La steganografia è l’antica arte di proteggere l’informazione nascondendola. Questa tecnica, impiegata già in molti campi, trova applicazione da sempre in informatica grazie a tool e librerie. In questo screencast la scopriamo insieme mettendola alla prova con un semplice esercizio
Approcciamo in maniera semplice il Machine Learning senza preamboli matematici, ma mettendo subito mano al codice. Vedremo come con l’algoritmo della Regressione Lineare offerto dalla libreria Scikit-learn possiamo tracciare l’andamento di valori e attuare predizioni
Con Pandas possiamo svolgere un lavoro di Data Science in ogni suo aspetto: dal caricamento dei dati, alla loro analisi fino alla rappresentazione dei risultati. Tutto ciò può essere condotto con un flusso di lavoro lineare grazie alla flessibilità dei notebook Jupyter
Con un bot Telegram possiamo creare applicazioni che scambiano informazioni mediante i flussi di comunicazione già implementati da Telegram. Lo si può fare con tanti linguaggi grazie alle API aperte della piattaforma, ma in questo screencast lo faremo con Python stupendoci di quanto sia semplice
Un’immagine spiega più di mille parole e mai ciò è stato così vero come nella Data Science. Python offre molti tool di visualizzazione dati per evidenziarne modelli e renderli comprensibili anche ai non addetti ai lavori. Vediamo al lavoro Matplotlib, uno strumento storico, ma sempre completissimo
Si parla molto di Machine Learning al giorno d’oggi. E’ una branca dell’Intelligenza Artificiale che esiste da molto tempo, ma che le condizioni tecnologiche di questo periodo hanno reso particolarmente attraente. E’ qualcosa di interessante e in grado offrire molti posti di lavoro
Python mette a disposizione un ottimo sistema per l’integrazione di ulteriori librerie attraverso la Rete. Per gestirle al meglio però è importante padroneggiare uno strumento che permette di creare ambienti virtuali in grado di isolare i progetti gli uni dagli altri: Virtualenv
Per programmare in Python non occorre alcuno strumento particolare se non il linguaggio stesso. Eppure esistono strumenti che possono agevolarci nella gestione di progetti come PyCharm, un IDE molto completo sviluppato dagli stessi creatori di WebStorm, IntelliJ e del linguaggio Kotlin
Tra le operazioni fondamentali che offre Pandas, il noto framework Python per Data Science, è indispensabile conoscere il raggruppamento di dati ed il merging di Dataframe, corrispondenti al GROUP BY e al JOIN del linguaggio SQL. Questo screencast ne mostra l’utilizzo con una serie di esempi pratici
Fare Data Science significa essere capaci di analizzare dati, interpretarli ed estrarne valore non visibile a prima vista. Il mondo Python offre uno strumento perfetto per questo: Pandas, una libreria efficiente, completa e dall’uso immediato. In questo screencast, iniziamo ad conoscerlo