COMUNICAZIONI:
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 12 marzo 26: Iniziare con Google Colaboratory ( per approfondimenti -->clicca qua<-- ). Principi di programmazione in Python, variabili . Nella cartella condivisa il relativo file
lezione 2 del 13 marzo 26: Principi di programmazione in Python, variabili e liste. (per approfondimenti sulle liste -->clicca qua<--) Nella cartella condivisa il relativo file
lezione 3 del 19 marzo 26: Prinicipi di programmazione in Python, Cicli For (per approfondimenti -->clicca qua<--). Nella cartella condivisa il relativo file
lezione 4 del 20 marzo 26: Esercitazione per la verifica dell'apprendimento su : variabili, liste e cicli for. Nella cartella condivisa il relativo file
lezione 5 del 26 marzo 26: La libreria pandas. Come importare dati e prime operazioni. (per approfondimenti su pandas -->clicca qua<-- ) Nella cartella condivisa il relativo file
lezione 6 del 27 marzo 26: Cicli for all'interno di dataframe pandas. Le istruzioni condizionali (per approfondimenti su istruzioni condizionali -->clicca qua<-- ) . Nella cartella condivisa il relativo file
lezione 7 del 2 aprile 26: Scaricare ed installare modelli da Hugginface (https://huggingface.co/). Un caso di studio: analisi risposte questionari di clima aziendale . Nella cartella condivisa il relativo file
lezione 8 del 9 aprile 26: Query su pandas dataframe (per approfondimenti -->clicca qua<--) . Nella cartella condivisa il relativo file
lezione 9 del 10 aprile 26: I dizionari (per approfondimenti -->clicca qua<--). Nella cartella condivisa il relativo file
lezione 10 del 16 aprile 26: Le funzioni Def (per approfondimenti -->clicca qua<--) : La funzione Apply per applicarle a pandas. Nella cartella condivisa il relativo file
lezione 11 del 17 aprile 26: L'uso degli LLM per creare reportistica avanzata - Come scrivere un prompt evoluto. Nella cartella condivisa il relativo file
lezione 12 del 23 aprile 26: Python & Statistica: La libreria StatsModel per la regressione ed altri modelli statistici. Nella cartella condivisa il relativo file
lezione 13 del 24 aprile 26: Progetto1: Python & librerie per il Geomarketing. Nella cartella condivisa il relativo file
lezione 14 del 30 aprile 26: Progetto1: Python & Geomarketing per l'analisi di fattibilità apertura di un nuovo punto vendita. Nella cartella condivisa il relativo file
lezione 15 del 7 maggio 26: Progetto2: Python & Marketing. Sistemi di AI per strarre informazioni da immagini (ocr). Nella cartella condivisa il relativo file
lezione 16 del 8 maggio 26: Progetto2: Python & Marketing. Sistemi di AI (LLM) per costruire db strutturati da input non strutturati o sporchi. Nella cartella condivisa il relativo file
lezione 17 del 14 maggio 26: Progetto2: Python & Marketing. Analisi dei dati con modelli statistici. Nella cartella condivisa il relativo file
lezione 18 del 15 maggio 26: Progetto3: Embedding per la trasformazione di parole, frasi, testi in vettori di numeri. Frasi simili sono correlate tra di loro. Nella cartella condivisa il relativo file
lezione 19 del 21 maggio 26: Progetto4: AI e immagini: Addestramento di modelli per il riconoscimento delle immagini sfruttando 'teachable machine di tensorflow'. Nella cartella condivisa il relativo file
lezione 20 del 28 maggio 26: Progetto5: Ai e immagini. La object dedection con Yolo. Nella cartella condivisa il relativo file