Cosa imparerai

:::tip Benvenuto in classe Questa pagina è il patto formativo del progetto. Spiega cosa porterai a casa al termine del percorso, e cosa non è obiettivo (così non ti senti in colpa se qualcosa resta fuori). :::

Il problema in una frase

Dato un paziente diabetico al momento della dimissione, qual è la probabilità che torni in ospedale entro 30 giorni?

Questo è un problema reale, costoso (~15.000 $ a riammissione negli USA), e — soprattutto — ricco di insidie didattiche: dati sporchi, classi sbilanciate, attributi sensibili, scelte etiche. È il classico progetto in cui il "modello che ha l'AUC più alta" non è la risposta giusta.

Obiettivi di apprendimento

Al termine del progetto saprai:

Sul piano del Machine Learning

1. Formulare un problema clinico come classificazione binaria, motivando ogni scelta (binarizzazione del target, definizione di "successo", scelta delle metriche).
2. Gestire dati sporchi reali: missing value codificati in modo non standard (? invece di NaN), feature ad altissima cardinalità (codici ICD-9 con 700+ valori unici), colonne a varianza zero, pazienti che compaiono più volte.
3. Costruire una pipeline end-to-end in scikit-learn (ColumnTransformer + Pipeline) che resti coerente fra training e inferenza, senza data leakage.
4. Confrontare modelli di natura diversa (regressione logistica vs ensemble) capendo perché ognuno sbaglia in modo diverso.
5. Scegliere metriche appropriate quando la classe positiva è all'11% (perché l'accuracy ti tradisce, perché AUC-PR è meglio di AUC-ROC, cos'è la F-β).
6. Ottimizzare una soglia decisionale rispetto a una matrice dei costi, non al default 0.5.

Sul piano dell'equità algoritmica

7. Eseguire un fairness audit con Fairlearn su attributi sensibili come race e age.
8. Distinguere fra definizioni di equità: demographic parity, equalized odds, predictive parity — e capire perché in genere non si possono soddisfare tutte insieme.
9. Discutere criticamente se e quando includere la razza in un modello clinico.

Sul piano dell'ingegneria del software

10. Strutturare un progetto Python professionale: package installabile, CLI, test, configurazione esplicita.
11. Documentare le scelte in modo che un collega (o tu fra sei mesi) possa rifare il tuo ragionamento.
12. Pubblicare il lavoro su GitHub Pages tramite un workflow CI/CD.

Cosa non è obiettivo

Per onestà didattica, ecco cosa non vedrai in questo progetto:

Fuori scope	Perché
Deep learning su tabular	Su 50 feature strutturate, RF/XGBoost sono migliori e più semplici.
Tuning iperparametri estremo	L'AUC su questo dataset è notoriamente bassa (0.60–0.67 in letteratura). Inseguire +0.005 non è didattico.
Deploy in produzione (Kubernetes, FastAPI, monitoring)	Il focus è sulla pipeline ML, non sull'infrastruttura.
Time series / cox regression / survival analysis	Sono approcci validi per la readmission, ma fuori dal perimetro del corso.

Traguardi misurabili a fine progetto

Saprai rispondere — senza esitare — a queste domande:

1. Perché hai trasformato un target a tre classi in binario?
2. Cos'è il group-aware split e perché qui è obbligatorio?
3. Perché AUC-ROC inganna su una classe positiva al 5%? Cosa usi al suo posto?
4. Cos'è la matrice dei costi e come la traduci in una soglia decisionale?
5. Cos'è la demographic parity? E l'equalized odds? Quale ha più senso in un programma di follow-up post-dimissione?
6. Il tuo modello ha recall più bassa sui pazienti afroamericani: cosa fai?

Se a fine percorso queste domande non ti fanno più paura, l'obiettivo didattico è raggiunto.

Il "perché" prima del "come"

Una raccomandazione che vale per tutto il progetto:

:::warning Regola d'oro Nessuna scelta tecnica senza una motivazione scritta. :::

Vale per la binarizzazione del target, per la strategia di imputazione dei missing, per la metrica primaria, per la soglia, per il modello finale. Un revisore — o un comitato etico — non valuta la tua AUC: valuta la qualità del tuo ragionamento.

Prossimo passo

Vai a Prerequisiti di Machine Learning per assicurarti di avere le basi necessarie, oppure salta direttamente al Percorso di studio se conosci già scikit-learn.