Corso completo di Data Science con Python

Contenido del curso
Introduzione al corso
Introduzione al data science
Ambienti di programmazione per il data mining in Python
CODICE DEL CORSO
Installare Python
Differenze tra Python2 e Python3
Impostare una working directory
Utilizzare il terminale
Librerie per il data mining
Gli oggetti in Python
Parole riservate per il sistema, commenti, indentazione
Tipi di dati - 1
Tipi di dati - 2
Operatori
Funzioni
Programmazione orientata agli oggetti
La funzione lambda
Errori ed eccezioni
Importare un dataset
Manipolare un dataset
Creare dei dataset casuali
Statistica di base
Creazione grafici con Matplotlib
Analisi esplorativa dei dataset con Seaborn
Preparazione dei dati per l'analisi
Esempio di pulizia di un dataset in Python
Normalizzazione dei dati
Codifica delle variabili categoriche
Creazione di variabili dummy
Introduzione al machine learning
Fasi del machine learning
Tipi di algoritmi per il machine learning
Problemi del machine learning
Metodi supervisionati
Analisi di regressione
Regressione lineare semplice
Regressione lineare in Python
Regressione multipla in Python
Regressione logistica in Python
k-nearest neighbors
Calcolo della distanza
La distanza euclidea
Esempio di k-nn con Python
K-nn - esempio 2
Support Vector Machines
Esempio di SVM con Python
Divisione dei dati in spazi non lineari
Secondo esempio di SVM in Python
Alberi di decisione
Esempio di DT con Python
Il calcolo delle probabilità
Probabilità e metodo predittivo
Modello di codice per il Naïve Bayes con Python
Metodi non supervisionati
Clustering
L'algoritmo kmeans
Esempio di kmeans con Python
Clustering gerarchico
Analisi delle associazioni
Metodi ensemble
Random Forest
Bagging
Boosting
XGBoost
Codice per i metodi ensemble in Python
Tecniche per la riduzione della dimensionalità
Codice per la PCA con Python
L'uso del machine learning nell'analisi dei testi
Natural Language Processing
Trattamento e pulizia dei testi
Vettorializzazione di un testo
Misurare la distanza tra due testi
TF-IDF
Tipi di strutture per l'analisi
Le espressioni regolari con Python
Modelli di machine learning sui testi
Sentiment Analysis
Naïve Bayes e Sentiment
Fonti dati per la Sentiment Analysis
Sentiment Analysis con Python
L'importanza e gli utilizzi dei network neurali
Storia e caratteristiche delle reti neurali
Il cervello umano
Il neurone artificiale
Le differenze tra i due sistemi
Tipi di reti neurali
Perceptrone
Addestramento della rete
Deep Neural Networks o reti neurali profonde
I framework per il deep learning
Reti feedforward
L’algoritmo di backpropagation
Il metodo del gradiente
Funzioni di attivazione
Parametri per le reti neurali
Rappresentare dati non strutturati per il deep learning
Gli array in Python
Keras per Python
Esempio di regressione semplice con Python
Esempio di regressione sul dataset Boston con Python
Esempi di classificazione con Python
Tensorflow playground
Computer Vision
Il deep learning nella computer vision
Convolutional neural networks - CNN
Stride e pooling
Esempio di CNN con Python e il dataset MNIST - prima parte
Esempio di CNN con Python e il dataset MNIST - seconda parte
Esempio di CNN con Python e il dataset CIFAR
Introduzione ai Big Data
Le 3 V
Hadoop e il suo ecosistema
Fasi dell'analisi e relative tecnologie
MapReduce vs Spark
Hadoop vs Spark
Introduzione a Spark
La transizione da Spark 1.0 a Spark 2.0
Approfondimento sugli RDD
Modalità di esecuzione di Spark
Il local mode in Python
L'utilizzo dei sistemi distribuiti
Utilizzare Spark con Databricks
Strutture dati e astrazioni in Spark
Prime impostazioni dell'ambiente di lavoro
Funzioni di base e manipolazione dati sui DataFrame
Formati dati per il data mining
Importazione files in pyspark
Spark SQL
Data cleaning con pyspark
I database SQL
I database NoSQL
Il linguaggio SQL in pyspark
Esempi di regressione lineare con pyspark
Esempi di regressione logistica con pyspark
Esempi di decision trees con pyspark
Esempi di Support Vector Machines con pyspark
Esempi di Naive Bayes con pyspark