COMPUTER PROGRAMMING AND DATA MANAGEMENT - 2

Questo corso copre parte degli aspetti "quantitativi" del programma di master e mira a fornire allo studente conoscenze e competenze sugli aspetti computazionali fondamentali per il campo della "data science".

Più specificamente, l'obiettivo di questo corso è insegnare agli studenti come utilizzare un linguaggio di programmazione per scrivere script e librerie software più complesse per gestire i dati, inclusi archiviazione, caricamento, preparazione, elaborazione e visualizzazione.

Il corso introduce i fondamenti della progettazione e implementazione di applicazioni software e librerie per l'elaborazione dei dati. L'elaborazione dei dati si intende come le molte attività che possono essere eseguite sui dati attraverso il calcolo automatico, inclusi il preprocessing, la gestione e l'analisi.

Questo corso insegna agli studenti a definire un problema e la sua soluzione in termini di strutture dati e informazioni e a utilizzare un linguaggio di programmazione per risolverlo efficacemente.

Gli studenti raggiungeranno i seguenti obiettivi:

Conoscenza: i) apprendere le basi della gestione dei dati e le strutture dati più comuni; ii) comprendere come interpretare e scrivere programmi per la gestione dei dati nel linguaggio di programmazione Python;

Applicazione della conoscenza: i) analizzare problemi e progettare soluzioni algoritmiche formali utilizzando strutture dati; ii) tradurre le soluzioni in programmi per computer da applicare ai dati.

Comunicazione: i) generare visualizzazioni di dati di base per un'analisi preliminare.

Lo studente deve aver frequentato con profitto il primo modulo di questo corso. In particolare, deve già sapere come scrivere programmi nel linguaggio di programmazione Python.

1) Introduzione
2) Riepilogo delle strutture dati e delle funzioni integrate di Python
3) Moduli e programmazione orientata agli oggetti in Python
4) Utilizzo del pacchetto di calcolo numerico NumPy
5) Utilizzo della libreria Pandas
6) Archiviazione e caricamento dei dati da diverse fonti
7) Pulizia e preparazione dei dati
8) Manipolazione, aggregazione e trasformazione dei dati
9) Grafici e visualizzazione
10) Gestione delle serie temporali

Python for Data Analysis, 2nd Edition, Wes McKinney, O'Reilly Media, Inc., ISBN: 9781491957660

L'esame consiste nello sviluppo e la presentazione di un progetto di analisi dei dati e da un orale individuale sull'intero contenuto del corso. L'esame è volto a valutare le competenze di programmazione e la capacità di risoluzione dei problemi attraverso le tecniche apprese durante il corso.

orale

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

I voti verranno assegnati in base al livello di conoscenza dei contenuti del corso, alla capacità di applicare le tecniche apprese su dataset reali, e alla chiarezza nell’esposizione.
Punteggi più alti (27–30 e lode) corrispondono a una conoscenza completa e a un’ottima capacità di analisi e comunicazione. Punteggi intermedi (23–26) indicano una buona padronanza dei contenuti, mentre i voti più bassi (18–22) riflettono una preparazione sufficiente ma con lacune.

Il corso combina lezioni teoriche e pratiche con l’obiettivo di fornire una solida comprensione dei concetti fondamentali e delle tecniche operative dell’analisi dei dati. Le lezioni frontali introducono i principali strumenti della libreria Pandas, integrando spiegazioni teoriche con esempi pratici in Python.

Le esercitazioni guidate permettono agli studenti di applicare quanto appreso su dataset reali, approfondendo le funzionalità di manipolazione, pulizia, trasformazione ed esplorazione dei dati. Viene incoraggiata la sperimentazione autonoma per sviluppare capacità di problem solving e favorire l’apprendimento attivo.