01
Obiettivi formativi
Fornire competenze approfondite in Python per data science, AI e sviluppo software, dalla base all’uso di librerie avanzate e tecniche di machine e deep learning.
SOLO ESAME FINALE
PY_DS_AI_DEV_LA
Python per la scienza dei dati, l’intelligenza artificiale e lo sviluppo – Esame
Il corso "Python per la scienza dei dati, l’intelligenza artificiale e lo sviluppo – Esame" si concentra sulla padronanza avanzata del linguaggio Python con particolare applicazione nell'ambito della scienza dei dati, dell’intelligenza artificiale e dello sviluppo di software. Si affrontano le basi del linguaggio, gestione degli ambienti di lavoro, qualità del codice e testing, fino ad arrivare a tecniche avanzate di analisi dati con librerie come NumPy e pandas e strumenti di visualizzazione come Matplotlib e Seaborn. La parte centrale include esplorazione dei dati, preprocessing e machine learning con scikit-learn, oltre a una introduzione alle reti neurali e deep learning con PyTorch e TensorFlow. Il corso approfondisce inoltre gli aspetti pratici dello sviluppo: scrittura di script, gestione di API, integrazione dati da diverse sorgenti, controllo versione con Git e strategie di deployment e packaging, includendo anche nozioni base su containerizzazione Docker. Destinato a chi ha conoscenze preliminari di programmazione Python e vuole consolidare competenze per affrontare ruoli tecnologici nel campo dei dati e AI, il corso termina con una prova d’esame di 60 minuti che valuta le competenze acquisite, richiedendo un punteggio minimo del 70% per il superamento.
Durata esame60 min
Soglia di superamento70%
Domande disponibili0
CIWZ PROFESSIONAL ASSESSMENT
Ambiente formativo ad alta integrità
Il percorso è progettato per manager, dirigenti, responsabili di funzione, auditor e professionisti. Le lezioni prevedono tempi minimi validati e tutor contestuale; le verifiche utilizzano selezione casuale lato server di domande e risposte, controllo della continuità della sessione, videocamera e monitoraggio locale dell’attività audio durante le prove protette.
Tracciabilità e affidabilità: gli eventi di integrità vengono registrati per la revisione autorizzata; i segnali automatici non determinano da soli l’esito.
INFORMAZIONI UFFICIALI DEL PERCORSO
Scheda tecnica del corso
Finalità, riferimenti, modalità di erogazione, condizioni economiche e valore dell’attestazione, presentati in modo chiaro e verificabile.
02
Competenze acquisite
- Uso efficace di Python e gestione degli ambienti
- Analisi e visualizzazione dati con NumPy, pandas, Matplotlib, Seaborn
- Machine Learning con scikit-learn
- Introduzione al Deep Learning con PyTorch e TensorFlow
- Sviluppo di script, CLI e API
- Integrazione dati da file, database e API REST
- Controllo versione con Git
- Deployment e packaging, nozioni base su Docker
03
Destinatari
Professionisti e studenti con conoscenze base di Python interessati a specializzarsi in data science e sviluppo AI.
04
Prerequisiti
Conoscenze fondamentali di programmazione Python.
05
Programma
- Fondamenti Python e OOP
- Gestione ambienti e dipendenze
- Qualità del codice: PEP8, testing, logging
- Analisi e visualizzazione dati
- EDA, preprocessing, feature engineering
- Machine Learning con scikit-learn
- Introduzione al Deep Learning
- Sviluppo applicazioni e automazione
- Integrazione dati
- Git e collaborazione
- Deploy e packaging
06
Metodologia didattica
Lezioni teoriche alternate a esercitazioni pratiche e sviluppo di progetti.
07
Modalità di valutazione
Esame scritto della durata di 60 minuti con punteggio minimo 70% per superamento.
08
Durata
60 minuti di esame.
09
Attestazione
Certificato di superamento esame (con possibile costo associato).
10
Risultati attesi
Capacità di utilizzare Python in progetti reali di data science, AI e sviluppo software, garantendo qualità e implementando soluzioni complesse.