Corso Data Science & Artificial Intelligence con Python | Artificial Intelligence formula Weekend
Scenario
I dati sono il nuovo oro! Con lo sviluppo tecnologico, l'informatizzazione e la diffusione capillare della rete internet, non sono solo le grandi aziende a ritrovarsi in possesso di grandi quantitativi di dati, ma anche le piccole aziende riescono facilmente ad accumularne.
Questi dati possono fornire molte informazioni preziose: possono dirci, ad esempio, quali clienti sono interessati ad un prodotto piuttosto che ad un altro, quali trend stanno nascendo o diventano desueti, quali clienti stanno per passare ad un competitor e perché, o addirittura cosa aspettarci con buona sicurezza nell'immediato futuro.
Se Python da solo, essendo il linguaggio di programmazione al primo posto, è sufficiente per suscitare interesse nelle aziende, che hanno bisogno di figure che si occupino di backend, saper gestire i dati e soprattutto estrarne i significati nascosti sono caratteristiche richieste ora e sempre più nel futuro, da multinazionali, società di consulenza, web agency, agenzie pubblicitarie, istituti educativi e statali.
Il corso mira a formare sul piano teorico e pratico le figure professionali dedicate, o che vogliano integrare in altro ambito, alla programmazione Python, linguaggio versatile e potente, che quest'anno sale al primo posto dei linguaggi di programmazione; alla manipolazione, trasformazione, analisi, e presentazione dei dati mediante librerie apposite di Python, quali Pandas o Matplotlib; all'utilizzo di strumenti pronti di Machine Learning ed Artificial Intelligence per Python quali Scikit o Tensorflow.
Data Science con Pyhton Sintesi dei contenuti
1° modulo | Python 4 Beginner
Unità didattica di avvio alla programmazione con Python partendo dalle basi. Setup dell'ambiente di sviluppo, introduzione ai paradigmi della programmazione object-oriented, Parole riservate, sintassi, istruzioni, liste, set, dizionari, comprehension, operatori, funzioni, pacchetti, classi, eccezioni, funzione lambda, moduli esterni base, tipi di dato avanzati, moduli avanzati, matematic, scientifici, input/output, scrivere file, eccezioni, errori, debugging.
2° modulo | Data Science with Python
Gestire dataset con Pandas, Importare e manipolare datasets, Statistica di base, Creazione grafici con Matplotlib, Analisi esplorativa con Seaborn, Preparazione dei dati, Pulizia dei dati, Normalizzazione, Codifica di variabili categoriche, Variabili dummy, Gestione date e serie temporali.
Machine learning & Artificial Intelligence Sintesi dei contenuti
3° modulo | AI & Machine Learning with Python
Introduzione storica su ML e AI, Tipi di algoritmi e problemi, Accuratezza e validazione, Estrazioni di feature, Regressione lineare, KNN, SVM, Alberi di decisione, Metodi non supervisionati, clustering, Introduzione alle reti neurali.
4° modulo | Deep Learning with Python
Introduzione teorica alle reti Neurali per Deep Learning, librerie Python per il Deep Learning (Tensorflow), creazione di una Rete Neurale e applicazione a dataset reali, Rregressione applicati a diversi tipi di dati strutturati e non, quali numerici, categorici, o testuali. Architetture di Reti Neurali, quali Convoluzionali e Ricorrenti.
5° modulo | Linkedin efficace (bonus)
Richiedi un colloquio individuale per conoscere i dettagli delle singole unità didattiche.
A chi è rivolto? Requisito indispensabile: curiosità, passione per le tecnologie e soprattutto motivazione.
Il corso è adatto anche per i principianti.
Conoscenze base di informatica miglioreranno la velocità di apprendimento.
Richiedi un colloquio individuale per conoscere i dettagli dei nostri moduli Entry level.
Cosa otterrò da questo corso? A titolo indicativo e non esaustivo, alla fine di ogni modulo sarai in grado di:
1. programmare in linguaggio Python ed avere una buona panoramica del linguaggio, essendo in grado di gestire progetti backend e di avere le giuste fondamenta per approfondire diversi aspetti.
2. gestire i dati, saperli recuperare, filtrare, trasformare e presentare, anche in forma grafica, per poter, ad es., creare report, ispezionare quali clienti sono interessati a quale prodotto, gestire produzione o approvvigionamente, eccetera.
3. utilizzare le tecniche di ML ed AI più diffuse per applicazioni quali: advertisemente intelligente, finanza, robotica, ottimizzazione, predizione probabilistica di eventi futuri, eccetera.
Dotazioni e note Dotazioni tecniche di base
Notebook: CPU dual core 64 | 4GB RAM | S.O. Windows, Linux o macOS
NOTA: le ore vanno intese come ore accademiche di 50 minuti.
Leggi le opinioni di chi ha partecipato Il percorso ideale per chi è interessato ad assorbire rapidamente nozioni di data mining e data manipulation in Python ed integrare modelli previsionali avanzati al proprio bagaglio di competenze; molto ben strutturato, lo consiglio a tutti perché ha un taglio pratico che permette di utilizzare le competenze apprese sin da subito, sia a livello lavorativo (per i data analyst/data scientist) che personale, fornendo gli strumenti per proseguire autonomamente al termine del percorso.
Pur sapendo che in pochi weekend è impossibile sviscerare tutti i contenuti legati al machine learning, il corso è riuscito comunque a tracciare un disegno preciso e completo delle tecniche di apprendimento supervisionato/ non supervisionato disponibili, stimolando la curiosità di chi come me interessato ad approfondire.
Una lode all'organizzazione ed alla preparazione del relatore, che ha catturato l'attenzione dei partecipanti dimostrando disponibilità e profonda conoscenza degli argomenti.
(Simone M.)
Corso molto valido, docenti preparati e competenti. Si acquisiscono diverse competenze interessanti ed utili per migliorare la propria carriera. I docenti sono molto preparati
(Lavinia Quattrini)
Il corso è stato svolto in modo molto soddisfacente, con l'insegnante pronto a spiegare gli argomenti in modo tale da essere compresi nel modo più totale.
(Giovanni A.)
Docente molto competente e disponibile. il corso è ben progettato, in quanto parte dalle basi di programmazione fino ad arrivare alle tecniche di deep learning. il docente fornisce degli appunti ben fatti che sono utili per un ripasso e approfondimento a casa. Consiglio a tutti!
(Ludmila P.)