Formazione

  • Ricerca e formazione
  • Formazione
  • Webinar: Python per Data Science - II

Prossimi eventi formativi in programma

Al momento non ci sono eventi legati alla formazione in programma

Ulteriori informazioni sulle attività in programma su LearningGARR.

Dall'alfabetizzazione digitale ai corsi avanzati di aggiornamento tecnico alle Borse di Studio per i più giovani: le attività di formazione GARR, in presenza e online, sono rivolte alla comunità dell’istruzione e della ricerca.

GARR organizza corsi su tematiche legate alla gestione e all’uso della rete e dei suoi servizi e applicativi evoluti: dalla gestione della rete alla sicurezza, dal monitoring alle identità digitali, dalle risorse educative aperte (OER) all'utilizzo dei servizi avanzati. Queste attività sono pensate per favorire l'aggiornamento, la conoscenza e lo scambio di informazioni sulle attività di ricerca e di sviluppo delle nuove tecnologie di rete e servizi.

GARR inoltre promuove iniziative volte ad accrescere le competenze digitali e diffondere percorsi di alfabetizzazione per un uso consapevole di Internet e delle infrastrutture digitali.

Il programma formativo è aperto a tutti gli utenti della comunità e prevede:

  • seminari e corsi in presenza;
  • corsi in autoapprendimento e seminari on-line (webinar) in modalità e-learning.

GARR inoltre eroga delle Borse di Studio destinate a giovani neolaureati che si occupano delle tematiche legate alle infrastrutture digitali, da svolgersi presso GARR o le sedi di enti collegati.

Appuntamenti con la formazione

EmailStampaEsporta ICS

Webinar: Python per Data Science - II

Titolo:
Webinar: Python per Data Science - II
Quando:
Ven, 8. Maggio 2020, 10:30 h - 12:00 h
Dove:
On-Line - On-Line
Categoria:
Formazione GARR
Comunità:
Ricerca scientifica, Università
Video:
https://www.garr.tv/stream/5ec26423a70eb0001c065d46

Descrizione

Programma didattico

Durante il corso verranno realizzati semplici pipeline di analisi dati in Python, sfruttando le potenzialità messe a disposizione dalle librerie per il calcolo scientifico di Python (ad es. NumPy, Pandas, Matplotlib, etc.).
Il corso prenderà come riferimento alcuni tutorial basati su dataset di esempio al fine di impratichirsi con le librerie presenti. In particolare verranno toccati gli aspetti di:

  • Ingestione e pulizia dei dati
  • Realizzazione di modelli di Machine Learning
  • Visualizzazione dei risultati

Durante il corso non verranno trattati approfonditamente gli aspetti concettuali del Machine Learning, ma verranno presentati da un punto di vista puramente tecnico.

Prerequisiti per l'accesso al corso

  • Conoscenza base di Python (familiarità con lettura/scrittura del codice, strutture dati e interpretazione errori);
  • Buona conoscenza di almeno 1 linguaggio di programmazione (Python o altro, ad es. MATLAB, Java, etc.);
  • Nozioni base di statistica e matematica.

Docente

Luca Coviello

Luca Coviello è un borsista GARR edizione 2018 e sta svolgendo la sua attività presso la Fondazione Bruno Kessler nell’ambito dell'agricoltura di precisione, sviluppando tecnologie a basso costo basate su reti neurali e intelligenza artificiale per migliorare la qualità e quantità dei raccolti in modo sostenibile. Ha ricevuto la doppia laurea magistrale in Data Science nel 2018 dall’Università Politecnica di Nizza (UNS) e dall’Università Politecnica di Madrid (UPM), conseguita all’interno del percorso europeo dell’Istituto Europeo dell’Innovazione e della Tecnologia (EIT). Negli anni ha acquisito esperienza come formatore partecipando come tutor a WebValley, la scuola estiva internazionale per studenti delle superiori organizzata da FBK e grazie alle attività come Docente di Informatica all’Istituto Tecnico Tecnologico G. Marconi di Rovereto e di tutor nei progetti di intelligenza artificiale per l’agricoltura realizzati con i ragazzi delle superiori.

Per partecipare è necessario prenotarsi

Il link per la partecipazione al webinar verrà inviato ai soli prenotati pochi giorni prima del webinar stesso

LearningGARR

Sede

Location:
On-Line
Citta`:
On-Line
Powered by JEM