Python e Statistical learning

Le attività tipiche di un data scientist possono essere divise nelle seguenti aree:

• 1) Conoscenza fonti e raccolta dati;
• 2) Strutturazione dei dati;
• 3) Utilizzo di tecniche statistiche;
• 4) Presentazione dei risultati.

L'attività di “Strutturazione dei dati” è cruciale in un qualunque progetto di Data Analysis. Molto spesso, infatti, l'attività più strettamente di analisi dei dati consiste nell'applicare, su strutture dati predefinite, algoritmi già disponibili (sviluppati in R ad, esempio, oppure contenuti nei moduli python statsmodels, linearmodels o scikit-learn). L'attività di strutturazione dei dati serve proprio a costruire le specifiche strutture richieste dagli algoritmi di analisi che si vogliono usare.
Il modulo Pandas di python è uno tra gli strumenti informatici più efficienti ed efficaci di gestione di ampie e complesse strutture dati. Esso mette a disposizione strumenti specifici per:

• a) unire due o più strutture dati;
• b) estrarre parti di strutture dati sulla base di specifiche condizioni;
• c) elaborare dati, organizzandoli per gruppi e sottogruppi;
• d) modificare una struttura dati ridefinendo righe e colonne.

Una volta strutturati i dati, questi sono pronti per essere elaborati con stumenti di statistical learning. Nella parte finale del corso verranno presentati due moduli python (statsmodel e scikit-learn) contenenti gli strumenti python per lo sviluppo di:

• modelli con specificazioni dinamiche;
• modelli panel data;
• tecniche di classificazione;
• tecniche di clusterizzazione;

L'obiettivo del corso “Python e Statistical learning” è quello di consentire ad un aspirante data scientist:

• di apprendere i concetti base e gli strumenti python per poter costruire in autonomia le specifiche strutture dati richieste dagli algoritmi di analisi.
• di conoscere i moduli python per poter estrarre informazioni dai dati tramite tecniche di statistical learning.