- 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 Statistica, finanza e assicurazioni (cod. 5901)
-
Orario delle lezioni (Modulo 1)
dal 12/02/2025 al 12/03/2025
-
Orario delle lezioni (Modulo 2)
dal 13/02/2025 al 17/03/2025
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
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