Il corso denominato "Laboratorio di Python" è un'attività (facoltativa) di tipologia f che permette l'assegnazione, tramite prova di accertamento finale, di 3 CFU. Le caratteristiche di questa attività sono le seguenti:
- L'attività è disponibile sia per gli studenti del CdLM in Economics e del CdLM in Banca e Finanza sia per gli studenti delle altre lauree magistrali e triennali della Scuola di Economia e Management.
- L’attività è erogata in aula informatica (48 posti). Per partecipare alle lezioni in modo attivo è necessario essere dotati di un proprio computer portatile.
- Le richieste di partecipazione a tale attività verranno soddisfatte in base all’ordine cronologico di iscrizione considerando che verrà data precedenza agli studenti delle lauree magistrali, in particolare agli studenti del CdLM in Economics e del CdLM in Banca e Finanza. Per non perdere il proprio posto in graduatoria è necessario presentarsi alla prima lezione del corso, oppure, in caso di impedimenti, comunicare la propria assenza al tutor tramite email. I posti degli assenti non giustificati verranno riallocati tra gli studenti presenti il primo giorno di lezione.
- Si può partecipare a questa attività anche se non si ha una conoscenza del software Python.
- La frequenza alle lezioni/esercitazioni è obbligatoria. Per poter accedere alla prova di accertamento del profitto che si terrà alla fine del corso è necessario aver frequentato almeno i 2/3 delle lezioni/esercitazioni.
Sono previste complessivamente 18 ore di lezioni/esercitazioni (più 2 ore di accertamento finale).
Il calendario di massima del corso è il seguente:
venerdì 18 ottobre 2019, ore 15:00-18:30, aula LAB.SMS.4;
venerdì 25 ottobre 2019, ore 15:00-18:30, aula LAB.SMS.4;
venerdì 15 novembre 2019, ore 15:00-18:30, aula LAB.SMS.1;
venerdì 22 novembre 2019, ore 15:00-18:30, aula LAB.SMS.1;
venerdì 29 novembre 2019, ore 15:00-18:30, aula LAB.SMS.1;
venerdì 6 dicembre 2019, ore 15:00-18:30, aula LAB.SMS.1;
venerdì 13 dicembre 2019, ore 15:00-18:30, aula LAB.SMS.8 (prova finale).
Tutor: dott. Marco Zanotti
Apertura prenotazioni: 5 ottobre 2019
Chiusura prenotazioni: 13 ottobre 2019
La procedura di iscrizione si trova sulla piattaforma elearning del corso.
Python è un linguaggio di programmazione dinamico orientato agli oggetti utilizzabile per molti tipi di sviluppo software. Offre un forte supporto all'integrazione con altri linguaggi e programmi, compreso R, è fornito di una estesa libreria standard e può essere imparato in pochi giorni. Python è ampiamente utilizzato in molti ambiti, in particolare per la gestione e l’analisi dei dati (data science). Oggigiorno, R e Python sono i due software più diffusi tra chi si occupa di gestione e analisi dei dati (data scientist). Entrambi hanno incrementato la loro diffusione in modo quasi esponenziale negli ultimi anni. Per questi software, esistono numerose librerie per la gestione di data base di dimensioni elevate, per la visualizzazione dei dati, e per l’implementazione di modelli avanzati di machine learning. Python è usato in numerose organizzazioni, comprese la NASA, Yahoo e Google, ed è completamente gratuito. Altre informazioni si possono trovare su https://www.python.it/ oppure su https://www.python.org/
Il programma dell’attività prevede alcune lezioni di introduzione al software Python ed alle sue principali funzioni. Verranno quindi presi in considerazione alcuni degli argomenti trattati negli insegnamenti a contenuto matematico, statistico, econometrico e finanziario. Gli argomenti verranno presentati principalmente per mezzo di esempi. Nel suo complesso, l’attività si pone l’obiettivo di innalzare il livello delle abilità quantitative ed informatiche dei partecipanti e di perfezionare la conoscenza di un software ampiamente utilizzato, fornendo delle competenze che possono rivelarsi utili sia nella preparazione della tesi sia nel mondo del lavoro.
| Autore | Titolo | Casa editrice | Anno | ISBN | Note |
| Joel Grus | Data Science con Python: dai fondamenti al Machine Learning (Edizione 1) | Egea | 2020 | 9788823822948 | |
| Dmitry Zinoviev | Data Science con Python: dalle stringhe al machine learning, le tecniche essenziali per lavorare sui dati (Edizione 1) | APOGEO | 2017 | 9788850334148 | |
| Joel Grus | Data Science from Scratch: First Principles with Python (Edizione 1) | O'Reilly Media, Inc. | 2015 | 9781491901410 | |
| Sarah Guido, Andreas C. Müller | Introduction to Machine Learning with Python (Edizione 1) | O'Reilly Media, Inc. | 2016 | 9781449369880 | |
| Tony Gaddis | Introduzione a Python (Edizione 1) | Pearson Italia, Milano-Torino | 2016 | 9788891900999 | |
| Samir Madhavan | Mastering Python for Data Science (Edizione 1) | Packt Publishing | 2015 | 9781784390150 | |
| Ahmed Sherif | Practical Business Intelligence (Edizione 1) | Packt Publishing | 2016 | 9781785885433 | |
| Toby Segaran | Programming Collective Intelligence (Edizione 1) | O'Reilly Media, Inc. | 2007 | 9780596529321 | |
| Jake VanderPlas | Python Data Science Handbook: Essential Tools for Working with Data (Edizione 1) | O'Reilly Media, Inc. | 2016 | 9781491912126 | |
| William Wesley McKinney | Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython (Edizione 2) | O'Reilly Media, Inc. | 2017 | 9781491957653 | |
| Vahid Mirjalili, Sebastian Raschka | Python Machine Learning (Edizione 2) | Packt Publishing | 2017 | 9781787125933 | |
| Chris Albon | Python Machine Learning Cookbook (Edizione 1) | O'Reilly Media, Inc. | 2018 | 9781491989371 | |
| Allen B. Downey | Think Stats: Exploratory Data Analysis (Edizione 2) | O'Reilly Media, Inc. | 2014 | 9781491907344 | |
| Richard Lawson | Web Scraping with Python (Edizione 1) | Packt Publishing | 2015 | 9781782164364 |
Per poter accedere alla prova di accertamento del profitto che si terrà alla fine del corso è necessario aver frequentato almeno i 2/3 delle lezioni/esercitazioni. La prova di accertamento del profitto consiste in una prova pratica e in un eventuale colloquio orale sull’utilizzo del software Python. La prova di accertamento del profitto è unica e non sarà possibile risostenerla in una seconda data.
© 2025 | Università degli studi di Verona
******** CSS e script comuni siti DOL - frase 9957 ********
