Python: impariamolo insieme

Ok, grazie a tutti per le risposte.

Per quanto concerne l'ambiente di sviluppo e GUI, direi per questa settimana che i neofiti faranno una disamina generale, è ininfluente.
Per il corso vero e proprio , naturalmente no.
A tal punto chiederei a @Mei se (vista la sua esperienza già maturata) può fornire indicazione precisa, in particolar modo in ottica di capacità di debug del codice.

Io avevo già installato la versione nativa Python 3.7 , e la stessa me la ritrovo anche in Microsoft VisualStudio 2019. Non ci ho mai fatto nulla direttamente, l'avevo installato solo per usare Kera che a sua volta è un'api per l'utilizzo di alto livello che punta a TensorFlow che sarebbe uno dei principali motivi per cui si usa Python in ottica MachineLearning. Kera lo uso con una libreria R e quindi penso la conserverò per compatibilità con il passato altrimenti i miei progetti già in essere in R rischierei di non farli funzionare più. Mi aggiungerei eventualmente un'ulteriore installazione in versione 3.9 solo più avanti, una volta preso confidenza con i tool già qui presenti, a meno che @Mei non ci dica che il debug è migliore nella versione 3.9 . , fattore questo che facilita senz'altro l'apprendimento di Python.

saluti.
 
Ok, grazie a tutti per le risposte.

Per quanto concerne l'ambiente di sviluppo e GUI, direi per questa settimana che i neofiti faranno una disamina generale, è ininfluente.
Per il corso vero e proprio , naturalmente no.
A tal punto chiederei a @Mei se (vista la sua esperienza già maturata) può fornire indicazione precisa, in particolar modo in ottica di capacità di debug del codice.

Io avevo già installato la versione nativa Python 3.7 , e la stessa me la ritrovo anche in Microsoft VisualStudio 2019. Non ci ho mai fatto nulla direttamente, l'avevo installato solo per usare Kera che a sua volta è un'api per l'utilizzo di alto livello che punta a TensorFlow che sarebbe uno dei principali motivi per cui si usa Python in ottica MachineLearning. Kera lo uso con una libreria R e quindi penso la conserverò per compatibilità con il passato altrimenti i miei progetti già in essere in R rischierei di non farli funzionare più. Mi aggiungerei eventualmente un'ulteriore installazione in versione 3.9 solo più avanti, una volta preso confidenza con i tool già qui presenti, a meno che @Mei non ci dica che il debug è migliore nella versione 3.9 . , fattore questo che facilita senz'altro l'apprendimento di Python.

saluti.


Da quello che ho capito Anaconda è una piattaforma di utilizzatissima per elaborazioni di Data Science e ML nei linguaggi R e Python ( utilizzabile con Windows, Mac e Linux).


Tra i pro sicuramente il fatto che le principali librerie sono già presenti nell'ambiente di lavoro e risolvi ex-ante eventuali disallineamenti tra versioni di librerie diverse. Io ho utilizzato solo Jupyter notebook - un applicativo web che permette di scrivere un intero flusso di lavoro in verticale ed è organizzato in celle che possono ospitare contenuti formattati in Markdown o anche immagini.
I notebook possono essere poi esportanti in vari modi tra cui PDF o slide web.

Tra i contro è che non è presenta una funzione di debug ( molto utile per apprendimento) in Jupyter, ma penso sia presente in altre applicazioni di Anaconda che però non conosco.
Molti utilizzano Jupyter come primo step per testare idee e codici e magari poi passare in editor più completo.
Tra gli IDE buoni, con debugger, da quello che so uno buono è Pycharm.

Magari è bene fare delle riflessioni comuni sulla strada migliore da intraprendere in termini di soluzioni adottate.

A presto
 
salve ... conosco abbastanza bene il python e ho incominciato ad interessarmi ale applicazioni di Datascience e ML anche se negli ultimi mesi ho un pò abbandonato,

comunque diciamo che ho almeno 5 anni di esperienza con il python, non ho realizzato programmi completi in python ma diverse piccole applicazioni e il mio

obiettivo e conscere la basi del Datascience e del ML

come ambiente di sviluppo uso Visual Studio Code.

segnalo che per fare un pratica con pandas e altre librerie python senza doverle installare si può utilizzare kaggle.com, che può essere un buon sistema per
condividere i nostri dataset

insomma seguo questo iniziativa e spero di avere abbastanza tempo per poter partecipare.
 
Sì, effettivamente, una riflessione più approfondita sugli strumenti da usare sarebbe utile.
 
salve ... conosco abbastanza bene il python e ho incominciato ad interessarmi ale applicazioni di Datascience e ML anche se negli ultimi mesi ho un pò abbandonato,

comunque diciamo che ho almeno 5 anni di esperienza con il python, non ho realizzato programmi completi in python ma diverse piccole applicazioni e il mio

obiettivo e conscere la basi del Datascience e del ML

come ambiente di sviluppo uso Visual Studio Code.

segnalo che per fare un pratica con pandas e altre librerie python senza doverle installare si può utilizzare kaggle.com, che può essere un buon sistema per
condividere i nostri dataset

insomma seguo questo iniziativa e spero di avere abbastanza tempo per poter partecipare.


