Corso di data science full stack

Lezione 1 • Elementi essenziali della programmazione Python

Tratta la sintassi di Python, le strutture dati e il flusso di controllo come linguaggio di programmazione principale. Stabilisce le basi di scripting da cui dipende tutto il lavoro successivo con i dati.

Lezione 2 • Algebra lineare per la scienza dei dati

Insegna vettori, matrici e scomposizioni come fondamento matematico degli algoritmi di ML. Si collega direttamente alla riduzione della dimensionalità e all'ottimizzazione dei modelli nelle fasi successive.

Lezione 3 • NumPy per il calcolo numerico

Introduce il calcolo basato su array utilizzando NumPy per operazioni numeriche veloci. Abilita direttamente la matematica matriciale e le trasformazioni vettorizzate dei dati utilizzate in tutto il corso.

Lezione 4 • Calcolo e basi dell'ottimizzazione

Tratta derivate, gradienti e regola della catena come strumenti per comprendere l'addestramento dei modelli. Fornisce l'intuizione alla base della discesa del gradiente utilizzata in ogni capitolo sul ML.

Lezione 1 • Visualizzazione dei dati con Matplotlib e Seaborn

Costruisce competenze nella creazione di grafici utilizzando Matplotlib e Seaborn per comunicare approfondimenti dai dati. La padronanza della visualizzazione supporta sia l'EDA sia la reportistica per gli stakeholder in tutto il corso.

Lezione 2 • Acquisizione dati e basi di pandas

Introduce DataFrame, Series e I/O su file per caricare dati strutturati da più fonti. Costituisce il punto di ingresso per tutte le attività di manipolazione dei dati in questo capitolo.

Lezione 3 • Feature engineering e trasformazione

Insegna la codifica, il ridimensionamento, il binning e la creazione di feature derivate per preparare i dati per il ML. Le feature trasformate sono l'input diretto per tutti i modelli di apprendimento supervisionato.

Lezione 4 • Tecniche di analisi esplorativa dei dati

Applica riepiloghi statistici e visualizzazioni per scoprire modelli, correlazioni e anomalie. I risultati dell'EDA guidano la selezione delle feature e la scelta del modello nei capitoli successivi.

Lezione 1 • Scrittura di query SQL fondamentali

Tratta le clausole SELECT, WHERE, ORDER BY e LIMIT per recuperare e filtrare dati. Questi sono gli elementi costitutivi di ogni query analitica in questo capitolo.

Lezione 2 • Concetti di database relazionali

Spiega tabelle, chiavi, schemi e normalizzazione come fondamento strutturale dei database relazionali. Comprendere la progettazione dello schema è un prerequisito per scrivere query efficaci.

Lezione 3 • SQL per i flussi di lavoro nella scienza dei dati

Applica SQL all'estrazione dei dati, al calcolo delle feature e all'integrazione di pipeline con Python. Collega l'interrogazione di database e l'analisi basata su pandas trattata nel Capitolo 2.

Lezione 4 • Subquery e funzioni finestra

Introduce subquery, CTE e funzioni finestra per modelli SQL analitici avanzati. Queste tecniche sono essenziali per classifiche, totali parziali e analisi di coorte.

Lezione 1 • Ottimizzazione degli iperparametri e convalida incrociata

Tratta la grid search, la random search e la convalida incrociata k-fold per un'ottimizzazione robusta del modello. Queste tecniche prevengono l'overfitting e garantiscono stime affidabili delle prestazioni.

Lezione 2 • Flusso di lavoro di ML e Scikit-Learn

Introduce la pipeline ML end-to-end: suddivisione dei dati, adattamento dei modelli e valutazione delle predizioni. Stabilisce il pattern API di scikit-learn utilizzato in ogni sezione ML successiva.

Lezione 3 • Metodi ensemble e boosting

Introduce random forest, gradient boosting e XGBoost come modelli ensemble ad alte prestazioni. Si basa sui concetti di modello singolo per ottenere risultati all'avanguardia su dati tabulari.

Lezione 4 • Modelli di regressione e valutazione

Tratta la regressione lineare, ridge, lasso e polinomiale per la predizione di target continui. Metriche di valutazione come RMSE e R² sono introdotte qui e riutilizzate in tutto il capitolo.

