Learn Excel and Financial Modeling the Way Finance Teams Actually Use Them
Learn AI, Data Science & Business — Earn Certificates That Get You Hired
Overview
Google, IBM & Meta Certificates – 40% Off
One Coursera Plus subscription covers most Professional Certificates on Coursera.
Unlock All Certificates
Leggere, capire e usare i dati nel mondo reale
Syllabus
- Bacheca
- Week 0
- Week 1 - Fondamenti di Data Literacy
- 1.1 Introduzione alla Data Literacy
- 1.2 Tipi di dati e fonti dei dati
- 1.3 Metodi di raccolta dati
- 1.4 Python per la data analysis
- 1.5 Caso di studio 1 – Esplorare un semplice dataset di studenti con Python
- 1.6 Approfondimenti
- 1.7 Quiz di valutazione
- Week 2 - Manipolazione e pulizia dei dati con Python
- 2.1 Configurare l'ambiente Python (basi di pandas e numpy)
- 2.2 Importazione dei dati ed esplorazione iniziale
- 2.3 Data cleaning avanzato e qualità dei dati
- 2.4 Gestione dei valori mancanti e degli outlier: oltre le basi
- 2.5 Caso di studio 1 – Importazione e pulizia di un dataset di studenti
- 2.6 Approfondimenti
- 2.7 Quiz di valutazione
- Week 3 - Data Visualization con Matplotlib e Plotly
- 3.1 Principi della visualizzazione efficace dei dati
- 3.2 Grafici di base con Matplotlib
- 3.3 Altre tipologie di grafici
- 3.4 Dai grafici al giudizio critico
- 3.5 Visualizzazione interattiva con Plotly
- 3.6 Grafici personalizzati con Seaborn
- 3.7 Caso di studio 1 – Abitudini di studio e risultati scolastici
- 3.8 Caso di studio 2 – Vendite online e marketing
- 3.9 Approfondimenti
- 3.10 Quiz di valutazione
- Week 4 - Statistica Descrittiva e Inferenziale con Python
- 4.1 Statistiche descrittive con Python
- 4.2 Dalle distribuzioni empiriche alle distribuzioni di probabilitÃ
- 4.3 Test d'ipotesi
- 4.4 Relazioni tra variabili e correlazione
- 4.5 Caso di studio 1 – Soddisfazione dei clienti e tempi di risposta
- 4.6 Caso di studio 2 – Traffico web, conversioni e A/B testing
- 4.7 Approfondimenti
- 4.8 Quiz di valutazione
- Week 5 - Analisi Esplorativa, Serie Temporali e Machine Learning
- 5.1 Dal quesito all'analisi esplorativa completa
- 5.2 Vedere i dati nel tempo: basi delle serie temporali
- 5.3 Introduzione al Machine Learning
- 5.4 Interpretare previsioni ed errori
- 5.5 Caso di studio 1 – Analisi esplorativa e semplice previsione
- 5.6 Caso di studio 2 – Web analytics su serie temporali e pattern semplici
- 5.7 Approfondimenti
- 5.8 Quiz di valutazione
- Risorse aggiuntive
Taught by
Giacomo Fiumara