Modulo 1 – Programmazione Python

Introduzione

•  Introduzione alla formazione e presentazione del percorso
• Linguaggi di programmazione
• Perché Python?
• Installazione di Python e IDE (es. VSCode, PyCharm, Thonny)
• Il primo programma: print (“Hello, World!”)

 

Variabili e tipi di dati

• Variabili
• Tipi di dati: numeri, stringhe, booleani
• Operazioni aritmetiche
• Concetto di assegnazione
• Input da tastiera

 

Strutture di controllo

• If / Else / Elif
• Operatori logici e di confronto
• Esempi pratici: calcolatrice semplice, indovina il numero

 

Cicli

• Ciclo while
• Ciclo for
• Funzione range()
• Esercizi: stampa di sequenze, somme, prodotti, pattern di caratteri

 

Funzioni

• Definizione di funzione (def)
• Parametri e valori di ritorno
• Scope delle variabili
• Funzioni built-in utili
• Progetto mini: calcolatrice a Fuzion

 

Strutture dati

• Liste
• Tuple
• Dizionari
• Set
• Iterazione su strutture dati
• Operazioni comuni (append, remove, pop, ecc.)

 

Programmazione modulare

• Organizzazione del codice in moduli
• Import di moduli standard
• Uso di librerie esterne (esempio con random, math, datetime)

 

File I/O

• Lettura da file
• Scrittura su file
• Modalità di apertura (r, w, a, ecc.)
• Esempi pratici: gestione di file di testo

 

Gestione degli errori

• Eccezioni: try, except, finally
• Creazione di eccezioni personalizzate
• Debugging di base

 

Modulo 2 – Machine Learning, Deep Learning, GenAI

Introduzione al ML/IA

• Che cosa è l’IA: definizioni e classificazioni dell’IA
• Classificazione delle tecniche
• Esempi di applicazioni reali: Vision, NLP, Recommendation
• Cenni storici
• Introduzione all’IA Predittiva: tipi di apprendimento
• Machine Learning, Deep Learning, Clustering
• Ciclo di vita del ML -> Preprocessing, Train, Validation, Test, Evaluation, Prediction
• Cenni di matematica e statistica: vettori e matrici, probabilità, gradienti

 

Preprocessing dei dati e librerie

• Che cosa è un dataset, tipi di dato
• Features e targets (labels)
• Raccolta e pulizia, Kaggle.com e altre fonti
• Features Engineering
• Normalizzazione e standardizzazione
• Dataset split: train, test, validation
• Overfitting e underfitting
• Librerie Python per il Machine Learning: scikit-learn, tensorflow, kera

 

ML ed Evaluation

• Che cosa è la classificazione
• Naive Bayes, SVM, K-NN
• Che cosa è la regressione
• Regressioni lineari e logistiche
• Alberi e foreste
• Boosting: XGBoost e LightGBM
• Evaluation: tecniche e metriche

 

Reti neurali e DP

• Reti neurali e DP: introduzione, struttura, input
• Funzioni di attivazione
• Percettroni e reti feedforward
• Backpropagation
• Reti profonde (MLP)
• Reti convoluzionali
• Reti ricorrenti
• U-Net
• Transformers

 

Cenni di apprendimento non supervisionato

• Che cosa è il ML non supervisionato
• Clustering
• K-Means, DBScan
• PCA, t-SNE
• Apriori, FP-Growth

 

LLM (Large Language Model)

• Cosa sono gli LLM
• Langchain (python)
• Chain
• Prompt template
• Agent / tools

 

Modulo 3: Team Bulding e Soft Skills

Introduzione alle Soft Skills

• Definizione di soft skills
• L’importanza delle soft skills nel contesto lavorativo e personale

 

Soft Skills essenziali per il lavoro da remoto

• Comunicazione efficace a distanza
• Autonomia e gestione del tempo
• Empatia e intelligenza emotiva in un contesto virtuale
• Resilienza e adattabilità ai cambiamenti
• Collaborazione e team working digitale

 

Attività di Team Building

• Giochi ed esercizi di gruppo per migliorare la collaborazione
• Simulazioni di situazioni lavorative
• Workshop di problem solving in team
• Attività di comunicazione e ascolto attivo

 

Benefici del Team Building e dello Sviluppo delle Soft Skills

• Miglioramento della comunicazione interna
• Superare l’isolamento e favorire il senso di appartenenza
• Aumento della produttività e motivazione
• Creazione di un ambiente di lavoro positivo e collaborativo

 

Progetto finale

Il progetto finale rappresenta l’opportunità per mettere in pratica tutte le competenze acquisite durante il percorso, sviluppando un’applicazione concreta e funzionale.

Si tratta di un momento di confronto e crescita personale e professionale, in cui i partecipanti avranno l’occasione di dimostrare le proprie capacità di problem solving, creatività e innovazione, affrontando sfide pratiche e trovando soluzioni efficaci.

Inoltre, il progetto favorisce la collaborazione tra i membri del team, stimola il pensiero critico e permette di acquisire competenze trasversali fondamentali per il futuro lavorativo.

Attraverso questa esperienza, i discenti potranno consolidare le proprie conoscenze teoriche, sviluppare un approccio pratico e orientato al risultato, preparandosi al meglio alle sfide del mondo professionale.