NumPy e Pandas per l’AI

Descrizione del corso

• Perché NumPy e Pandas sono fondamentali nel mondo AI e ML
• Installazione e importazione delle librerie
• NumPy: il calcolo numerico in Python
• Gli Array NumPy vs le Liste Python: differenze e vantaggi
• Creare Array con np.array(), np.zeros(), np.ones() e np.arange()
• Operazioni matematiche su Array: addizione, moltiplicazione e broadcasting
• Indicizzazione, Slicing e Fancy Indexing
• Operazioni statistiche: mean(), std(), min(), max() e sum()
• Reshape, Flatten e Transpose
• Algebra Lineare con NumPy: dot product e matrici
• Generare dati casuali con np.random
• Pandas: la manipolazione dei dati strutturati
• Series e DataFrame: le strutture dati fondamentali
• Creare un DataFrame da dizionari, liste e file CSV
• Leggere e scrivere file con pd.read_csv() e df.to_csv()
• Esplorare un Dataset: head(), tail(), info() e describe()
• Selezionare colonne e righe con loc[] e iloc[]
• Filtrare i dati con condizioni booleane
• Gestire i valori mancanti: isnull(), dropna() e fillna()
• Aggiungere, rinominare ed eliminare colonne
• Ordinare i dati con sort_values()
• Raggruppare i dati con groupby() e le funzioni di aggregazione
• Merge e Join tra DataFrame
• Introduzione alle Visualizzazioni con Matplotlib e Seaborn (panoramica)
• Applicazioni pratiche in AI: preparare un Dataset per il training di un modello ML
• Esercizio #26.01 – Analisi esplorativa di un Dataset reale con NumPy e Pandas