

Data Manipulation

Imparerai ad importare diversi tipi di file, ripulirli e lavorarli in ogni parte

Descrizione: Il proposito del modulo è di insegnarti tutto il percorso di gestione del dato, partendo dall’acquisizione fino ad arrivare alla manipolazione di esso, passando per la lettura, osservazione e pulizia. Imparerai che non sempre (o quasi mai) il dato che ti arriverà è quello che vorresti e dovrai fare del lavoro per ottenere un dato lavorabile.

  1. Importazione e Salvataggio
    1. Importazione e Salvataggio
    2. Confronto tra estensioni
  2. Data Cleaning
    1. EDA – Exploratory Data Analysis
    2. Data Cleaning
    3. Outlier Detection
  3. Data Wrangling
    1. Gestione delle date – Il formato delle date
    2. Gestione delle date – Operazioni sulle date
    3. Gestione delle date – I timestamp
    4. Data Wrangling – Operazioni di base
    5. Data Wrangling – Teoria sui Join
    6. Data Wrangling – Esempio pratico di Join
    7. Data Wrangling – I formati long e wide
    8. Esercitazione manipolazione dei dati (quiz)
04

NLP

Imparerai a manipolare le stringhe, estrarre dei pattern e recuperare dati dal web.

Descrizione: L’obiettivo del modulo è di insegnarti a lavorare con le stringhe. I tuoi dati non sempre saranno numerici e per lavorare con le stringhe avrai bisogno di utilizzare dei comandi appositi, che imparerai. Inoltre, il modulo include un’introduzione al text mining ed al web scraping.

  1. Manipolazione dati
    1. Funzione manipolazione stringhe
    2. Regex
  2. Text Mining
    1. Text Mining – Spazio vettoriale e tokenizzazione
    2. Text Mining – Preprocessamento di un documento
    3. Text Mining – La matrice Termini-Documenti
    4. Text Mining – La wordcloud
  3. Web Scraping
    1. Web Scraping – Esempio 1: informazioni Premiere League
    2. Web Scraping – Esempio 2: i 100 film più belli IMDB
    3. Web Scraping – Esempio 2: i 100 film più belli IMDB – Parte 2
    4. Web Scraping – Esempio 2: i 100 film più belli IMDB – Parte 3
    5. Esercitazione Text Mining (quiz)
05

Machine Learning

Imparerai diversi algoritmi di Machine Learning e Deep Learning.

Descrizione: Questo modulo ha l’obiettivo di spiegarti cos’è il Machine Learning e di insegnarti diversi algoritmi per diversi casi d’uso. Giusto alla fine di questo modulo saprai quale algoritmo applicare per un certo tipo di dato e saprai realizzare il tuo modello statistico. In conclusione, il modulo include una piccola parentesi sul mondo del Deep Learning e quindi delle Reti Neurali.

  1. Introduzione
    1. Introduzione
  2. Approccio supervisionato
    1. KNN – EDA sull’esempio didattico
    2. KNN – Il modello statistico
    3. KNN – Ottimizzare il modello
    4. KNN – Aggiornare i risultati
    5. KNN – Il caso di un E-Commerce
    6. KNN – Il caso CRM
    7. Naive Bayes – Esempio didattico
    8. Naive Bayes – Il caso dell email spam
    9. Naive Bayes – Il caso CRM
    10. Alberi Decisionali – Capire la logica di un albero
    11. Alberi Decisionali – Gli alberi di regressione
    12. Alberi Decisionali – Il caso del credito a consumo
    13. Alberi Decisionali – Il caso delle campagne marketing
  3. Approccio non supervisionato
    1. Clustering – Introduzione al Clustering
    2. Clustering – Analisi dei risultati
    3. Clustering – I metodi a partizionamento
  4. Market Basket Analysis
    1. Market Basket Analysis – Introduzione ed Esempio
    2. Market Basket Analysis – Caso di studio
    3. Market Basket Analysis – EDA sul caso di studio
    4. Market Basket Analysis – Apriori sul caso di studio
  5. Random Forest
    1. Random Forest – Esempio didattico
    2. Random Forest – Caso di Studio
  6. Approfondimento
    1. Neural Network – Introduzione alle reti neurali
    2. Neural Network – Addestramento della rete
    3. Metodi a confronto
    4. Network Analysis – Teoria dei Grafi
    5. Network Analysis – Creazione del Grafo
    6. Network Analysis – Indici di Centralità
    7. Esercitazione Machine Learning

Introduzione ai grafici

4.5
4.5 su 5
Valutazioni 2

Valutazione dettagliata

Stelle 5
1
Stelle 4
1
Stelle 3
0
Stelle 2
0
Stelle 1
0

{{ review.user }}

{{ review.time }}
 

Mostra altro
Accedi per lasciare una recensione
Ottieni corso
Prezzi IVA Esclusa - Garanzia di rimborso valida per 14 giorni

Include

74 lectures
Completo accesso a vita
Accesso su cellulare e TV
Presentazione del corso
Il corso include

Accesso completo a vita

Disponibile su tutti i device

8 ore di lezione

Codice pronto all’uso

Certificato di completamento finale

Sei un’Azienda?