Siamo Accurat,
la Data Science è al cuore del nostro lavoro

Risolviamo problemi data-driven di ogni tipo in modo rigoroso e creativo

Ti riveliamo i segreti e gli strumenti migliori per cominciare


Il corso ti insegnerà a manipolare i dataset con Python, uno dei linguaggi di programmazione più utilizzati al mondo.

Imparerai a studiare le proprietà dei dataset e a visualizzarle; a formulare modelli per analizzare i dati e comprenderne il contenuto; e infine a comunicare le conclusioni nel modo più efficace.

I tantissimi open data disponibili in rete ti permetteranno di mettere in pratica fin da subito gli insegnamenti, pubblicando le tue conclusioni.

Contenuti del corso

  • 46 Lezioni

    Più di 14 ore di lezione per scoprire la teoria, imparare il metodo pratico, e analizzare progetti esistenti

  • 75+ Link e risorse

    Tantissimi link per approfondire il mondo della dataviz, scoprire reference, attori rilevanti e database utili

  • Esercitazioni e quiz

    Completa i quiz e le esercitazioni alla fine di ogni modulo per ottenere l'attestato di completamento del corso

Docenti

Otho analizza, interpreta, colleziona, scompone, e studia grandi banche dati. Ha lavorato presso centri di ricerca europei nei campi della genomica, trascrittomica e proteomica. Il suo approccio accademico garantisce sempre la giusta scientificità del dato.

Otho Mantegazza

Data Scientist

Docenti

Cesare è il Director of Technology di Accurat. Guida lo sviluppo frontend e backend, ed è specializzato in progettazione del software e qualità del codice. Ha una passione per i linguaggi di programmazione esotici e per la modellazione scientifica del mondo: infatti è l'inventore del Cookie Dippability Index.

Cesare Soldini

Director of Technology

Docenti

Filippo Elgorni ha lavorato come fisico sperimentale e videomaker. Ad Accurat unisce la sua esperienza coi numeri alle sue competenze in ambito visivo lavorando ai diversi aspetti di un progetto data-driven.

Filippo Elgorni

Data Scientist and Developer

Le lezioni

  1. 01

    • Introduzione al corso

    • Obiettivi

    • Preparare il lavoro

    • Notebook - Introduzione
  2. 02

    • Python

    • Notebooks

    • Pandas

    • EDA

    • Notebook - Strumenti e linguaggi
  3. 03

    • Dati Tabulari - Parte 1

    • Dati Tabulari - Parte 2

    • Dati Tabulari - Parte 3

    • Dati Tabulari - Parte 4

    • Dati Tabulari - Parte 5

    • Dati Tabulari - Parte 6

    • Dati Relazionali

    • Dati Geografici

    • Dati Temporali

    • Dati sul Web_ Scraping

    • Dati sul Web_ Scraping Avanzato

    • Dati Non Strutturati_ Immagini

    • Notebook - Forma e fonti dati
  4. 04

    • Dati Bikesharing - Introduzione

    • Dati Bikesharing - Ricerca Dati

    • Dati Bikesharing - Esplorazione Dati - Teoria

    • Dati Bikesharing - Esplorazione Dati - Missing Values

    • Dati Bikesharing - Esplorazione Dati - Outliers

    • Dati Bikesharing - Esplorazione Dati - Osservazioni

    • Notebook - Dimostrazione pratica
  5. 05

    • Introduzione ai Modelli - Parte 1

    • Introduzione ai Modelli - Parte 2

    • Introduzione ai Modelli - Parte 3

    • Introduzione ai Modelli - Parte 4

    • Introduzione ai Modelli - Parte 5

    • Introduzione ai Modelli - Parte 6

    • Notebook - Modelli
  6. 06

    • Scikit-Learn API - Parte 1

    • Scikit-Learn API - Parte 2
  7. 07

    • Modelli Lineari - Parte 1

    • Modelli Lineari - Parte 2

    • Modelli Lineari - Parte 3

    • Modelli Lineari - Parte 4

    • Modelli Lineari - Parte 5

    • Modelli Lineari - Parte 6
  8. 08

    • Tree Based Models - Parte 1

    • Tree Based Models - Parte 2

    • Tree Based Models - Parte 3

    • Tree Based Models - Parte 4

    • Tree Based Models - Parte 5
  9. 09

    • Unsupervised Learning - Parte 1

    • Unsupervised Learning - Parte 2
  10. 10

    • Legislazione Dati

    • Database e il Copyright

    • Licenze Open Data - Dati Come Bene Pubblico

    • La Direttiva Europea sugli Open Data

    • Notebook - Legislazione dati
  11. 11

    • Comunicare i Dati

    • Notebook - Comunicare dati

FAQ

  • Quali sono le modalità del corso? 🏫

    Dataschool è completamente a distanza e le lezioni sono registrate in video. Puoi seguire il corso online secondo la tua disponibilità e i tuoi tempi, su qualsiasi dispositivo: desktop, tablet e mobile. Alla fine di ogni modulo sono previsti momenti di autovalutazione e quiz.

  • Servono conoscenze specifiche? 🤯

    Il corso è pensato come introduzione al mondo della Data Science e non necessita di particolari conosceanze pregresse. L’obiettivo è prendere dimestichezza con le tecniche necessarie per lavorare coi dati, indipendentemente dai contesti di applicazione.

  • Occorrono strumenti particolari? 🛠️

    Il corso propone l'apprendimento dei concetti base di Data Science in Python attraverso uno strumento di compilazione di Notebook. Potrai scegliere di installare Python e Jupyter in locale, potrai utilizzare JupyterLab di MyBinder, oppure potrai utilizzare Colab di Google. Scegli quello che funziona meglio per te!

  • Fino a quando posso iscrivermi? 📅

    Puoi iscriverti al corso in qualsiasi momento. L'accesso rimane aperto per 12 mesi a partire dal momento dell'acquisto.

  • Quanto dura il corso? ⌛

    Il corso propone più di 14 ore di lezione. Per essere completato richiede mediamente 20-30 ore complessive, considerando studio autonomo, esercitazioni, materiali extra e quiz finali.

  • Verrà rilasciato un certificato? 🎓

    Ad oggi non abbiamo ancora una licenza per rilasciare certificati riconosciuti. Una volta concluso il corso ti sarà inviato un attestato di partecipazione e completamento.

  • Ci sono agevolazioni sul prezzo? 💰

    Stiamo lavorando ad un programma di agevolazioni per studenti in collaborazione con alcuni istituti e università. Se sei parte di una Onlus scrivici!

  • Esiste un programma per aziende? 🏢

    Se ritieni che il corso possa essere utile come strumento di formazione aziendale, scrivici a dataschool@accurat.it

  • Is the course in Italian only? 🇺🇸 🇬🇧 🇮🇹

    To date, the course is only available in Italian. We are working on the English version: come back soon!