È consigliato aver previamente seguito il corso di Fondamenti di Informatica (Modulo A) o, in alternativa, possedere conoscenze di base sull’uso del computer, sulla codifica dell'informazione e sui principi della logica algoritmica.

Il corso intende avvicinare gli studenti all’uso del linguaggio di programmazione Python e all’analisi dei dati, fornendo gli strumenti per manipolare i dati e per condurre analisi statistiche preliminari indispensabili per lo studio e la descrizione dei fenomeni attraverso rappresentazioni grafiche e misure di sintesi. Per molti degli argomenti proposti saranno mostrate delle applicazioni su dataset di benchmark, con l’impiego delle principali librerie Python per la gestione, l’analisi e la visualizzazione dei dati.

Conoscenza e comprensione

• familiarità con il linguaggio Python e con le sue principali librerie per la manipolazione dei dati e l’analisi statistica preliminare (numpy, pandas, matplotlib);
• comprensione delle principali tecniche di manipolazione dei dati, sintesi, rappresentazione e visualizzazione dei dati.

Capacità di applicare conoscenza e comprensione

• scrivere semplici script in Python per manipolare i dati e condurre analisi statistiche preliminari su dataset di benchmark;
• costruire grafici descrittivi per rappresentare in modo efficace le caratteristiche dei dati;
• interpretare e comunicare i risultati dell’analisi statistica in modo chiaro, coerente e rigoroso.

Il corso fornisce un’introduzione all’analisi statistica attraverso l’utilizzo del linguaggio Python. Particolare attenzione sarà dedicata all’uso delle principali librerie per il calcolo numerico, la gestione dei dati e la rappresentazione grafica. I contenuti del corso sono i seguenti:

• Introduzione al linguaggio di programmazione Python. Installazione Python, introduzione ad Anaconda e Spyder.
• Esplorando i dati attraverso Python: librerie numpy, pandas e matplotlib.
• Applicazioni e analisi statistiche su dati reali mediante l'utilizzo di Python: utilizzo di dataset di benchmark.

(C) Cay S. Horstmann, Rance D. Necaise, M. Dalpasso Concetti di Informatica e fondamenti di Python Maggioli Editore, 2019. ISBN: 8891635433

(C) A. Agresti, C. Franklin Statistica - l'arte e la scienza d'imparare dai dati Pearson Italia, Milano, 2016. ISBN: 978-8865189511

N/A

• • Lezioni frontali
  • Esercitazioni al PC con codice Python
  • Project Work

  
  

  Materiali del corso

  • Slide
  • Esercizi Risolti (Codice Python)
  • Esempi di Project Work

  
  

• La verifica dell’apprendimento si basa su una prova scritta sotto forma di Project Work, che potrà essere svolta in gruppi di massimo 3 studenti.

  
  

  Organizzazione e modalità operative

  
  

  
  

  • Il Project Work consisterà nello sviluppo di un progetto in cui allo studente sarà richiesto di analizzare, manipolare e visualizzare un dataset di benchmark, utilizzando il linguaggio di programmazione Python.
  • Gli studenti dovranno: (1) consegnare il codice implementato; (2) eseguire il codice e discutere criticamente i risultati durante l'esame.
  • Gli studenti potranno facoltativamente preparare una presentazione tecnica che illustri il lavoro svolto da discutere durante l'esame.

  
  

  Tempistiche

  
  

  • Il Project Work sarà assegnato durante l’ultima settimana di lezione per gli studenti frequentanti che intendono sostenere l’esame nel primo appello.
  • Gli studenti non frequentanti, o coloro che intendono sostenere l’esame in appelli successivi, dovranno contattare il docente via e-mail almeno una settimana prima dell’appello, per ricevere il Project Work da svolgere.

  
  

  Supporti consentiti

  
  

  • Durante lo svolgimento del Project Work è consentito l’uso di materiali didattici messi a disposizione dal docente (esercitazioni, esempi di codice).
  • Gli studenti potranno anche avvalersi, in modo responsabile e trasparente, del supporto di strumenti basati su intelligenza artificiale generativa come ChatGPT, Gemini, Copilot e simili.
  • Tuttavia, durante l'esame, il docente valuterà attivamente il livello di comprensione individuale di ciascun partecipante, per accertare l’effettiva acquisizione delle conoscenze e competenze.

  
  

  
  

  Criteri di valutazione

  Il docente valuterà:

  
  

  • la completezza e la correttezza del codice rispetto ai task richiesti;
  • la capacità di ciascun componente del gruppo di discutere i risultati ottenuti e di dimostrare le competenze acquisite.

  
  

  L’esame si considera superato con un punteggio minimo di 18/30 attribuito alla valutazione complessiva del Project Work.

Inglese