Lezione 1 • Metodi di rilevamento delle anomalie

Applica isolation forest, SVM a una classe e metodi statistici per rilevare outlier nei dati. Il rilevamento delle anomalie è un'applicazione diretta dell'apprendimento non supervisionato a problemi reali.

Lezione 2 • Riduzione non lineare della dimensionalità

Introduce t-SNE e UMAP per visualizzare dati ad alta dimensionalità in due o tre dimensioni. Questi metodi rivelano strutture di cluster che PCA non può catturare in dati non lineari.

Lezione 3 • Modellazione di argomenti e fattorizzazione di matrici

Tratta NMF e LDA per estrarre argomenti latenti da raccolte di documenti e matrici sparse. Estende l'apprendimento non supervisionato a casi d'uso di testo e sistemi di raccomandazione.

Lezione 4 • Analisi delle componenti principali

Tratta PCA come tecnica lineare per la riduzione della dimensionalità con conservazione della varianza. Collega la scomposizione in autovalori del Capitolo 1 alla compressione pratica delle feature e alla visualizzazione.

Lezione 1 • Fondamenti di reti neurali

Introduce percettroni, funzioni di attivazione e backpropagation come meccanismi fondamentali delle reti neurali. Collega la discesa del gradiente del Capitolo 1 alle regole di aggiornamento dei pesi.

Lezione 2 • Reti neurali convoluzionali

Tratta convoluzione, pooling e architetture CNN per la classificazione di immagini e l'estrazione di feature. Si basa sulle reti feedforward per gestire strutture di dati spaziali.

Lezione 3 • Costruzione di modelli con Keras e TensorFlow

Insegna le API Sequential e Functional per costruire e addestrare modelli di apprendimento profondo. Stabilisce i modelli di codifica utilizzati in tutte le sezioni successive di apprendimento profondo.

Lezione 4 • Reti ricorrenti e modellazione di sequenze

Introduce RNN, LSTM e GRU per modellare dati sequenziali e serie temporali. Prepara gli studenti per i compiti di NLP e previsione trattati nei capitoli successivi.

Lezione 1 • Riconoscimento di entità nominate ed estrazione di informazioni

Applica modelli di etichettatura di sequenze e spaCy per estrarre entità, relazioni e dati strutturati dal testo. Collega i modelli NLP a pipeline pratiche di estrazione di informazioni.

Lezione 2 • Word embedding e rappresentazioni semantiche

Introduce Word2Vec, GloVe e FastText per rappresentazioni semantiche dense delle parole. Gli embedding sostituiscono i vettori sparsi e migliorano le prestazioni del modello nei compiti NLP a valle.

Lezione 3 • Modelli transformer e BERT

Introduce il meccanismo di attenzione, l'architettura transformer e BERT per NLP contestuale. Tratta il fine-tuning di modelli preaddestrati per classificazione e riconoscimento di entità nominate.

Lezione 4 • Preelaborazione e rappresentazione del testo

Tratta tokenizzazione, stemming, rimozione di stop word e TF-IDF per convertire testo grezzo in feature. Questi passaggi di preelaborazione sono il fondamento di ogni pipeline NLP in questo capitolo.

Lezione 1 • Pipeline ML e orchestrazione del flusso di lavoro

Introduce Airflow e Prefect per pianificare, orchestrare e monitorare le pipeline di addestramento ML. Le pipeline automatizzate sostituiscono il riaddestramento manuale e riducono il rischio operativo.

Lezione 2 • Monitoraggio del modello e rilevamento del drift

Tratta data drift, concept drift e monitoraggio del degrado delle prestazioni per i modelli distribuiti. Il monitoraggio continuo chiude il ciclo tra distribuzione e riaddestramento del modello.

Lezione 3 • Struttura del progetto ML e riproducibilità

Stabilisce il layout del progetto, gli ambienti virtuali e le pratiche di controllo di versione per un ML riproducibile. La riproducibilità è il prerequisito per ogni compito di distribuzione e collaborazione in questo capitolo.

Lezione 4 • Tracciamento degli esperimenti e registro dei modelli

Applica MLflow per registrare parametri, metriche e artefatti durante le esecuzioni di addestramento. Un registro dei modelli consente la promozione con versionamento dall'esperimento alla produzione.