ELEMENTI DI DATA ANALYTICS
Corso
A Torino
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Descrizione
-
Tipologia
Corso
-
Modalità di studio
Part-time
-
Livello
Livello base
-
Luogo
Torino
-
Ore di lezione
140h
-
Durata
Flessible
-
Inizio
Scegli data
L'analisi dei dati è il processo con cui si ricavano informazioni da dati che vengono estratti, trasformati e centralizzati per scoprire e analizzare schemi nascosti, relazioni, tendenze, correlazioni e anomalie, oppure per convalidare una teoria o un'ipotesi
Sedi e date
Luogo
Inizio del corso
Inizio del corso
Profilo del corso
Comprendere i fondamenti di statistica descrittiva applicata ai dati, utilizzare Python e le principali librerie (pandas, numpy, matplotlib, seaborn, scikit-learn) per analisi e visualizzazione dei dati, costruire ed interpretare distribuzioni di frequenza, grafici statistici e misure di posizione/variabilità, analizzare relazioni tra variabili (tabelle di contingenza, correlazioni, indipendenza), applicare la regressione lineare semplice per modellare fenomeni e fare previsioni, valutare l’accuratezza e la bontà di adattamento dei modelli con tecniche di validazione, realizzare un mini-progetto di analisi dati, comprendente importazione, pulizia, sintesi, modellazione e report finale, acquisire un metodo di lavoro replicabile su dataset reali, sviluppando competenze utili per ruoli di data analyst junior
Utenti maggiorenni e disoccupati
Disoccupati e disoccupate con profilazione GOL (esclusa la profilazione 101, nelle edizioni corsuali superiori alle 100 ore)* che hanno assolto o sono stati/e prosciolti/e dall’obbligo formativo con conoscenze
informatiche di base
Opinioni
Materie
- Python
- Data Analyst
- Tabelle
- Media
- Grafici
Professori
docente specializzato
docente specializzato
Programma
-Principi di statistica descrittiva e Python – introduzione ai concetti base, setup degli strumenti, esercizi guidati con pandas.
-Sintesi e visualizzazione dei dati – costruzione di tabelle, distribuzioni, rappresentazioni grafiche.
-Misure di posizione e variabilità – media, mediana, moda, varianza, deviazione standard.
-Studio delle relazioni tra variabili – distribuzioni congiunte, correlazioni, indipendenza.
-Introduzione alla regressione lineare – metodo dei minimi quadrati, retta di regressione, bondà di adattamento.
-Laboratori avanzati con Python – utilizzo di numpy, pandas, matplotlib, seaborn e scikit-learn.
-Progetto finale – analisi completa di un dataset reale: importazione, pulizia, analisi descrittiva, regressione lineare, creazione di un report con
grafici e tabelle
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
ELEMENTI DI DATA ANALYTICS