Lezione 03 - Laboratorio Python, Colab e JupyterLab

Settimana: 1 · Fonte: slide del corso Machine Learning, Ingegneria dell'Automazione UniPD (lezione 3)

Argomenti trattati

1. Ambiente di lavoro: Google Colab e JupyterLab, celle di codice e di testo.
2. Python di base (laboratorio LAB0, parti 0 e 1): variabili e tipi, controllo di flusso, funzioni, classi, liste, tuple, insiemi e dizionari.
3. NumPy (array, assi, broadcasting, prodotto matriciale), pandas (tabelle, filtri, statistiche) e Matplotlib (grafici elementari).
4. Trappole tipiche: forma $(n,)$ contro $(n,1)$, asse sbagliato, varianza con $n$ o con $n-1$.

Teoria

• Python per il machine learning - NumPy, pandas e MatplotlibIl corso usa Python in Jupyter/Colab. Servono: variabili e tipi, if/for/while, funzioni (i tipi immutabili si passano per valore: per cambiare un numero la funzione deve restituirlo), classi, e le strutture list, tuple, set, dict. NumPy gestisce array e algebra lineare (assi, broadcasting, @, hstack, np.cov(rowvar=False)), pandas le tabelle (read_csv, filtri, value_counts, statistiche; var con $n-1$ contro np.var con $n$), Matplotlib e seaborn i grafici (istogrammi, box plot, heatmap, pair plot). Trappole tipiche: forma $(n,)$ contro $(n,1)$, asse sbagliato, statistiche calcolate sul dataset intero.Python per il machine learning - NumPy, pandas e Matplotlib →

Lezione precedente: Lezione 2 · Introduzione e basi di statistica Lezione successiva: Lezione 4 · Correlazione e visualizzazione dei dati