COMUNICAZIONI:
Circa la valutazione delle tesine i docenti sono disponibili i giovedì e venerdì mattina dalle 10 alle 12, previa comunicazione per mail da inviare a: cervellera@unisi.it e noemi.corsi2@unisi.it
Per il corso si richiedono: creare un account su ChatGPT https://chatgpt.com/ e un account su Hugginface https://huggingface.co/
Informazioni del corso (esame per 3 e 6 crediti):
L'esame NON consiste più in una prova scritta. La prova è orale: consiste nel portare una tesina, ovvero un programma in python (ovvero un notebook google colab) il cui argomento è a discrezione del candidato. Il docente si accerta che il candidato abbia compreso il codice ed abbia imparato le nozioni basi di python, in particolare:
1) Le liste
2) Le istruzioni condizionali
3) Le istruzioni cicliche
4) Le basi di Numpy
5) Le basi di Pandas
6) Altri argomenti trattati a lezione (domande circa i files prodotti a lezione)
Il candidato può portare la tesina anche prima del giorno dell'appello (previa comunicazione per mail) e l'esame verrà verbalizzato il primo appello utile.
Ulteriori informazioni:
Docente: Gian Piero Cervellera
Email: cervellera@unisi.it
Ricevimento (previa comunicazione per mail): stanza 102 1°piano - Venerdì 10-12
Materiale del corso
al seguente link l'accesso alla cartella condivisa contenente i files prodotti a lezione: -->files prodotti a lezione <--
al seguente link l'accesso alla cartella con gli esami passati (solo per approfondimento, non sono richiesti all'esame): -->esami passati<--
Per tutti gli argomenti trattati a lezione un buon punto di riferimento è ChatGPT
un buon libro di riferimento di Python (non richiesto per il corso) per Data Science in --> questo link <--
lezione 1 del 24 febbraio 25: Iniziare con Google Colaboratory ( per approfondimenti -->clicca qua<-- ). Principi di programmazione in Python, variabili . Nella cartella condivisa il relativo file
lezione 2 del 25 febbraio 25: Principi di programmazione in Python, variabili e liste. (per approfondimenti sulle liste -->clicca qua<--) Nella cartella condivisa il relativo file
lezione 3 del 17 marzo 25: Prinicipi di programmazione in Python, Cicli For (per approfondimenti -->clicca qua<--).Nella cartella condivisa il relativo file
lezione 4 del 18 marzo 25: Pogetto1: un sistema di Intelligenza Artificile (AI) per calcolo del sentiment relativo ad una indagine di clima aziendale. Nella cartella condivisa il relativo file
lezione 5 del 24 marzo 25 e lezione 6 del 25 marzo 25: Pogetto1: analisi dei risultati del sentiment relativo ad una indagine di clima aziendale. Le istruzioni condizionali (per approfondimenti su le istruzioni condizionali -->clicca qua<-- ). Nella cartella condivisa il relativo file
lezione 7 del 31 marzo 25: Libreria Pandas per importare ed esportare dati. Introduzione alla libreria numpy (lavorare con le matrici), operazioni sulle colonne e le query per estrapolare informazioni dai data base (per approfondimenti -->clicca qua<-- ). Nella cartella condivisa i relativi files
lezione 8 del 1 aprile 25: Progetto2: un sistema di Intelligenza Artificiale (AI) per l'etichettatura di frasi in argomenti. Nella cartella condivisa i relativi files.
lezione 9 del 7 aprile 25: Progetto3: un sistema di Intelligenza Artificiale (AI) per la trasformazione di frasi in vettori di numeri. Frasi simili sono correlate tra di loro. Nella cartella condivisa il relativo file
lezione 10 del 8 aprile 25: Esercitazione per la verifica dell'apprendimento degli argomenti trattati fino ad adesso. Nella cartella condivisa il relativo file
lezione 11 del 14 aprile 25: Python e Finanza: scaricare dati da youtube finanza e bootstrap per il calcolo del rischio di investimento ad un anno. Nella cartella condivisa il relativo file
lezione 12 del 15 aprile 25: Applicazioni di modelli nello sport. Python come motore di AI. Esempi (lezione teorica senza file)
lezione 13 del 28 aprile 25: Esercitazione per la verifica dell'apprendimento degli argomenti trattati fino ad adesso. Nella cartella condivisa il relativo file
lezione 14 del 29 aprile 25: Python e Finanza: Simulazioni di strategie di investimento. Nella cartella condivisa il relativo file
lezione 15 del 5 maggio 25 e lezione 16 del 6 maggio 25: Python e Finanza: Progetto: costruzione di un portafoglio efficiente media varianza. Nella cartella condivisa il relativo file
lezione 17 del 12 maggio 25: Python & Statistica: La libreria StatsModel per la regressione ed altri modelli statistici. Nella cartella condivisa il relativo file
lezione 18 del 13 maggio 25: Utilizzo degli LLM con Python: come utilizzare huggingchat. Nella cartella condivisa il relativo file
lezione 19 del 19 maggio 25: Progetto LLM parte1: un semplice sistema di RAG (interrogare un pdf). Nella cartella condivisa il relativo file
lezione 20 del 20 maggio 25: Progetto LLM parte2: un semplice sistema di RAG (interrogare un pdf). Nella cartella condivisa il relativo file