L’insegnamento si inserisce nel generale obiettivo del corso di studio di fornire conoscenza riguardo all’analisi dei dati in ambito aziendale. L’insegnamento si propone di fornire allo studente gli strumenti per estrarre informazioni rilevanti da grandi moli di dati, con particolare attenzione all'apprendimento statistico (statistical learning) sia in contesto predittivo che non (apprendimento supervisionato e non).
RISULTATI DELL'APPRENDIMENTO ATTESI L'insegnamento prevede di completare la formazione dello studente con nozioni e strumenti utili ad approfondire gli aspetti dell’analisi statistica in ambito aziendale. La formazione sarà quindi completata e arricchita dalle seguenti competenze:
Conoscenza e capacità di comprensione - Conoscenza di concetti statistici per l’analisi multivariata e relativa terminologia specializzata - Capacità di applicare i principi di ragionamento statistico nell'elaborazione e nell'interpretazione dei report aziendali - Capacità di applicare l'analisi statistica allo studio del comportamento e delle decisioni dei consumatori e delle imprese; - Capacità di utilizzare il software R per l’analisi statistica
Autonomia di giudizio - Apprendere i concetti logici e statistici che sono indispensabili per lavorare autonomamente nella ricerca, selezione ed elaborazione di dati aziendali e utilizzando fonti statistiche ufficiali. - affrontare in maniera critica problematiche di tipo economico - analizzare criticamente le fonti di informazione di tipo economico
Abilità comunicative - Imparare la terminologia e le tecniche statistiche di analisi multivariata per comunicare o discutere correttamente i risultati dell'analisi dei dati aziendali e dei report aziendali
Prerequisiti
Conoscenze di matematica generale, algebra delle matrici e statistica inferenziale
Metodi didattici
Lezione frontale ed esercitazioni in aula informatica con utilizzo del software R
Verifica Apprendimento
L’esame si articola in una prova scritta di 90 minuti (esercizi in R e domande aperte con spazio predefinito, volte a verificare la conoscenza della parte teorica degli argomenti trattati a lezione) e in una presentazione orale di gruppo (facoltativa) di un report redatto per l’analisi di un data set mediante l’uso del software R.
Nell’ambito dell’esame, la prova facoltativa darà la possibilità di aggiungere una votazione da 1 a 3 al voto finale qualora lo studente abbia raggiunto la sufficienza nella prova scritta. Il voto finale sarà dato dalla somma del voto ricevuto nella prova scritta (in trentesimi) e dalla votazione del report, qualora questo sia stato consegnato.
Testi
Dispense del corso ed esercitazioni pratiche utili per gli studenti non frequentanti James, Witten, Hastie, Tibshirani (2013) An Introduction to Statistical Learning (with Applications in R), Springer-Verlag Hastie, Tibshirani, Friedman (2009) The elements of statistical learning: data mining, inference and prediction. 2nd edition, Springer-Verlag Wickham (2016) ggplot2. Elegant Graphics for Data Analysis. 2nd Edition, Springer-Verlag Maindonald, Braun (2010) Data Analysis and Graphics Using R: An Example-Based Approach . 3rd edition, Cambridge University Press
In italiano si consigliano James, Witten, Hastie, Tibshirani (2020) Introduzione all'apprendimento statistico (con applicazioni in R), Azzalini, Scarpa (2004) Analisi dei dati e data mining, Springer-Verlag
Contenuti
Il corso prevede la trattazione dei seguenti argomenti per il raggiungimento dei risultati di apprendimento attesi: introduzione al data mining e statistical learning, Tecniche di visualizzazione dei dati, Tecniche di regressione e classificazione, Apprendimento non supervisionato (analisi delle componenti principali e metodi di raggruppamento)
Lingua Insegnamento
Le lezioni saranno svolte in Italiano. Slides e libri di testo saranno principalmente il lingua Inglese
Altre informazioni
E-mail: luigi.ippoliti@unich.it
Giorni ed orari di ricevimento studenti: Martedì 15:00 – 17:00 e per appuntamento da concordarsi via e-mail.
