PCTO in Coding & Data Science

Il PCTO in Coding & Data Science offerto da CD: 50/50 – Coding Diversity ha l’obiettivo di fornire una formazione nelle tematiche della programmazione e della data science in un contesto rispettoso delle pari opportunità tra ragazze e ragazzi.

Sono ancora infatti soltanto 2 su 10 le ragazze che scelgono di iscriversi dopo la scuola secondaria a corsi di laurea nelle discipline STEM, contro oltre 6 su 10 per i ragazzi.

Per garantire quest’ultimo, ci impegniamo a dare la precedenza a gruppi di studenti/esse composti da una percentuale elevata di ragazze. Durante il corso il tema delle pari opportunità nelle STEM è affrontato anche attraverso:

  • riferimento a dati e statistiche, sia sulla situazione italiana che internazionale
  • partecipazione di role models femminili

A. Organizzazione del corso
B.
Contenuti e obiettivi
C. Progetto finale
D. Materiali didattici
E. PCTO 2021/22, ecco come è andato

A. Organizzazione del corso

Il PCTO articola in 20 ore per classe: 12 di didattica con il tutor e 8 di lavoro individuale dei partecipanti. Si svolge in presenza nelle aule informatiche degli istituti scolastici o in modalità blended.

In linea con l’orientamento pratico della data science, la formazione è concepita come un mix di teoria ed esercitazioni pratiche al computer (“coding lab”). 

Ogni lezione è strutturata in 3 parti:

  1. Introduzione. Lo spazio per avviare una riflessione collettiva su come quotidianamente entriamo in contatto con i dati.
  2. Spiegazione frontale. Sono introdotte conoscenze teoriche utili a far maturare la riflessione.
  3. Coding lab. Gli studenti seguono un’esercitazione guidata al computer, sviluppabile in 2 diverse modalità, in base all’attitudine della classe: una applicativa, in cui agli studenti è richiesto di eseguire semplici blocchi di codice e analizzare l’output, e una implementativa, in cui agli studenti viene sottoposto un codice già predisposto da completare/espandere e successivamente analizzare l’output.

Le esercitazioni utilizzano come linguaggio di programmazione Python o R e si svolgono su una piattaforma web che non richiede agli studenti di installare strumenti aggiuntivi (per esempio, Colab).

A chi partecipa non è richiesta nessuna conoscenza pregressa in ambito di programmazione.

B. Contenuti e obiettivi di apprendimento

Obiettivi teorici
  1. 1

    Introduzione alla programmazione: come “ragiona” un computer, come rappresenta le informazioni.

  2. 2

    Definizione di variabile, comando, funzione.

Obiettivi pratici
  1. 1

    Accedere alla piattaforma web su cui si svolgono le esercitazioni.

  2. 2

    Aprire un notebook preimpostato e comprendere i comandi base del linguaggio di programmazione.

  3. 3

    Eseguire semplici blocchi di codice.

Obiettivi teorici
  1. 1

    Introduzione alle data science: fondamenti, professioni e strumenti.

  2. 2

    Introduzione alla statistica: media, varianza, mediana e loro significato.

  3. 3

    Introduzione alla visualizzazione dei dati: il contesto corretto in cui utilizzare le principali forme di visualizzazione dei dati.

Obiettivi pratici
  1. 1

    Eseguire le operazioni matematiche base del linguaggio di programmazione.

  2. 2

    Calcolare e commentare le principali misure statistiche su un insieme di dati.

  3. 3

    Utilizzo e interpretazione delle principali forme di visualizzazione di un insieme di dati.

Obiettivi teorici
  1. 1

    Definizione di modello statistico e a cosa può servire; definizione e distinzione tra inferenza e previsione.

  2. 2

    Modelli statistici base: presentazione del modello di regressione lineare.

  3. 3

    Analisi predittiva nel contesto del modello di regressione lineare.

Obiettivi pratici
  1. 1

    Chiamare funzioni di programmazione già definite e utilizzare le istruzioni base delle librerie di analisi statistica.

  2. 2

    Eseguire un modello di regressione lineare.

  3. 3

    Svolgere un semplice esercizio di previsione.

Obiettivi teorici
  1. 1

    Intelligenza artificiale: che cos’è e che obiettivi si pone; accenni alla storia dell’intelligenza artificiale.

  2. 2

    Introduzione al machine learning.

Obiettivi pratici
  1. 1

    Utilizzo di demo disponibili online sul machine learning.

  2. 2

    Ricerca autonoma di informazioni inerenti ad argomenti di programmazione, data science e intelligenza artificiale.

C. Descrizione del progetto finale

Come da regolamento PCTO, durante il corso agli studenti sarà richiesto di lavorare in gruppo per sviluppare un progetto finale che verrà presentato e discusso in classe l’ultimo giorno.

Come parte del progetto, agli studenti sarà richiesto di replicare le analisi viste durante le esercitazioni in classe potendo scegliere tra una serie di dataset predisposti dagli esercitatori, producendo una presentazione finale. La parte finale di ciascun coding lab in classe sarà riservata ai gruppi per poter portare avanti il progetto sotto la supervisione dei tutor.

Ciascuna lezione si aprirà inoltre con la possibilità da parte dei gruppi di poter rivolgere ai tutor domande sul progetto che stanno svolgendo a casa alla presenza della classe. A fine PCTO, ogni gruppo riceverà un feedback e una bibliografia di riferimenti per approfondire i temi di interesse.

D. I materiali didattici

Ecco un esempio dei materiali che verranno utilizzati durante le lezioni:

Quello che non sapevi dei Premi Oscar con l'aiuto del coding

Ulteriori materiali sono disponibili sul nostro account github

 Scarica la brochure del PCTO in formato PDF

Il PCTO in coding & data science gode del patrocinio di ASviS,
l'Alleanza Italiana per lo Sviluppo Sostenibile