Benvenuto @DoctorT.

Mi stavo giusto guardando Visual Studio Code, mica male devo dire.

Kaggle.com ti fa condividere anche il codice?
 
Benvenuto @DoctorT.

Mi stavo giusto guardando Visual Studio Code, mica male devo dire.

Kaggle.com ti fa condividere anche il codice?

Sì Scalpo, sono nuovo anch'io di Kaggle, che non conoscevo (colgo l'occasione per ringraziare DoctorT), ma mi pare che si possa condividere il codice, da una prima occhiata. Molto comodo.
 
Benvenuto @DoctorT.

Mi stavo giusto guardando Visual Studio Code, mica male devo dire.

Kaggle.com ti fa condividere anche il codice?

Si, puoi condivider dei jupiter notebook ... non credo che si possano condividere applicazioni più complesse
ma per iniziare va bene
 
salve ... conosco abbastanza bene il python e ho incominciato ad interessarmi ale applicazioni di Datascience e ML anche se negli ultimi mesi ho un pò abbandonato,

comunque diciamo che ho almeno 5 anni di esperienza con il python, non ho realizzato programmi completi in python ma diverse piccole applicazioni e il mio

obiettivo e conscere la basi del Datascience e del ML

come ambiente di sviluppo uso Visual Studio Code.

segnalo che per fare un pratica con pandas e altre librerie python senza doverle installare si può utilizzare kaggle.com, che può essere un buon sistema per
condividere i nostri dataset

insomma seguo questo iniziativa e spero di avere abbastanza tempo per poter partecipare.

per ora sto seguendo le lezioni di Udemy per le quali mi sono installato Anaconda, e sorbito la lezione su Jupiter che non mi serve ad un fico secco (forse per chi fa reporting) però sembra obbligatorio.. :D almeno per avere una panoramica. Alla fine Udemy ti da un bonus di ben 9.99€ per le lezioni sul ML.

Visual Studio Code però mi intriga, finito con Udemy la installo. Poi se ha un debug all'altezza di Microsoft, la prediligerei. ThensorFlow è già incluso in Anaconda? Ed in Visual Studio Code?

ciao, grazie per la disponibilità.
 
mi iscrivo al thread

-anni di conoscenza in Python: 4
-progetti già sviluppati in Python: zero completi, qualcosa a livello di librerie
-aspettative sulle capacità da raggiungere, in 2 mesi: realizzare qualcosa di concreto

come IDE uso pycharm OK!
 
adesione gruppo

ciao a tutti, come vedete sono nuovo del forum ma aderisco volentieri al progetto
-anni di conoscenza in Python: 0
-progetti già sviluppati in Python: 0
-aspettative sulle capacità da raggiungere in 2 mesi: sviluppare le basi del linguaggio

ho dimestichezza con la statistica e conoscenze di base econometriche
 
Mi sembra di capire che optate maggiormente per VisualStudio piuttosto che Atom, potete confermarmi questa scelta cosi mi concentro anche io su Visual Studio?
Atom comunque ha dei packages che consentono il debug del codice Python, anche Visual Studio li ha?
Grazie
 
Mi sembra di capire che optate maggiormente per VisualStudio piuttosto che Atom, potete confermarmi questa scelta cosi mi concentro anche io su Visual Studio?
Atom comunque ha dei packages che consentono il debug del codice Python, anche Visual Studio li ha?
Grazie

optiamo maggiormente per Visual Studio Code che è diverso da Visual Studio, comunque ha centinaia di estensioni fra cui il debugger per python.
La maggiore differenza tra i due è che VS Code ha più funzionalità mentre Atom rimane un editor di codice per quanto evoluto.
Atom è più leggero per cui per editare un file al volo potrebbe essere più comodo.
 
Buongiorno a tutti; benvenuto Guglielmo e benvenuto SullaWave OK!OK!OK!

Parlando della scelta dell'IDE,
@Guglielmo: io son già impegnato con Anaconda e VisualStudioCode, puoi dirmi delle caratteristiche che possono essere di aiuto al gruppo per giustificare l'adozione di pycharm?

introdurrei dei criteri oggettivi di scelta:
- funzionalità di debug
- ergonomicità in generale (ad. esempio l'indentazione, l'assenza dei caratteri di ">>>" come cursore, etc.)
- facilità di manutenibilità delle librerie (molto, decisamente importante: ho visto che Anaconda ha la possibilità di virtualizzare l'environment, non so se questa caratteristica è presente di base su tutte le IDE, etc)
- pacchetti di base già installati e che sono orientati al ML (facoltativo: visto che mediamente in questa sede ed in questo momento si mira ad avere poco più di una conoscenza di base)
- etc.

chi ha maggiore esperienza in merito può secondo me fare un raffronto più consistente. Per esempio chi usa da tempo ATOM, può valutare pycharm e viceversa.

buona analisi a tutti.

