Setup ambiente
Guida pratica per configurare l'ambiente di sviluppo: clone repository, virtualenv Python, installazione dipendenze, download dataset UCI 296.
Prima esplorazione (EDA)
Hands-on con il notebook 01: distribuzione del target, demografia, missing values codificati come '?', pazienti con encounter multipli. Cosa cercare e cosa annotare.
Primo modello
Hands-on con il training: esegui readmit-train, capisci la pipeline scikit-learn (ColumnTransformer + LogReg + RF), interpreta cv_summary.csv e holdout_metrics.json.
Leggi le metriche
Come interpretare correttamente AUC-PR, AUC-ROC, recall, precision, F-beta e confusion matrix in un contesto clinico con classi sbilanciate.
Fairness audit pratico
Hands-on con Fairlearn: calcolo delle metriche per sottogruppo demografico (race, age), differenze fra demographic parity / equalized odds / predictive parity, lettura di fairness_summary.csv.
Esercizi proposti
Cinque esercizi graduati per consolidare le competenze: dal facile (modifica matrice costi) all'avanzato (introduzione di un terzo modello + ablation study).