Course Syllabus
Obiettivi formativi
Il corso si propone di fornire allo studente le competenze per un uso di Python per la risoluzione di problemi di media complessità del suo ambito di specializzazione e di tradurli in procedure automatizzate.
Contenuti sintetici
Programmazione Python alla risoluzione di problemi di elaborazione dati e modellizzazione.
Programma esteso
- Introduzione all'ambiente PyCharm:
- Programmazione in Python:
- operatori, tipi di dati base (interi, decimali, booliani, liste, tuple, insiemi e mappe), variabili ed espressioni;
- controllo del flusso;
- funzioni, passaggio parametri;
- classi (cenni);
- libreria NumPy;
- libreria Pandas;
- libreria Matplotlib;
- cenni al machine learning: libreria scikit-learn.
Prerequisiti
Le conoscenze di tipo matematico e logico acquisite nella scuola superiore, Algebra lineare, e concetti base sugli algoritmi.
Metodi didattici
Lezioni frontali. Le lezioni si svolgono nei laboratori didattici per consentire agli studenti di applicare immediatamente i concetti spiegati.
Modalità di verifica dell'apprendimento
La verifica dell'apprendimento comprende una prova scritta e una eventuale prova orale. La prova scritta si svolgerà nei laboratori didattici per valutare le abilità dello studente nell'utilizzo di Python e le sue competenze nella risoluzione di semplici problemi.
Testi di riferimento
Periodo di erogazione dell’insegnamento
Secondo semestre
Lingua di insegnamento
Italiano
Learning objectives
The aim of the course is to provide to the students the skill for the use of Python language to solve problems of medium complexity in their field of specialization and to translate them into automated procedures.
Contents
Python programming and applications to data manipulation and problem modeling
Detailed program
- Introduction to PyCharm:
- Python programming:
- operators, basic data types (integers, decimals, booleans, lists, tuples, sets and maps), variables and expressions;
- flow control;
- functions, parameter passing;
- classes;
- NumPy library;
- Pandas library;
- Matplotlib library;
- machine learning: scikit-learn library;
Prerequisites
Mathematical-logical
knowledge as acquired during high-school, linear algebra and basic concepts on algorithms.
Teaching methods
Frontal lessons. Lessons take place in computer science lab to allow students to immediately apply the concepts explained.
Assessment methods
Learning assessment includes a written exam and possibly an oral exam. The written exam will take place in the teaching laboratories to evaluate the student's skills in using Python and their competence in solving simple problems.
Textbooks and Reading Materials
Semester
Second semester
Teaching language
Italian
Key information
Staff
-
Alessandro Avellone