Skip to Main Content (Press Enter)

Logo UNICH
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Professioni
  • Persone
  • Pubblicazioni
  • Strutture
  • Terza Missione
  • Attività
  • Competenze

UNI-FIND
Logo UNICH

|

UNI-FIND

unich.it
  • ×
  • Home
  • Corsi
  • Insegnamenti
  • Professioni
  • Persone
  • Pubblicazioni
  • Strutture
  • Terza Missione
  • Attività
  • Competenze
  1. Persone

000217L - DATA MINING

insegnamento
ID:
000217L
Durata (ore):
48
CFU:
6
SSD:
STATISTICA
Sede:
PESCARA
Url:
Dettaglio Insegnamento:
ECONOMIA E INFORMATICA PER L'IMPRESA/CORSO GENERICO Anno: 3
Anno:
2026
Course Catalogue:
https://unich.coursecatalogue.cineca.it/af/2026?co...
  • Dati Generali
  • Syllabus
  • Corsi
  • Persone

Dati Generali

Periodo di attività

Primo Semestre (17/09/2026 - 14/12/2026)

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 dati complessi, con particolare
attenzione all'apprendimento statistico (statistical learning) sia in contesto predittivo che 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 i software R, Python 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, sarà in grado di analizzare dati complessi, 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, Python e MATLAB

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

Testi

- Dispense del corso ed esercitazioni pratiche
- Trevor Hastie, Robert Tibshirani and Jerome Friedman (2008) The Elements of Statistical Learning Springer-Verlag
- Kevin Murphy (2012) Machine learning : a probabilistic perspective, The MIT Press, Cambridge, Massachusetts, London, England

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 apprendimento supervisionato (classificazione) e non supervisionato (tecniche di riduzione di dimensionalità) con l’uso del linguaggio R, Python e MATLAB

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.


Corsi

Corsi

ECONOMIA E INFORMATICA PER L'IMPRESA 
Laurea
3 anni
No Results Found

Persone

Persone

IPPOLITI Luigi
Gruppo 13/STAT-01 - STATISTICA
AREA MIN. 13 - Scienze economiche e statistiche
Settore STAT-01/A - Statistica
Docenti di ruolo di Ia fascia
No Results Found
  • Utilizzo dei cookie

Realizzato con VIVO | Designed by Cineca | 26.7.2.0