Programma in fase di aggiornamento. Richiedi Informazioni per ricevere l’anteprima
Prima giornata
9.00 – 17.00
Introduzione e sintassi base
- Capire perché Python negli ultimi anni si è affermato come il linguaggio più utilizzato al mondo
- Approfondire l’ambiente di sviluppo di Python e le librerie utili: installazione di Anaconda delle librerie e dell’ambiente virtuale per ogni progetto, introduzione a Jupyter
- Analizzare la sintassi del linguaggio di programmazione
- Esplorare ed installare le librerie: conosciamo la community che lo ha reso celebre
- Riconoscere le tipologie di dato numerico e capire come Python esegue calcoli matematici
- Manipolare e far interagire dati testuali, creare variabili per la generazione di testi dinamici
Tipologia di dato e manipolazione
- Rappresentare una sequenza mutabile di oggetti utilizzando le Liste di Python
- Eseguire operazioni sulle Liste (come ad esempio: accesso, scomposizione, inserimento…)
- Gestire una sequenza immutabile di oggetti tramite Tuple
- Identificare dei dati rappresentati da un rapporto chiave-valore con l’utilizzo dei Dizionari
- Svolgere operazioni sui Dizionari (creazione, aggiunta, aggiornamento…)
Creare funzioni e gestire le eccezioni
- Gestire le eccezioni tramite la clausola IF e il suo annidamento
- Ciclare il dato eseguendo comandi ripetuti su singoli elementi di una serie (ad esempio di una Lista)
- Creare funzioni personalizzate che permettono al computer di eseguire un determinato comando
- Sviluppare funzioni personalizzate con una sintassi rapida che permette una riduzione del tempo di sviluppo
- Gestire e verificare errori riconosciuti nel programma, permettendo al computer di risolverli con meccanismi specifici
Seconda giornata
9.00 – 17.00
La programmazione a oggetti, Python nella pratica
- Implementare un software utilizzando la programmazione a oggetti (OOP) per una più facile gestione e manutenzione di progetti di grandi dimensioni
- Gestire Operazioni su File tramite Python (Lettura, Scrittura, Cancellazione…)
Le librerie numeriche, scientifiche e di data preparation e visualization utilizzate nei progetti di Data Science
- Le librerie NumPy e SciPy
- La libreria Pandas
- Data Visualization con Matplotlib
Esercitazione: analisi esplorativa dei dati ai fini della costruzione di un modello predittivo da adottare nel proprio lavoro