Corso di formazione su Python

Lezione 1 • Installazione di Python e degli strumenti di sviluppo

Tratta l'installazione dell'interprete Python, la selezione della versione e la configurazione dell'IDE. Stabilisce l'ambiente di base necessario per tutti gli esercizi di codifica successivi.

Lezione 2 • Input, output e operatori di base

Tratta print(), input() e gli operatori aritmetici, di confronto e logici. Questi elementi fondamentali compaiono in ogni programma scritto nel corso.

Lezione 3 • Variabili, tipi di dati e letterali

Insegna la tipizzazione dinamica, i tipi di dati incorporati e la notazione letterale. La comprensione dei tipi è un prerequisito per tutti i capitoli sulla manipolazione dei dati.

Lezione 1 • Comprehensions e iterazione funzionale

Insegna le comprehension per liste, dizionari e set insieme a map() e filter(). Pattern di iterazione concisi migliorano la leggibilità nei programmi con molti dati.

Lezione 2 • Cicli for e iterazione

Tratta l'iterazione su sequenze e l'uso di range(). I pattern di ciclo qui introdotti ricorrono nei capitoli su collezioni, file ed elaborazione dati.

Lezione 3 • Cicli while e controllo del ciclo

Introduce i cicli guidati da condizioni e le istruzioni break, continue e pass. Questi controlli consentono una gestione precisa del flusso in algoritmi complessi.

Lezione 1 • Funzioni lambda e decoratori

Introduce le funzioni anonime e i decoratori per avvolgere funzioni. Questi strumenti compaiono estensivamente nei framework e nel codice in stile funzionale.

Lezione 2 • Definire e chiamare funzioni

Tratta la sintassi def, i valori di ritorno e le convenzioni di chiamata. Le funzioni sono l'unità primaria di riutilizzo in tutti i lavori progettuali successivi.

Lezione 3 • Tecniche avanzate sui parametri

Insegna i valori predefiniti, gli argomenti keyword, *args e **kwargs. Questi pattern consentono API flessibili utilizzate successivamente in librerie e framework.

Lezione 1 • Liste: creazione e manipolazione

Tratta l'indicizzazione delle liste, lo slicing e tutti i metodi di mutazione. Le liste sono la struttura più comune nel lavoro di elaborazione dati e algoritmi.

Lezione 2 • Tuple e sequenze immutabili

Insegna la creazione di tuple, il packing, l'unpacking e i casi d'uso. L'immutabilità rende le tuple ideali per record fissi e chiavi di dizionario.

Lezione 3 • Set e operazioni sugli insiemi

Introduce la creazione di set, il test di appartenenza e le operazioni matematiche. I set consentono una rapida deduplicazione e query di relazione nelle pipeline di dati.

Lezione 4 • Dizionari: chiavi, valori e metodi

Tratta la creazione di dizionari, i pattern di accesso, l'iterazione e l'unione. I dizionari sono alla base della gestione JSON, della configurazione e della cache nelle applicazioni reali.

Lezione 1 • Metodi: di istanza, di classe e statici

Tratta i tre tipi di metodo e i loro casi d'uso appropriati. La scelta corretta del metodo chiarisce l'intento e migliora la progettazione dell'API.

Lezione 2 • Ereditarietà e overriding dei metodi

Introduce l'ereditarietà singola e multipla, super() e la risoluzione dei metodi. L'ereditarietà riduce la duplicazione tra famiglie di classi correlate.

Lezione 3 • Incapsulamento e metodi speciali

Tratta il name mangling, i metodi dunder e l'overloading degli operatori. Queste funzionalità producono interfacce di classe intuitive e pythoniche.

Lezione 1 • Gestione delle eccezioni

Insegna try, except, else, finally e le eccezioni personalizzate. Una corretta gestione degli errori previene i crash e consente un degrado funzionale graduale.

Lezione 2 • Lavorare con file CSV e JSON

Introduce i moduli della libreria standard csv e json per dati strutturati. Questi formati sono onnipresenti nello scambio di dati e nell'integrazione di API.

Lezione 3 • Lettura e scrittura di file

Tratta open(), le modalità dei file, i context manager e l'I/O binario vs. testuale. La gestione dei file è essenziale per l'ingestione e l'output dei dati nei progetti reali.

Lezione 1 • Pulizia e trasformazione dei dati

Tratta la gestione dei valori mancanti, il casting dei tipi e le trasformazioni apply(). Dati puliti sono un prerequisito per analisi e modellazioni accurate.

Lezione 2 • Strumenti statistici e di algebra lineare di NumPy

Introduce funzioni di aggregazione, generazione di numeri casuali e operazioni su matrici. Questi strumenti sono alla base del preprocessing di machine learning e della simulazione.

Lezione 3 • Raggruppamento, unione e aggregazione

Introduce groupby(), merge() e le tabelle pivot per riassumere i dati. Queste operazioni replicano analisi in stile SQL interamente all'interno di Python.

Lezione 4 • Array e operazioni di NumPy

Tratta la creazione di ndarray, l'indicizzazione, il broadcasting e la matematica vettorizzata. L'efficienza di NumPy è la spina dorsale dei flussi di lavoro scientifici e di data science.

Lezione 1 • Pianificazione e automazione dei compiti

Introduce script pianificati, parsing degli argomenti e logging. L'automazione in produzione richiede una pianificazione affidabile e un'esecuzione osservabile.

Lezione 2 • Pianificazione e consegna del progetto finale

Guida gli studenti attraverso la definizione dell'ambito, la costruzione e la presentazione di un progetto completo. Sintetizza tutte le competenze fondamentali in un elaborato pronto per il portfolio.

Lezione 3 • Automazione del file system e del sistema operativo

Insegna os, pathlib e shutil per l'automazione di file e directory. Automatizzare compiti ripetitivi sui file fa risparmiare tempo significativo nei flussi di lavoro professionali.