Python, pandas e Machine Learning

video corso python pandas e machine learning
Python è uno dei linguaggi di programmazione più utilizzati e richiesti nell’ambito dell’analisi dei dati. Questo sia per delle caratteristiche intrinseche del linguaggio e sia per la presenza di numero librerie specializzate nell’interfacciarsi con i dati, tra cui pandas e scikit-learn. In questo videocorso, tramite un approccio innovativo alla didattica della programmazione, imparerai ad utilizzare Python per eseguire tutti gli step necessari nel processo di analisi dei dati e di Machine Learning:
  • acquisizione dei dati da svariate fonti (csv, excel, json, file strutturati, eccetera);
  • creazione di DataFrame tramite la libreria pandas;
  • lavorazione dei DataFrame per filtrare i dati, aggregarli, trasformarli e combinarli;
  • attività di pre-processing specifiche per il Machine Learning (gestione dei null, normalizzazione dei dati, codifica delle variabili nominali, eccetera);
  • implementazione di algoritmi di Machine Learning tramite la programmazione a oggetti e la libreria scikit-learn.

 

Un’anteprima di ciò che imparerai

 

Per chi è questo corso?

  • Per chi vuole imparare a programmare in Python, anche da zero, con un paradigma didattico e un programma differente dai soliti corsi.
  • Per gli sviluppatori SQL o utilizzatori esperti di Excel che vogliono conoscere un nuovo e potente strumento per l’analisi dei dati.
  • Chiunque aspira ad una carriera da Data Analyst, Data Scientist o Data Engineer.

 

Cosa non troverai in questo corso

Concorderai con me che nessun corso potrà contenere il 100% su un qualsiasi argomento. Prima di acquistarlo, leggi bene quindi i temi principali che non vengono trattati in questo video-corso:

  • non viene seguito l’approccio didattico standard che segue il programma “breve introduzione storica, le variabili, le liste, le tuple, i dizionari,…”. In questo corso seguiremo un paradigma diverso che procede di pari passo con gli step dei processi di analisi dei dati e Machine Learning;
  • utilizzi di Python non inerenti l’analisi dei dati, come la creazione di interfacce, siti web, eccetera;
  • algoritmi e tecniche avanzate di Machine Learning e Deep Learning. Tratteremo principalmente algoritmi di classificazione supervisionata con scikit-learn, senza approfondire temi legati al clustering, alle reti neurali, alle libreria di Deep Learning come TensorFlow;
  • data visualization e creazione di grafici;
  • installazione del software su sistemi operativi diversi da Windows.

 

Il programma completo (4 ore e 10 minuti)

Installiamo Python e Jupyter (9 minuti)

  • Installazione e primo accesso a Jupyter

Import dei dati con Python (52 minuti)

  • Import di file CSV
  • Caratteristiche dei DataFrame
  • Import di file Excel
  • Import di file JSON
  • Importiamo un nuovo file CSV più complesso
  • Approfondimento: import da file strutturato

Analisi dei dati dichiarative con Python (62 minuti)

  • Organizzare il codice in funzioni
  • Filtrare i dati – parte 1
  • Filtrare i dati – parte 2
  • Aggregare i dati – metodo groupby
  • Combinare i dati – metodo merge
  • Combinare i dati – metodo concat
  • Ordinare i dati e modificare la struttura di un DataFrame
  • Modificare e trasformare i dati in un DataFrame

Esercitazione sul PreProcessing (42 minuti)

  • Esercitazione: pre-processing dei dati
  • Soluzione pt. 1: import del file Iris
  • Soluzione pt. 2: filtrare e ordinare i dati
  • Soluzione pt. 3: gestire i null – parte 1
  • Soluzione pt. 4: gestire i null – parte 2
  • Soluzione pt. 5: gestione variabile target e suddivisione in training e test
  • Soluzione pt. 6: valorizzazione null
  • Soluzione pt.7 : normalizzazione dati
  • Soluzione pt.8: aggiunta colonna e conversione dati in array di numpy

Machine Learning e programmazione a oggetti (87 minuti)

  • Ripasso sintassi di Python
  • Implementazione del Perceptron – parte 1
  • Implementazione del Perceptron – parte 2
  • Perceptron e programmazione a oggetti – parte 1
  • Perceptron e programmazione a oggetti – parte 2
  • Perceptron e programmazione a oggetti – parte 3
  • Machine Learning con Scikit-Learn – parte 1
  • Machine Learning con Scikit-Learn – parte 2

 

Prezzo e informazioni generali

Modalità di erogazione: le videolezioni saranno disponibili nell’area riservata di questo sito, tramite l’usuale accesso con utente e password

Prezzo del video corso: 29€

Durata totale delle lezioni registrate: 4 ore e 10 minuti circa

Modalità di pagamento: riceverai via mail le istruzioni per procedere con bonifico bancario, Paypal o Satispay

Per richiedere l’iscrizione o altre informazioni compila il form qui in basso. Se sei un’azienda e sei interessata ad acquistare più utenze per formare i tuoi dipendenti scrivimi una mail a nicola.iantomasi@yimp.it.

Tutti i prezzi di questa pagina sono esenti iva (iva allo 0%) in quanto erogati nell’ambito del regime fiscale forfettario.

 

Contattami

CAPTCHA immagine

Questo ci aiuta a prevenire lo spam, grazie.

Torna su