Corso Data Science con Python

Certificazione
DISPONIBILE
TUTOR
HAI BISOGNO DI AIUTO?

Presentazione del corso

Grandi quantità di informazioni viaggiano ogni secondo nella rete accumulandosi in archivi elettronici e portando con sè il necessario per comprendere ogni aspetto del nostro mondo, per capire il passato, ma ancora più importante per predire il futuro. Occorre però mettere ordine in tutto questo ed è proprio questa la missione della Data Science, figlia dell’incrocio di scienze tradizionali e tecnologie moderne. In questo corso di Data Science con Python parleremo proprio di questo. Sfruttando il linguaggio Python passeremo per tutto ciò che serve all’elaborazione di informazioni. Scoprirai NumPy, la più grande libreria per il trattamento dei dati numerici, eccezionale nell’elaborazione e fondamento di tantissime altre librerie. Passeremo a Pandas, la libreria principe della Data Science, fondata su NumPy e che ruota attorno ai DataFrame, una struttura dati super performante che permette di trattare qualsiasi tipologia di informazione. Imparerai a sfruttare la potenza indagatrice e comunicativa delle immagini imparando a creare grafici con Matplotlib e Seaborn, due ambienti ricchissimi che offrono moltissime tipologie di grafico adatte ad ogni settore utili a condurre le proprie ricerche con successe e a comunicarne i risultati agli addetti ai lavori e non. Il tutto corredato da molta pratica, svolgeremo diversi esercizi e realizzeremo insieme un progetto finale.

Requisiti:

Puoi seguire il corso da qualunque dispositivo: computer desktop, tablet o smartphone.

Vuoi un consiglio? Terminato il corso prova a ripeterlo, vedrai quante nozioni in più riuscirai ad apprendere semplicemente seguendo una seconda volta o più il corso.

Testi consigliati

Data Science con Python. La guida completa, dai Big Data al Machine Learning

Contenuti del Corso

Lezioni Status
1

Introduzione alla Data Science - FREE

2

Concetti fondamentali di Statistica

3

NumPy

4

Pandas

5

Visualizzare dati con i grafici

6

Funzionalità avanzate di Pandas

7

Accedere a fonti dati esterne

8

Esempio riepilogativo