Impara a programmare in Python, il linguaggio dell'IA

Name: Impara a programmare in Python, il linguaggio dell'IA
Rating: 4.6 (123 reviews)

Il corso per imparare il linguaggio Python da zero, con analisi dati e integrazioni AI

Bestseller

Highest Rated

Created byMassimiliano Sorrentino

Last updated 7/2026

Italian

What you'll learn

Imparare le basi del linguaggio Python: sintassi, tipi di dati, strutture di controllo e funzioni
Utilizzare le strutture dati fondamentali in Python (liste, tuple, dizionari, set)
Comprendere i concetti di funzione, argomenti (*args/**kwargs), ricorsione e scope delle variabili
Utilizzare moduli e pacchetti per organizzare il codice
Imparare la programmazione a oggetti in Python (classi, oggetti, ereditarietà, polimorfismo)
Interagire con file e directory e gestire gli errori con try/except
Scrivere script e semplici applicazioni con input utente
Sviluppare codice Python più leggibile e manutenibile, anche con debug e logging
Applicare pandas e matplotlib ad analisi e visualizzazione dati, incluso un caso reale sul NASDAQ 100
Usare servizi GPT e sviluppare un RAG web-only con FastAPI, Tavily, Groq e LangChain
Applicare tecniche di AI prompting con Cursor per progettare e iterare sul codice
Comprendere cosa sono gli agenti AI e vedere un agente Python che usa tool su dati reali
Comprendere il ciclo Retrieve-Augment-Generate, gli embedding e un RAG documentale minimale end-to-end

Course content

5 sections • 33 lectures • 9h 29m total length

Introduzione12:38

Installiamo Python e Visual Studio Code2:08
In questa lezione vedremo come installare Python e Visual Studio Code
Installazione alternativa (professionale) di Python3:18
Installiamo Python scaricando il pacchetto dal sito ufficiale, e comprendiamo il funzionamento del gestore delle installazioni di Python
Installiamo Jupyter Notebook9:07
In questa lezione imparerai a utilizzare Jupyter Notebook
Tipi di dati fondamentali in Python29:52
In questa lezione apprenderai a utilizzare i tipi di dati fondamentali in Python e a effettuare le operazioni con essi.
Le funzioni input e print22:15
In questa lezione apprenderai l'utilizzo delle funzioni input e print e imparerai a formattare le stringhe.
Liste, Tuple, Dictionary, Set27:07
In questa lezione imparerai a gestire le strutture di dati in Python
Un quiz sui tipi di dati in Python
Strutture di controllo e cicli25:47
In questa lezione apprenderai come utilizzare le strutture di controllo e i cicli in Python
Funzioni e moduli26:15
In questa lezione apprenderai l'utilizzo delle funzioni e dei moduli in Python
Argomenti *args e **kwargs7:38
Al termine di questa lezione imparerai a utilizzare gli argomenti posizionali *args e gli argomenti keyword **kwargs
Argomenti di default, posizionali e per parola chiave10:59
In questa lezione apprenderai l'utilizzo degli argomenti di default, posizionali e per parola chiave
Approfondimento su *args e **kwargs10:51
Una lezione di approfondimento su *args e **kwargs
Programmazione a oggetti35:39
In questa lezione apprenderai i fondamenti della programmazione a oggetti in Python
Gestione dei file13:14
Al termine di questa lezione sarai in grado di leggere e scrivere file di testo con Python
Gestione degli errori9:45
Al termine di questa lezione sarai in grado di gestire gli errori in Python
Utilizzo delle librerie pandas e matplotlib29:57
Al termine di questa lezione saprai gestire i dati con la libreria pandas ed eseguire dei semplici plot con la librerie matplotlib
Fare debug e logging in Python13:01
Al termine di questa lezione sarai in grado di fare debug e logging in python
Un programma per gestire una rubrica in Python41:05
Al termine di questa lezione sarai in grado di creare un programma piuttosto articolato in Python come ad esempio un programma per gestire una rubrica di contatti

