Data Science Python

Data Science con Python – Il Corso Completo per Iniziare da Zero

Data Science con Python da zero: strutture dati, NLP base, NumPy, Pandas e pipeline di analisi dati con esempi pratici.

Descrizione del corso

Dati, Python e analisi — il punto di partenza giusto

Il Data Science non inizia con l'AI. Inizia capendo cosa sono i dati, da dove vengono e come si manipolano. In questo corso partiamo da zero — dall'installazione di Python — e arriviamo alle strutture dati avanzate, all'analisi con Pandas, al Natural Language Processing e alle basi di NumPy per il calcolo numerico.

Cosa imparerai

  • Tipi di dati nel mondo reale: strutturati, semi-strutturati e non strutturati
  • Origini dei dati e pipeline di elaborazione: dal grezzo all'analisi
  • Installazione di Python e configurazione rapida di VS Code
  • Strutture dati Python per il Data Science: liste, slice notation, tuple, dizionari, set
  • Code FIFO con liste e operazioni sugli insiemi per dati unici
  • Natural Language Processing base: estrazione di sostantivi da testo italiano con spaCy
  • Analisi di file TXT ed esportazione dei risultati in JSON
  • NumPy: array e matrici per il calcolo numerico ad alte prestazioni
  • Pandas: Series, DataFrame, selezione, filtri e operazioni avanzate sui dati

A chi è rivolto

A chi vuole iniziare il percorso nel Data Science senza dare nulla per scontato. Non serve esperienza pregressa con Python — si parte dall'installazione e si costruisce tutto passo dopo passo, con esempi pratici su dati reali.

Il percorso continua

Questo corso ti dà le basi solide per approfondire Machine Learning, analisi statistica e visualizzazioni avanzate con scikit-learn, Matplotlib e Seaborn.

Elenco delle lezioni

Vediamo insieme le tecniche avanzate di selezione e filtraggio sui DataFrame Pandas: come accedere a righe e colonne con loc e iloc, applicare filtri condizionali multipli e concatenare operazioni per trasformare dataset complessi in modo efficiente.

Guarda lezione

Ti mostro le due strutture fondamentali di Pandas: la Series per sequenze monodimensionali di dati etichettati e il DataFrame per tabelle bidimensionali, con esempi pratici su come crearle, accedervi e manipolarle per l'analisi dati.

Guarda lezione

Scopriamo NumPy, la libreria Python per il calcolo numerico ad alte prestazioni: ti spiego come creare array multidimensionali, eseguire operazioni su matrici e sfruttare la vectorizzazione per elaborare grandi quantità di dati in modo rapido.

Guarda lezione

Vediamo insieme come leggere un file di testo, applicare tecniche base di Natural Language Processing con spaCy per estrarre informazioni chiave e salvare i risultati strutturati in formato JSON — un flusso di lavoro pratico e replicabile su qualsiasi corpus testuale.

Guarda lezione

Ti mostro come usare spaCy con il modello italiano per identificare e estrarre automaticamente i sostantivi da un testo, un'applicazione concreta del Natural Language Processing utile per analizzare contenuti, recensioni e documenti in italiano.

Guarda lezione

Approfondiamo l'estrazione di sostantivi in italiano combinando spaCy con dizionari personalizzati: ti spiego come filtrare e categorizzare le parole estratte usando strutture dati Python per ottenere risultati più precisi e controllati.

Guarda lezione

In questa lezione esploriamo i set di Python e le operazioni insiemistiche fondamentali — unione, intersezione, differenza e differenza simmetrica — strumenti indispensabili per gestire collezioni di valori unici e confrontare dataset senza duplicati.

Guarda lezione

Scopriamo i dizionari Python, la struttura dati chiave-valore più vicina al formato JSON: ti mostro come crearli, aggiornarli, iterarli e usarli per rappresentare entità complesse e navigare dati strutturati in modo flessibile ed efficiente.

Guarda lezione

Vediamo le tuple in Python: collezioni ordinate e immutabili, più veloci delle liste per dati che non cambiano nel tempo. Ti spiego quando preferirle alle liste, come scompattarle con l'unpacking e come integrarle nelle pipeline di analisi dati.

Guarda lezione

Ti spiego come implementare code FIFO in Python usando le liste: vedremo le operazioni di append e pop, l'impatto sulle performance con dataset grandi e come usare deque da collections per ottenere inserimenti e rimozioni in O(1).

Guarda lezione

Approfondiamo la slice notation sulle liste Python: dalla sintassi base [start:stop:step] agli utilizzi avanzati per invertire sequenze, estrarre sottoinsiemi e manipolare dati in modo compatto — una competenza essenziale per lavorare con array e serie di dati.

Guarda lezione

Vediamo insieme le liste Python, la struttura dati più usata nel Data Science: come crearle, modificarle, scorrere gli elementi e applicare la slice notation [start:stop:step] per accedere a sottoinsiemi di dati in modo elegante e leggibile.

Guarda lezione

Ti guido passo dopo passo nell'installazione di Python e nella configurazione di Visual Studio Code con le estensioni essenziali per il Data Science: in meno di 10 minuti avrai un ambiente di sviluppo pronto per eseguire i tuoi primi script Python.

Guarda lezione

Scopriamo le pipeline di elaborazione dati: ti spiego come i dati grezzi vengono raccolti, puliti, trasformati e preparati per l'analisi, con una visione pratica dei passaggi tipici che ogni progetto di Data Science deve affrontare prima di estrarre valore dai dati.

Guarda lezione

Esploriamo le origini dei dati nel Data Science: da dove arrivano, chi li genera e quali sono le principali fonti nel mondo reale — dai sensori IoT ai social media, passando per database aziendali e open data governativi. Capire la fonte è il primo passo per analizzarli correttamente.

Guarda lezione

Introduzione ai tipi di dati nel Data Science: ti spiego la differenza tra dati strutturati (tabelle e database), semi-strutturati (JSON e XML) e non strutturati (testi, immagini e audio), con esempi concreti che mostrano come ciascun tipo richiede un approccio di analisi diverso.

Guarda lezione
Giovanni Pace

Giovanni Pace

Ingegnere Informatico · Pratola Peligna

  • 107 Corsi
Mi presento brevemente

Sono un ingegnere informatico con oltre 15 anni di esperienza nel settore ICT. Mi occupo di sviluppo software, cybersecurity, data science e intelligenza artificiale, con particolare attenzione all’innovazione e all’automazione dei processi aziendali. Da anni svolgo anche attività di docenza e formazione, creando percorsi pratici e coinvolgenti su programmazione, DevOps, AI e sicurezza informatica.

Questo corso include

  • Lezioni 16
  • Durata 3h 46m
  • Difficoltà base
  • Lingua it
  • Certificato No

Visti di recente