- Docente: Stefano Lodi
- Crediti formativi: 4
- Lingua di insegnamento: Italiano
- Moduli: Stefano Lodi (Modulo 1) Tommaso Pirini (Modulo 2)
- Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
- Campus: Rimini
- Corso: Laurea in Finanza, assicurazioni e impresa (cod. 8872)
-
Orario delle lezioni (Modulo 1)
dal 22/02/2023 al 22/03/2023
-
Orario delle lezioni (Modulo 2)
dal 23/02/2023 al 22/03/2023
Conoscenze e abilità da conseguire
Al termine del corso gli studenti conoscono le basi della programmazione nel linguaggio Python e dell’utilizzo delle principali librerie di Python per il calcolo statistico e scientifico e possiedono le competenze per eseguire analisi di semplici casi di studio con il linguaggio Python.
Contenuti
Modulo 1
Modelli di classificazione superivisionata: le reti neurali. Esempi di elaborazione tratti dalla letteratura del Machine Learning.
Modulo 2
Il linguaggio Python. Espressioni, tuple, liste, comprehension, set, dizionari. Istruzioni di ripetizione e scelta. Scrittura e lettura di file. Funzioni. Moduli e package. Package NumPy, matplotlib e scipy.
Testi/Bibliografia
Le presentazioni del corso sono disponibili su Virtuale.
Letture consigliate:
Parker, J. R. (2016). Python: An Introduction to Programming. Mercury Learning & Information.
Zhang, Y. (2015). An Introduction to Python and Computer Programming. Senegal: Springer Singapore. Nota: questa monografia è basata su Python v. 2, che presenta piccole differenze rispetto a Python v. 3, usato nel corso.
Entrambe le monografie sono E-book liberamente scaricabili con le credenziali istituzionali studentesche, e ricercabili in
SBA | Risorse online| E-book | Ricerca un e-book nel Catalogo A-Link
Metodi didattici
NOTA: In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai Moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio, in modalità e-learning.
Le lezioni del corso sono tenute in laboratorio. Si alternano lezioni frontali e esercizi.
Modalità di verifica e valutazione dell'apprendimento
Prova orale, della durata di 15m circa, che assegna un voto in trentesimi, nella quale lo studente deve dimostrare: conoscenza dettagliata delle istruzioni del linguaggio Python; abilità nella programmazione in Python, applicate sia ad algoritmi generali che a casi di analisi in Machine Learning.
La frequenza alle lezioni non concorre alla valutazione.
Strumenti a supporto della didattica
Presentazioni con slide, laboratorio di PC con accesso a macchine virtuali Windows 10 con distribuzione Python per il Machine Learning.
Orario di ricevimento
Consulta il sito web di Stefano Lodi
Consulta il sito web di Tommaso Pirini
SDGs
L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.