Rendimento annualizzato del NASDAQ 100 sull'intero periodo con libreria pandas31:50
In questa lezione vedremo come leggere un file csv dei valori di prezzo dell'indice NASDAQ 100 total returns (XNDX) con pandas e calcolare il Compound Annual Growth Rate dell'indice sul suo intero periodo storico
Statistiche sul NASDAQ 10028:50
Statistiche del NASDAQ 100 con pandas
Dove prendere i dati per l'analisi sul NASDAQ 1000:27
In questa lezione apprenderai come ottenere autonomamente i dati necessari per le analisi dei rendimenti
Statistiche NASDAQ 100 con matplotlib24:26
In questa lezione impareremo a visualizzare i grafici dei rendimenti del NASDAQ 100 con matplotlib

Utilizziamo il servizio GPT di OpenAI6:36
In questa lezione imparerai a utilizzare il servizio GPT di OpenAI
RAG con ricerca web: costruire un’API che risponde usando il web in tempo reale12:49
In questa lezione impari a realizzare un sistema Web-Only RAG (Retrieval-Augmented Generation) esposto come API REST: l’utente invia una domanda e riceve una risposta generata da un modello di linguaggio che usa solo contenuti cercati sul web in tempo reale e citati come fonti.
Verranno utilizzati FastAPI per l’API, LangChain per orchestrare ricerca, caricamento documenti e catena verso l’LLM, Tavily per la ricerca web e Groq (via compatibilità OpenAI) per la sintesi delle risposte. Completando la lezione sarai in grado di progettare il flusso domanda → ricerca web → estrazione contenuti → sintesi con LLM → risposta con fonti, gestire variabili d’ambiente e chiavi API e integrare ricerca web e LLM in un’applicazione Python pronta per uso didattico o prototipale.
Imparerai a realizzare questo progetto mediante AI Prompting in Cursor.
Oltre la chat: un assaggio di agenti AI e RAG in Python0:50
Lezione di collegamento: spieghiamo perché, dopo OpenAI e il RAG web-only, aggiungiamo un piccolo blocco di anteprime su agenti AI e RAG documentale. Sono estratti dai corsi dedicati, pensati per mostrare le potenzialità di Python senza sostituire i percorsi completi.
Cosa sono gli agenti AI20:56
Anteprima dal corso Agenti AI con Python. Dopo aver usato il modello come chat e in un'API, definiamo cosa si intende per agente AI e distinguiamo in modo pratico chat, workflow deterministico e sistema agentico. Vediamo quando un agente ha senso (scegliere tool, gestire passaggi, produrre output strutturati) e quando conviene restare su una funzione o un prompt singolo.
Un agente Python con tool reali21:13
Anteprima pratica dal corso Agenti AI con Python. Vediamo un esempio in cui l'agente non si limita a conversare: consulta dati, usa tool esterni, elabora il risultato e restituisce una risposta utile e ripetibile. È l'esempio concreto di come Python collega modello, funzioni e dati in un flusso controllabile.
Perché il RAG e il ciclo Retrieve-Augment-Generate21:24
Anteprima dal corso RAG Enterprise con Python. Hai già costruito un RAG web-only; qui fissiamo il modello mentale generale del RAG su documenti: retrieve (recupera i pezzi pertinenti), augment (mettili nel prompt con la domanda), generate (rispondi citando le fonti). Capirai anche perché spesso conviene rispetto al fine-tuning quando i dati cambiano spesso.
Visualizzare gli embedding (1): parole e metriche di vicinanza20:18
Anteprima pratica dal corso RAG. Con un notebook in Python rendiamo visibile cosa sono gli embedding: da parole brevi a vettori, normalizzazione e confronto tra similarità coseno, prodotto scalare e distanza euclidea. Serve a capire su cosa poggia il retrieve denso di un RAG documentale.
Visualizzare gli embedding (2): cluster, MDS e grafici 2D/3D21:44
Seconda parte della pratica sugli embedding (stesso notebook della lezione precedente). Misuriamo la separazione dei cluster semantici e proiettiamo i vettori in mappe 2D/3D con MDS, così vedi geometricamente perché testi simili finiscono vicini nello spazio. I materiali scaricabili sono quelli della lezione precedente.
RAG end-to-end: sorgente, indice e ciclo in Python25:05
Anteprima pratica dal corso RAG. Apriamo un RAG minimale in Python: ingestione e chunking del testo, indice locale, e il ciclo retrieve-augment-generate nel codice. Dopo il RAG web-only, qui vedi la variante su documenti locali, utile per capire dove vivono indice, retrieve e generazione della risposta.