OK!;)
 
Do il benvenuto ai nuovi e in particolare a Sullawave che ho invitato io a iscriversi al forum e a questo percorso di studi. Collaboriamo insieme in una piccolissima chat privata in cui facciamo studi statistici sul mercato, lui è bravissimo con Excel ed è una persona davvero collaborativa, come poche. In quanto alla questione di cui si dibatte, mi sento di sposare le considerazioni di Scalpo sulla definizione di criteri oggettivi, tenendo presenti le finalità che ci siamo preposti.
 
mi sono andato a cercare qualche informazione su pycharm che non ho mai usato e ho trovato questo video
in italiano:


riassumendo si possono facilmente creare virtual environment ed installare i principali pacchetti per Data Analysys e Machine Learning.

non so quanto sia efficace il debugger.
 
Buongiorno a tutti; benvenuto Guglielmo e benvenuto SullaWave OK!OK!OK!

Parlando della scelta dell'IDE,
@Guglielmo: io son già impegnato con Anaconda e VisualStudioCode, puoi dirmi delle caratteristiche che possono essere di aiuto al gruppo per giustificare l'adozione di pycharm?

introdurrei dei criteri oggettivi di scelta:
- funzionalità di debug
- ergonomicità in generale (ad. esempio l'indentazione, l'assenza dei caratteri di ">>>" come cursore, etc.)
- facilità di manutenibilità delle librerie (molto, decisamente importante: ho visto che Anaconda ha la possibilità di virtualizzare l'environment, non so se questa caratteristica è presente di base su tutte le IDE, etc)
- pacchetti di base già installati e che sono orientati al ML (facoltativo: visto che mediamente in questa sede ed in questo momento si mira ad avere poco più di una conoscenza di base)
- etc.

chi ha maggiore esperienza in merito può secondo me fare un raffronto più consistente. Per esempio chi usa da tempo ATOM, può valutare pycharm e viceversa.

buona analisi a tutti.

OK!;)

ha tutte le funzionalità che dici, ma la scelta dell'ide è sempre soggettiva e quello che si è imparato ad usare +- bene è sempre il migliore... ;)
dal basso della mia poca esperienza ritengo che sviluppare del buon codice sia possibile tranquillamente su più ambienti di sviluppo, e anzi il confronto tra utilizzatori di vari ambienti sia molto utile
basta mettersi d'accordo sulle convenzioni di base (imho seguire le PEP8 per quanto possibile è sufficiente)
 
mi sono andato a cercare qualche informazione su pycharm che non ho mai usato e ho trovato questo video
in italiano:


riassumendo si possono facilmente creare virtual environment ed installare i principali pacchetti per Data Analysys e Machine Learning.

non so quanto sia efficace il debugger.

è molto efficace OK!
 
VS code è troppo pesante, ho già VS2019 che è un macigno di suo (già con Python dentro), ma non l'ho mai usato e non saprei.
ATOM è leggero, forse troppo
per contro pycharm ha tutto, l'IDE è razionale, e l'installazione è minimale. Mi sembra un prodotto equilibrato.

preferenze:
Automatic_Treding Atom 1.54.1
Price_action Atom 1.54.0
Mei Jupyter in ambiente Anaconda
DoctorT Visual Studio Code
Guglielmo pycharm
SullaWave non so
Scalpo pycharm

chi ha anni di esperienza su Python può tranquillamente lasciarsi l'IDE su cui è abituato in quanto facilmente comunicano con gli altri (i notebook di Jupiter saranno compatibili con tutte le IDE immagino). Quindi AutomaticTreding, PriceAction, SullaWave e Scalpo si devono mettere daccordo.
 
Ultima modifica:
VS code è troppo pesante, ho già VS2019 che è un macigno di suo (già con Python dentro), ma non l'ho mai usato e non saprei.
ATOM è leggero, forse troppo
per contro pycharm ha tutto, l'IDE è razionale, e l'installazione è minimale. Mi sembra un prodotto equilibrato.

preferenze:
Automatic_Treding Atom 1.54.1
Price_action Atom 1.54.0
Mei non so
DoctorT Visual Studio Code
Guglielmo pycharm
SullaWave non so
Scalpo pycharm

chi ha anni di esperienza su Python può tranquillamente lasciarsi l'IDE su cui è abituato in quanto facilmente comunicano con gli altri (i notebook di Jupiter saranno compatibili con tutte le IDE immagino). Quindi AutomaticTreding, PriceAction, SullaWave e Scalpo si devono mettere daccordo.

Personalmente conoscendo solo Jupyter in ambiente Anaconda sono abbastanza indifferente. Ho sentito parlare di pycharm, meno degli altri, però no problem.
 
Indietro