Elenco Tutorial

 

Calcolo scientifico con Python

Alessandro Giuliani  (DIEE - Università di Cagliari)

Abstract:  Un fattore comune dell'evoluzione dei diversi settori tecnologici è costituito dalla necessità di dover trattare sorgenti di informazione capaci di produrre dati sempre più onerosi, in termini di dimensioni e/o di numerosità (altrimenti noti come “big data”). Molti linguaggi di programmazione non sono in grado di fornire prestazioni adeguate quando si tratta di analizzare e/o elaborare tali tipologie di dati. Altri linguaggi –in modalità nativa oppure grazie a opportune librerie– risultano invece molto adatti alla realizzazione di applicazioni software in cui un ruolo preminente è svolto dalla computazione numerica. In particolare per il linguaggio Python sono disponibili alcune librerie finalizzate a rendere molto efficiente la computazione numerica. Il tutorial illustrerà due di queste librerie, ovvero numpy e matplotlib. La prima libreria fornisce supporto per gestire vettori e matrici multidimensionali di grandi dimensioni, ottimizzati in lettura e scrittura, nonché funzioni matematiche di alto livello con cui operare. La libreria, in grado di garantire la massima efficienza nel trattamento di dati matriciali, consente di operare con la stessa efficienza ottenibile utilizzando linguaggi di basso livello, ma nel contempo garantisce un livello di astrazione molto elevato. La seconda libreria viene ampiamente utilizzata per la creazione di grafici di vario tipo. La sua completa integrazione con numpy la rende particolarmente adatta per visualizzare contenuti derivanti da procedure orientate al calcolo scientifico. Lo scopo principale di questo tutorial è di fornire una panoramica delle funzionalità e caratteristiche di numpy e matplotlib, illustrandone le potenzialità per diversi campi applicativi, dal data mining alla biomedicina.

Conoscenza richiesta: python3

 

Data Mining con Python

Giuliano Armano (DIEE - Università di Cagliari)

Abstract:  Tra le numerose librerie utilizzabili in Python, scikit-learn si distingue per essere il riferimento principale per le attività di data mining. La libreria consente di utilizzare con grande semplicità varie metodiche e algoritmi di data mining e apprendimento automatico (incluse la regressione, la classificazione automatica, e il clustering), ed è stata progettata per funzionare preferibilmente con array mono- e multi-dimensionali implementati tramite numpy. L'uso di scikit-learn è però riservato a utenti esperti, in grado di adattare –grazie alle loro conoscenze pregresse– le funzionalità disponibili alle esigenze del problema sotto indagine. Esiste però anche uno strumento di data mining riservato a utenti non esperti, in cui le operazioni sono impostate e svolte a livello grafico piuttosto che di programmazione esplicita. La corrispondente tipologia di sistemi, denominata workflow management system, pone infatti al centro delle attività la definizione degli esperimenti con modalità completamente grafica. L'applicativo che consente il management di esperimenti di data mining si chiama Orange, ed è stato completamente realizzato utilizzando Python 3 e scikit-learn. Lo scopo principale di questo tutorial è di fornire innanzitutto una panoramica delle funzionalità e delle caratteristiche di scikit-learn (sklearn), con opportuni esempi finalizzati a favorirne l'apprendimento. Successivamente sarà introdotto Orange, e si mostrerà come gli stessi esperimenti possono essere realizzati direttamente a valle della loro concettualizzazione, ovvero senza dover scrivere codice Python, ma semplicemente componendo opportuni widget.

Conoscenza richiesta: python3, numpy, e opzionalmente matplotlib

 

Ciclo di vita di un progetto Python e sua integrazione nei sistemi aziendali

Iacopo Ghisio e Dario Cannone (Gruppo MutuiOnline - Milano)

Abstract:  Nell'ambito del tutorial sarà effettuata una descrizione preliminare degli ambiti di business in cui opera un’azienda, con specifica menzione della possibilità di integrare strategie basate su Business Process Outsourcing con il core business aziendale. Successivamente sarà introdotto e commentato l’utilizzo di Python in un contesto aziendale, anche con riferimento ai tools e loro relative modalità di utilizzazione e inserimento in workflow operativi. Sarà poi effettuata un'overview dei tipici processi nei quali viene utilizzato Python e delle soluzioni apportate dalla tecnologia “Pythonic” applicata in particolare ad Artificial Intelligence e Robotic Process Automation.

Conoscenza richiesta: python3

 

Bokeh: Utilizzo di Python per la visualizzazione interattiva di dati

Ernesto Arbitrio (Fondazione Bruno Kessler)

Abstract: Bokeh è una libreria per la visualizzazione interattiva di dati che utilizza browser Web per la presentazione. Il suo obiettivo è quello di fornire una costruzione elegante e concisa di una nuova grafica nello stile di D3.js e di estendere questa capacità all'interattività ad alte prestazioni su dataset molto ampi o in streaming. Nel corso del tutorial i partecipanti saranno guidati nell'apprendimento di Bokeh per:

  • creare semplici trame interattive
  • annotare e disegnare le trame
  • usare i grafici bokeh nelle pagine web
  • collegare visualizzazioni interattive a un'istanza python in esecuzione
  • trasmettere i dati alle trame
  • utilizzare Datashader per visualizzare, e interagire con, dataset di grandi dimensioni

La visualizzazione dei dati è fondamentale per comprendere le informazioni contenute nei dati. L'interattività è uno strumento prezioso che consente a ingegneri, “data journalist” e ricercatori di esplorare efficacemente i propri dati. Utilizzando anche alcuni esempi di codice sorgente, questo tutorial introdurrà i partecipanti all'utilizzo di Bokeh, mostrerà diversi aspetti della libreria, e insegnerà come trattare i formati di dati (panda, numpy, bokeh Column Data Source).

Per scaricare il materiale cliccare sul seguente link: https://github.com/ernestoarbitrio/bokeh-data-visualisation


Conoscenza richiesta: python3, pandas basics, numpy basics, data mining, jupyter notebook

Per alcuni esempi di visualizzazione cliccare qui.

 

primi sui motori con e-max