Requirements

Non è necessario avere eperienza di programmazione. Imparerai tutto ciò che serve sapere.

Description

Questo corso intensivo di Python offre una base solida e pratica del linguaggio, ideale per chi possiede già familiarità con i concetti di programmazione a oggetti ma accessibile anche a chi si avvicina per la prima volta allo sviluppo software.

Il percorso parte dall’installazione di Python e di Visual Studio Code, prosegue con l’uso di Jupyter Notebook, e introduce la sintassi di base, i tipi di dati e le strutture di controllo (condizioni e cicli), per poi approfondire le principali strutture dati (liste, tuple, dizionari, set) e la definizione di funzioni e moduli (inclusi argomenti di default, posizionali, keyword, *args e **kwargs). Vengono quindi trattati i capisaldi della programmazione orientata agli oggetti (OOP) — classi, oggetti, ereditarietà, polimorfismo — insieme alla gestione dei file, alla gestione degli errori (con try/except) e all’uso delle librerie fondamentali pandas e matplotlib per analisi e visualizzazione dei dati. Una sezione è dedicata alle buone pratiche di sviluppo — debug logging — e culmina nello sviluppo di una applicazione CLI per la gestione di una rubrica (aggiunta, modifica, rimozione, ricerca contatti e salvataggio su file), mettendo in pratica l’organizzazione del codice in un progetto strutturato.

Per illustrarti le potenzialità di Python in ambito analisi dati, il corso propone un caso reale di analisi dei rendimenti del NASDAQ 100, con il calcolo del rendimento annualizzato effettuato con pandas, permettendo di collegare i concetti di programmazione appresi a un caso concreto di analisi dati Il percorso si chiude con una lezione finale di congratulazioni, pensata per consolidare i risultati e indicare i prossimi passi.

In una sezione dedicata all’intelligenza artificiale viene proposto un progetto pratico di Web-Only RAG (Retrieval-Augmented Generation): un’API FastAPI che risponde a domande dell’utente combinando ricerca web in tempo reale (Tavily) e modelli di linguaggio (Groq), il tutto coordinato da LangChain. Lo sviluppo di questo modulo è svolto con l’ausilio di Cursor come ambiente di editing e di tecniche di AI prompting: gli studenti imparano a descrivere obiettivi e vincoli in linguaggio naturale e a iterare sui prompt per ottenere il comportamento desiderato dall’assistente, sperimentando in modo concreto come strumenti di coding assistito e prompting possano supportare la progettazione e la manutenzione del codice in un contesto reale.

Dopo il progetto Web-Only RAG, il corso illustra le potenzialità di Python nei casi che l'hanno reso più famoso e utilizzato: lo sviluppo di agenti AI e di sistemi RAG su documenti. Una lezione di inquadramento introduce i due temi come anteprima dei percorsi dedicati; si chiarisce cosa distingue un agente da una semplice chat e si vede un esempio concreto di agente che usa tool su dati reali; sul fronte RAG si ripercorre il ciclo Retrieve-Augment-Generate, si visualizzano gli embedding e le metriche di vicinanza in un notebook. Vedrai come si realizza in Python un sistema RAG essenziale end-to-end su una knowledge base locale (ingestione, indice e generazione con fonti). L’obiettivo non è sostituire i corsi specialistici, ma mostrare come, con Python, si passi dalla chiamata a un modello LLM a sistemi agentici più evoluti e ambiti, che agiscono con tool specializzati, e che rispondono basandosi su documenti recuperati in modo controllabile.

Who this course is for:

Persone che vogliono avvicinarsi al mondo della programmazione
Programmatori che vogliono apprendere il linguaggio Python
Programmatori che vogliono apprendere le tecniche di AI prompting
Programmatori Python interessati a progetti che utilizzano la libreria langchain
Sviluppatori che vogliono prepararsi per corsi più avanzati su agenti AI e sistemi RAG

Impara a programmare in Python, il linguaggio dell'IA

What you'll learn

Explore related topics

Course content

Introduzione1 lecture • 13min

I fondamenti di Python17 lectures • 5hr 18min

Analisi dati: statistiche sui rendimenti dell'indice NASDAQ 1004 lectures • 1hr 26min

Intelligenza artificiale con Python9 lectures • 2hr 31min

Congratulazioni!2 lectures • 3min

Requirements

Description

Who this course is for: