Obiettivi formativi:

Nell’ambito del corso, i partecipanti acquisiranno:

➢ Familiarità con i principali strumenti di sviluppo (Notebook, command line, …)

➢ Conoscenza della sintassi e delle principali caratteristiche di Python

➢ Capacità di importare ed elaborare dati

➢ Familiarità con le principali librerie di analisi dati: numpy, scikit-learn, matplotlib, …

➢ Capacità di implementare alcuni dei classici algoritmi di regressione e valutarne criticamente i risultati, attraverso diverse forme di visualizzazione

➢ Capacità di utilizzare Jupyter Notebook per sviluppare e distribuire codice e risultati in modo semplice e

comprensibile

Il corso sarà diviso in:

➢ Introduzioni teoriche volte a permettere agli studenti di comprendere gli strumenti che verranno loro mostrati

➢ Effettuate in orario mattutino

➢ Il materiale didattico (slide) verrà rilasciato a fine corso

➢ Esercitazioni pratiche, mirate a permettere agli stessi di familiarizzare in modo pratico con la tecnologia. Agli studenti verranno forniti esempi funzionanti di quanto introdotto nelle sessioni teoriche e delle domande che possano spingerli a sperimentare in modo critico

➢ Effettuate in orario pomeridiano

PROGRAMMA

01 Luglio 2019

1. Getting started (day 1)

➢ Installazione di Python e dei principali strumenti di sviluppo

➢ Jupyter e il suo ecosistema

➢ Hello World

2. The Python world (day 1)

➢ Variabili e tipi primitivi

➢ Duck typing

➢ Stringhe e interpolazione

➢ Liste, tuple e dizionari

➢ Classi e oggetti

3. Ordo ab Chao (day 1)

➢ Funzioni

➢ Moduli e pacchetti

4. On the shoulders of giants (day 2)

➢ L’universo Python per l’analisi dei dati

➢ Pandas: Series e DataFrame

➢ Importare ed esportare dati da file

➢ Trasformazione, aggregazione e manipolazione dei dati

➢ Numpy: vettori e matrici

➢ Numpy: indexing, slicing and dicing

02 Luglio 2019

5. Code for humans (day 2)

➢ Jupyter notebooks e JupyterLab: codice, grafici e testo in un unico file

➢ Matplotlib: la grammatica dei grafici Python

➢ Plotly: grafici interattivi e data exploration 2.0

03 Luglio 2019

6. Machine learning (day 3)

➢ Scikit-learn: preprocessing dei dati

➢ Scikit-learn: regressione

➢ Putting all together: caso di studio

La partecipazione al corso è limitata a un numero massimo di 24 partecipanti.

Il numero minimo per attivare il corso è di 10 partecipanti.

Il richiedente dovrà obbligatoriamente inviare per posta elettronica la domanda di iscrizione entro e non oltre il 24/06/2019. Le persone selezionate riceveranno conferma per posta elettronica con i dettagli per completare l’iscrizione al corso nella settimana successiva alla deadline. Eventuali domande in eccedenza saranno tenute presenti per una nuova edizione del corso.

Per favore all’atto del pagamento, inviare una mail allegando copia del versamento e indicando come deve essere intestata la fattura.

Docente

Dott. Emanuele Fabbiani, PhD candidate in Machine Learning all’Università di Pavia, chief data scientist e co-founder di xtream.

Ha collaborato con alcuni dei maggiori gruppi industriali italiani alla realizzazione di modelli di previsione di serie temporali e di algoritmi di anomaly detection e customer segmentation. Ha partecipato inoltre alla progettazione di sistemi di sentiment analysis e alla modellazione degli effetti di campagne marketing.

Dove si svolge?

Dipartimento di Scienze del sistema nervoso e del comportamento, Cascina Cravino, via Bassi, 21, Aula informatizzata, che è fornita di computers, uno per partecipante.

FATTURAZIONE

Poichè dovrà essere emessa fattura in seguito alla vostra iscrizione, fornire le indicazioni necessarie a seconda della tipologia scaricando il format corretto dalla pagina FORMS del sito ed inoltrarle alla segreteria organizzativa

Segreteria organizzativa:

dott.ssa Gianfranca Corbellini

Telefono: 0382 987526 Fax: 0382 987527

E mail: gianfranca.corbellini@unipv.it