Python per l'analisi dei dati e il Machine Learning

What you'll learn

Aquisire dati da svariate fonti, pulirli, trasformarli e analizzarli con Python
Creare e utilizzare algoritmi di Machine Learning con Python
Utilizzare la libreria Pandas per l'analisi dei dati
Programmare in Python

Course content
5 sections • 32 lectures • 4h 13m total length

Requirements

Nessuno in particolare, nel corso il software è installato sul sistema operativo Windows

Description

L'obiettivo di questo corsi è fornirti uno degli strumenti più potenti e versatili per analizzare i dati: il linguaggio Python.


In questo contesto con il termine "Analisi dei dati" non mi riferisco alla creazione di grafici o a tecniche di Data Visualization, temi comunque importanti ma che non sono oggetto delle lezioni. In questo corso vedremo invece come usare Python nell'intero processo di trasformazione dei dati in informazioni, che prevede ad esempio:


l'acquisizione dei dati da file di formato differente;

la gestione dei tipi e dei data mancanti;

l'individuazione dei dati che rispettano particolari proprietà;

la combinazione e l'aggregazione in un unico output di dati proveniente da più fonti di input;

le operazioni di trasformazione, pulizia e decodifica dei dati;

l'applicazione di algoritmi di Machine Learning per risolvere problemi dal punto di vista statistico/matematico.


Il corso si rivolge dunque a chiunque voglia fare un importante upgrade delle sue skill di analisi dei dati tramite l'apprendimento di quello che è tra i linguaggi di programmazione in più rapida diffusione e richiesti dal mercato nel 2022.

Il corso è perfetto ad esempio se sei uno sviluppatore SQL e vuoi allargare le tue skill tecniche da Data Analyst alla programmazione in Python o al Machine Learning.

Discorso simile se al momento utilizzi Excel e vuoi superare i suoi limiti o approfondire tecniche più elaborate di analisi dei dati.

Il corso si rivolge anche a studenti senza esperienza e con tanta voglia di imparare che desiderano approcciarsi per la prima volta alla programmazione tramite un corso al 100% pratico.


Per chiunque sia interessato dall'argomento è importante sapere che questo corso segue un'impostazione didattica molto differente da quella utilizzata generalmente, frutto dei miei continui esperimenti di didattica e tutoring nel mondo dell'analisi dei dati. Quindi leggete attentamente la parte seguente:

ricevo numerosi contatti da persone che hanno già seguito corsi di Python, anche di svariate ore, il cui programma è impostato più o meno in questo modo:

breve storia del linguaggio le variabili di tipo intero e stringa, i cicli for, le condizioni if, le liste, le tuple, i dizionari, gli insiemi ed eventualmente anche argomenti più complessi.

Nonostante all'interno del corso erano presenti svariati esercizi (e ci credo sicuramente), mi confidano che, sostanzialmente, non si sentono in grado di fare niente. Certo, avevano visto come eliminare un elemento da un insieme, o come contare le occorrenze di un elemento di una lista utilizzando un ciclo for, ma ora hanno praticamente già dimenticato tutta la sintassi e non avrebbero la minima idea di come applicare nel concreto le nozioni apprese.


ATTENZIONE: non sto dicendo che questo metodo di insegnamento sia sbagliato. Ma semplicemente che non sia adatto a tutti. Se ad esempio io sono già uno sviluppatore Java molto esperto, sicuramente mi sarà molto utile conoscere nel dettaglio la sintassi per interagire con tutti i tipi di Python, in quanto potrò raffrontarla a quella che già uso e valutarne pregi, difetti e opportunità. Ma se ho bisogno di approcciarmi per la prima volta alla programmazione, o se voglio utilizzare Python come strumento per un'attività ben precisa come l'analisi dei dati, davvero mi servono 4 ore di lezioni sulle liste?


Il mio corso è impostato su un programma differente, che mattone dopo mattone insegna a "fare degli step del processo di analisi dei dati con Python". Non studieremo in sequenza gli interi, le stringhe, le tuple, le liste, i dizionari e gli insiemi, ma vedremo come importare file csv, importare file Excel, filtrare i dati, aggregarli, combinarli tra loro, programmare algoritmi di Machine Learning e tanto altro.


Il mio obiettivo è che già dopo qualche lezione, magari all'inizio aiutandovi facendo copia e incolla dal mio codice e configurando i parametri necessari, vi renda in grado di usare Python per fare qualcosa di concreto, per fornirvi delle skill pratiche da utilizzare costantemente nei vostri processi di analisi di dati.


COSA NON TROVERAI IN QUESTO CORSO:

lezioni teoriche o presentazioni Power Point. Il corso è al 100% pratico secondo l'impostazione didattica Learning By Doing;

il classico approccio didattico che divide gli argomenti in variabili, liste, tuple e dizionari;

applicazioni di Python differenti dall'analisi dei dati (ad esempio creazione di siti web, interfacce, sicurezza, eccetera);

algoritmi e tecniche avanzate di Machine Learning (useremo la famosissima libreria scikit-learn, ma non tratteremo clustering, reti neurali, librerie come TensorFlow, Keras, eccetera);

non parleremo di data visualization e creazione di grafici;

i pochi minuti relativi all'installazione e l'avvio di Python e Jupyter sono relativi ad un PC con sistema operativo Windows, non è mostrato come eseguire queste attività su macOS (il processo è comunque molto simile ed è facilissimo trovare in rete materiale a riguardo). Ovviamente vale sempre la raccomandazione di utilizzare un proprio PC personale (non aziendale) per installare questo e qualsiasi altro software.


COSA TROVERAI IN QUESTO CORSO:

più di quattro ore di lezioni pratiche sull'analisi dei dati con Python;

di queste un'ora è dedicata alla pura esercitazione sul fondamentale argomento di pre-processing dei dati finalizzato all'applicazione di algoritmi di Machine Learning. In queste lezioni scriverò codice live per mostrarti "dal vivo" tutti i ragionamenti da fare;

l'utilizzo delle librerie pandas per l'import e la lavorazione dei dati;

l'implementazione in Python dell'algoritmo del Perceptron: il primo storico algoritmo di Machine Learning;

l'utilizzo della libreria scikit-learn per risolvere problemi di classificazione con il Machine Learning;

esempi concreti di programmazione in Python orientata agli oggetti;

l'utilizzo di Jupyter Notebook.


Tutte le sezioni sono corredate dai relativi notebook di Jupyter, che nel complesso vanno a costituire un vero e proprio manuale di analisi dei dati con Python.

Who this course is for:

Chiunque voglia approcciarsi alla programmazione in Python e all'analisi dei dati
Sviluppatori SQL che vogliono espandere verso Python le proprie competenze nell'analisi dei dati
Data Analyst
Data Scientist
Data Engineer