Corso di Programmazione Python

Modulo 1: Operazioni con Tipi di Dati e Operatori · Definizione del progetto, tipi di dati Python, espressioni, conversione, indicizzazione, slicing, liste, ordinamento, fusione, ricerca e precedenza degli operatori.

Modulo 2: Controllo di Flusso con Decisioni e Loop · Istruzioni if, elif ed else, condizioni composte e nidificate, cicli while e for, break, continue, pass e loop nidificati.

Modulo 3: Operazioni di Input e Output · Gestione di file con open, close, read, write e append, with statement, input e output da console, formattazione delle stringhe e argomenti da riga di comando.

Modulo 4: Documentazione e Struttura del Codice · Indentazione, spazi bianchi, commenti, docstring, pydoc, definizione delle funzioni, valori di default, return, def e pass.

Modulo 5: Risoluzione dei Problemi e Gestione degli Errori · Individuazione e correzione di errori sintattici, logici e runtime, gestione delle eccezioni con try, except, else, finally e raise, unit testing e unittest.

Modulo 6: Operazioni con Moduli e Strumenti · Uso di io, os, os.path e sys, operazioni sui file, argomenti da riga di comando e utilizzo dei moduli Math, datetime e random.

Modulo 7: Introduzione a NumPy, Pandas, SciPy · Array e operazioni con NumPy, DataFrame e Series con Pandas, manipolazione e analisi dei dati e utilizzo delle funzioni scientifiche di SciPy.

Modulo 8: Machine Learning e Scikit-learn · Fondamenti di Machine Learning, regressione lineare e logistica, K-Nearest Neighbors, Decision Trees, Support Vector Machines, Naive Bayes, valutazione dei modelli e cross-validation.

Modulo 9: Deep Learning · Introduzione al Deep Learning e alle reti neurali, implementazione di modelli con Keras e TensorFlow ed esercitazioni pratiche.

Modulo 10: Revisione e Preparazione all'Esame · Revisione generale del programma, simulazione d'esame e correzione finale in preparazione alla certificazione IT Specialist PYTHON.

Modulo 11: Project Work · Sviluppo di una pipeline Python end-to-end dalla Data Ingestion e preparazione del dato fino allo sviluppo e validazione dei modelli AI, unit testing, reporting e deployment.