Corso di Python

• Variabili e tipizzazione dinamica: dichiarazione e assegnamento
• Tipi primitivi: int, float, bool, str, None
• Operatori aritmetici, di confronto, logici e di assegnamento
• Conversione tra tipi (casting)
• Input e output: input() e print() con f-string
• Type hints: annotazioni di tipo per la leggibilità del codice
• Esercitazioni pratiche su variabili e operatori

• Strutture condizionali: if, elif, else
• Pattern matching con match-case (Python 3.10+)
• Cicli: for e iterazione su sequenze
• La funzione range() e i suoi utilizzi
• Ciclo while e controllo del flusso
• Istruzioni break, continue e pass
• Comprensioni: list comprehension e dict comprehension
• Esercitazioni pratiche su ogni costrutto

• Definizione e invocazione di funzioni con def
• Parametri posizionali, con valore di default e keyword arguments
• Valori di ritorno e return multipli (tuple unpacking)
• Scope delle variabili: locale, globale, la keyword global
• Funzioni come oggetti: passaggio di funzioni come parametri
• Lambda expression: sintassi e casi d’uso
• Esercitazione: progettazione di funzioni riutilizzabili

• Programmazione Object Oriented in Python: classi e oggetti
• Costruttore __init__, attributi di istanza e di classe
• Metodi, self e incapsulamento (convenzione _ e __)
• Ereditarietà e override dei metodi
• Polimorfismo e duck typing
• Classi astratte con il modulo abc
• Dataclass: definizione rapida di classi dati
• Gestione delle eccezioni: try, except, else, finally
• Eccezioni personalizzate e gerarchia delle eccezioni
• Context manager e istruzione with
• Esercitazione: modellazione di un dominio con classi, ereditarietà e gestione errori

• Stringhe: metodi principali, slicing, formattazione avanzata
• Liste: creazione, modifica, metodi, slicing e copia
• Tuple: immutabilità, unpacking e named tuple
• Set: operazioni insiemistiche, frozenset
• Dictionary: creazione, accesso, metodi, iterazione
• Iterator e protocollo di iterazione (__iter__, __next__)
• Generatori: yield e lazy evaluation
• Esercitazione: elaborazione dati complessi con le strutture native di Python

• *args e **kwargs: funzioni con parametri variabili
• Closures: funzioni che catturano lo scope esterno
• Decoratori: concetto, sintassi @ e creazione di decoratori personalizzati
• Decoratori con parametri e decoratori multipli
• Funzioni built-in: map, filter, reduce, zip, enumerate
• Esercitazione: creazione di decoratori per logging, timing e validazione

• Moduli e package: import, from…import, organizzazione del codice
• Creazione di moduli e package personalizzati
• __name__ e __main__: script eseguibili vs moduli importabili
• Modulo datetime: gestione di date e orari
• Modulo math: funzioni matematiche
• Modulo json: serializzazione e deserializzazione
• Gestione dei file: lettura e scrittura (testo e binario)
• Modulo csv: lettura e scrittura di file CSV
• pip e PyPI: installazione e gestione delle dipendenze
• Virtual environment (venv): isolamento dei progetti
• Esercitazione: progetto modulare con gestione file, JSON e CSV

• Introduzione ai tre scenari dimostrativi: obiettivi e panoramica

Demo 1 — Servizi REST e Database Oracle (3 ore)

• Creazione di API REST con FastAPI
• Connessione e interazione con database Oracle (oracledb)
• Operazioni CRUD complete e testing delle API

Demo 2 — Machine Learning: Prediction con Linear Regression (3 ore)

• Introduzione a scikit-learn e al workflow di Machine Learning
• Preparazione dei dati: pandas, pulizia e feature selection
• Addestramento di un modello di regressione lineare
• Valutazione del modello e visualizzazione dei risultati con matplotlib

Demo 3 — Artificial Intelligence: RAG (Retrieval Augmented Generation) (3 ore)

• Introduzione ai Large Language Model (LLM) e al concetto di RAG
• Caricamento e indicizzazione di documenti con embeddings
• Creazione di una pipeline RAG: retrieval + generazione
• Interrogazione del sistema con domande in linguaggio naturale