Introduzione a Python per la Data Science

La Scienza dei Dati è una scienza nuova; essa è basata sul grande sviluppo dei dati digitali, e sul loro utilizzo sempre più pervasivo e a volte intrusivo nella vita delle persone e nelle attività delle aziende e pubbliche amministrazioni. I dati digitali sono utilizzati nella ricerca e nelle attività produttive, per nuove scoperte scientifiche, per prendere decisioni più efficaci e per poter predire o interpretare fenomeni. Alla base della scienza dei dati sono la statistica e la informatica, che forniscono le tecniche e le tecnologie per elaborare e analizzare i dati nel loro ciclo di vita, e più in generale le scienze sociali, che studiano l’effetto dei dati e tecnologie digitali sulla comunicazione e sulla qualità della vita, l’economia digitale, le cui leggi innovano profondamente rispetto alla economia dei beni e dei servizi, le scienze giuridiche, che investigano le regole per applicare e per difendersi dalle nuove tecnologie, e l’etica, che fornisce gli strumenti per un corretto uso dei dati.

L'enorme quantità di dati digitalmente disponibili in domini quali; salute, biologia, finanza, sicurezza, commercio elettronico, e reti sociali, per citarne solo alcuni, offre la straordinaria opportunità di far apprendere ai nostri computer come svolgere in modo ottimale compiti di nostro interesse, financo a raggiungere livelli di prestazione sovraumani come quanto accaduto per il gioco del Go, dove il campione Sud Coreano Lee Sedol si è recentemente ritirato dalle competizioni dopo esser stato pesantemente sconfitto dall'algoritmo AlphaGo. Il Machine Learning combina informatica, matematica, e statistica, con l'obiettivo di apprendere dai dati. Seguendo Tom M. Mitchell, diremo che un programma apprende dall'esperienza E con riferimento ad alcune classi di compiti T e con misurazione della performance P, se le sue performance nel compito T, come misurato da P, migliorano con l'esperienza E. Il corso ha carattere introduttivo e presenta le tre tipologie di machine learning; apprendimento supervisionato, apprendimento non supervisionato e apprendimento per rinforzo. Dedicheremo lezioni specifiche agli alberi di decisione, alle reti di neuroni artificiali, oggi in grande ascesa sotto il nome di Deep Learning. Inoltre, verranno presentati diversi algoritmi di clustering, ed il paradigma delle reti Bayesiane, che collega tra loro Machine Learning ed Intelligenza Artificiale. Il corso consiste di 8 lezioni dove le cartelle dedicate ad ogni argomento sono arricchite tramite figure e tabelle che costituiscono parte integrante del corso medesimo. Infine, oltre 250 quiz vengono resi disponibili al fine di offrire allo studente uno strumento per valutare il proprio livello di comprensione.

Il linguaggio R è diventato negli anni lo standard di fatto nel mondo della statistica e della data science. Diversamente da altri linguaggi, R è proprio nato per esplorare, analizzare e rappresentare dati e implementa al suo interno molte di quelle strutture di dati che in altri linguaggi devono essere importate per mezzo di estensioni e librerie esterne. Un’ulteriore forza di R è che è open source e vanta migliaia di pacchetti scritti da scienziati e practitioners di tutto il mondo che ne estendono e aggiornano le funzionalità.Questo corso introduce il linguaggio R, cercando di chiarirne da subito la logica di lavoro. In tale modo il discente sarà meno soggetto agli errori tipici del neo-utilizzatore/programmatore R. Per meglio capire e memorizzare gli elementi del linguaggio R, invitiamo il discente ad installare R e RStudio sul proprio computer per potere esercitarsi replicando e facendo girare il codice esposto nelle lezioni e svolgendo gli esercizi suggeriti dal docente.Il corso è adatto a tutti coloro che abbiano già un’idea, per quanto vaga, degli elementi di base di un linguaggio di programmazione (variabili, operatori, funzioni, strutture di controllo quali if-then-esle e cicli for).