ID:
ECBA014
Durata (ore):
48
CFU:
6
SSD:
STATISTICA
Sede:
PESCARA
Url:
ECONOMIA E BUSINESS ANALYTICS/CORSO GENERICO Anno: 2
Anno:
2024
Dati Generali
Periodo di attività
Primo Semestre (17/09/2024 - 14/12/2024)
Syllabus
Obiettivi Formativi
L’insegnamento si inserisce nel generale obiettivo del corso di studio di fornire conoscenza riguardo all’analisi multivariata per dati complessi.
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 multivariata per dati complessi. 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 risultati derivanti da analisi di dati reali
- Capacità di utilizzare il software R e MATLAB per l’analisi statistica di dati a struttura complessa
Capacità di applicare conoscenza e comprensione
Al termine del corso di insegnamento, lo studente anche con l’aiuto di casi di studi concreti svolti con il software statistico R, sarà in grado di analizzare dati complessi (ad esempio, immagini, testi, dati spaziali e temporali, dati funzionali), anche di grandi dimensione, con le moderne tecniche statistiche. Le conoscenze acquisite gli consentiranno di trattare "oggetti" non strutturati e comprendere le complesse strutture relazionali e correlazioni insite nei dati
Autonomia di giudizio
- Apprendere i concetti logici e statistici che sono indispensabili per lavorare autonomamente nella ricerca,
- Selezione, preparazione ed elaborazione di dati a struttura complessa
Abilità comunicative
- Imparare la terminologia e le tecniche statistiche di analisi multivariata per comunicare o discutere correttamente i risultati dell'analisi dei dati
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 multivariata per dati complessi. 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 risultati derivanti da analisi di dati reali
- Capacità di utilizzare il software R e MATLAB per l’analisi statistica di dati a struttura complessa
Capacità di applicare conoscenza e comprensione
Al termine del corso di insegnamento, lo studente anche con l’aiuto di casi di studi concreti svolti con il software statistico R, sarà in grado di analizzare dati complessi (ad esempio, immagini, testi, dati spaziali e temporali, dati funzionali), anche di grandi dimensione, con le moderne tecniche statistiche. Le conoscenze acquisite gli consentiranno di trattare "oggetti" non strutturati e comprendere le complesse strutture relazionali e correlazioni insite nei dati
Autonomia di giudizio
- Apprendere i concetti logici e statistici che sono indispensabili per lavorare autonomamente nella ricerca,
- Selezione, preparazione ed elaborazione di dati a struttura complessa
Abilità comunicative
- Imparare la terminologia e le tecniche statistiche di analisi multivariata per comunicare o discutere correttamente i risultati dell'analisi dei dati
Prerequisiti
Conoscenze di matematica generale, algebra lineare, matrici, statistica inferenziale
Metodi didattici
Lezione frontale ed esercitazioni in aula informatica con utilizzo del software R
Verifica Apprendimento
Conoscenza e capacità di comprensione
L’esame si articola in una prova orale volta a verificare la conoscenza della parte teorica degli argomenti trattati a lezione e in una discussione orale di un report redatto per l’analisi di
data sets (sceltti dallo studente) mediante l’uso di un software (R, Python o Matlab).
Nella determinazione del voto finale dell’esame, il peso della discussione del report è pari al 30%.
Capacità di applicare conoscenza e comprensione
Con la valutazione della presentazione di un report basato su casi di studio reali si verifica la capacità degli studenti di applicare le tecniche ed i modelli introdotti durante il corso, nonché la comprensione e la capacità di analisi critica degli argomenti trattati.
L’esame si articola in una prova orale volta a verificare la conoscenza della parte teorica degli argomenti trattati a lezione e in una discussione orale di un report redatto per l’analisi di
data sets (sceltti dallo studente) mediante l’uso di un software (R, Python o Matlab).
Nella determinazione del voto finale dell’esame, il peso della discussione del report è pari al 30%.
Capacità di applicare conoscenza e comprensione
Con la valutazione della presentazione di un report basato su casi di studio reali si verifica la capacità degli studenti di applicare le tecniche ed i modelli introdotti durante il corso, nonché la comprensione e la capacità di analisi critica degli argomenti trattati.
Testi
- Dispense del corso ed esercitazioni pratiche utili per gli studenti non frequentanti
- Maindonald, Braun (2010) Data Analysis and Graphics Using R: An Example-Based Approach. 3rd edition, Cambridge University Press
- James, Witten, Hastie, Tibshirani (2013) An Introduction to Statistical Learning (with Applications in R), Springer-Verlag
- Kevin Murphy (2012) Machine learning : a probabilistic perspective, The MIT Press, Cambridge, Massachusetts, London, England
- Luìs Torgo (2011) Data Mining with R. Learning with case studies. CRC Press
- Maindonald, Braun (2010) Data Analysis and Graphics Using R: An Example-Based Approach. 3rd edition, Cambridge University Press
- James, Witten, Hastie, Tibshirani (2013) An Introduction to Statistical Learning (with Applications in R), Springer-Verlag
- Kevin Murphy (2012) Machine learning : a probabilistic perspective, The MIT Press, Cambridge, Massachusetts, London, England
- Luìs Torgo (2011) Data Mining with R. Learning with case studies. CRC Press
Contenuti
Il corso prevede la trattazione dei seguenti argomenti per il raggiungimento dei risultati di apprendimento attesi: introduzione all'apprendimento statistico, Tecniche di visualizzazione dei dati, Tecniche di regressione e classificazione, Apprendimento non
supervisionato (analisi delle componenti principali e metodi di raggruppamento, Procruste), Analisi di dati complessi (dati spaziali e social data mining) con R
supervisionato (analisi delle componenti principali e metodi di raggruppamento, Procruste), Analisi di dati complessi (dati spaziali e social data mining) con R
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: Lunedì e Mercoledì 15:00 – 16:00 e per appuntamento da concordarsi via e-mail.
Risultati dell'apprendimento attesi: conoscenza delle principali tecniche di data mining e apprendimento statistico per l'analisi di dati a struttura complessa. Abilità nell'utilizzo della conoscenza acquisita in questo e in precedenti corsi per trattare problemi applicativi, anche attraverso l'uso di specifiche librerie del software statistico R. Comprensione critica delle caratteristiche, delle potenzialità e dei limiti delle tecniche trattate, in modo da saper valutare quali siano gli strumenti più adatti nelle specifiche situazioni da sottoporre ad analisi.
Giorni ed orari di ricevimento studenti: Lunedì e Mercoledì 15:00 – 16:00 e per appuntamento da concordarsi via e-mail.
Risultati dell'apprendimento attesi: conoscenza delle principali tecniche di data mining e apprendimento statistico per l'analisi di dati a struttura complessa. Abilità nell'utilizzo della conoscenza acquisita in questo e in precedenti corsi per trattare problemi applicativi, anche attraverso l'uso di specifiche librerie del software statistico R. Comprensione critica delle caratteristiche, delle potenzialità e dei limiti delle tecniche trattate, in modo da saper valutare quali siano gli strumenti più adatti nelle specifiche situazioni da sottoporre ad analisi.
Corsi
Corsi
ECONOMIA E BUSINESS ANALYTICS
Laurea Magistrale
2 anni
No Results Found
Persone
Persone
Docenti di ruolo di Ia fascia
No Results Found