000129R - DATA SCIENCE PER L'ECONOMIA II

insegnamento

ID:

000129R

Durata (ore):

48

CFU:

SSD:

STATISTICA ECONOMICA

Sede:

PESCARA

Url:

Dettaglio Insegnamento:

ECONOMICS AND BUSINESS ANALYTICS/DATA SCIENCE ED ECONOMIA DIGITALE Anno: 2

Anno:

2026

Course Catalogue:

https://unich.coursecatalogue.cineca.it/af/2026?co...

Periodo di attività

Secondo Semestre (11/02/2027 - 18/05/2027)

Obiettivi Formativi

L’obiettivo formativo per lo studente è che raggiunga i seguenti risultati di apprendimento:
Conoscenza e capacità di comprensione
Il corso intende fornire avanzamenti metodologici ed applicativi di specifici metodi di data science. In particolare, gli studenti analizzeranno alcune tipologie di dati economici e aziendali tramite specifiche tecniche statistiche. Si vuole, inoltre, spingere gli studenti a specializzarsi nell'uso del pacchetto statistico open source R.
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 data-base, anche di grandi dimensione, con sofisticati metodi statistici. Le conoscenze acquisite gli consentiranno di interpretare in modo critico le relazioni economiche e/o aziendali.

Prerequisiti

Lo studente deve possedere le conoscenze dei metodi di base di data science.

Metodi didattici

Lezioni orali. Esercitazioni pratiche con il software R.

Verifica Apprendimento

Conoscenza e comprensione – L’efficacia formativa dell’insegnamento è verificata attraverso una preliminare prova scritta comune e un colloquio orale individuale. La prova scritta può essere svolta anche durante il Corso per step successivi e consiste in domande che lo studente deve acquisire riferite a temi generali e volte ad accertare la capacità dello studente di articolare in via sintetica i principali aspetti riferiti all'argomento preso a riferimento. Il colloquio orale individuale consiste in domande volte ad approfondire alcuni dei temi del programma (anche tra quelli ricompresi nella prova scritta) con la finalità di verificare la capacità dello studente di analizzare aspetti più particolari e specifici. La valutazione dell’esame è espressa in trentesimi e tiene conto sia della prova scritta preliminare (valutata in trentesimi), sia del successivo colloquio orale. Capacità di applicare conoscenza e comprensione - Durante il colloquio orale il docente verifica, inoltre, la capacità dello studente di applicare le conoscenze acquisite sui temi richiamati durante le lezioni frontali e approfonditi durante lo studio individuale.

Testi

Appunti del corso

James G, Witten D, Hastie T, Tibshirani R (2013). An Introduction to Statistical Learning

with Applications in R. Springer.

Per ulteriori approfondimenti:

Giudici P, Figini S (2009). Applied Data Mining for Business and Industry. Wiley

Ledolter J. (2013). Data Mining and Business Analytics With R. Wiley

Shmueli G, Bruce PC, Yahav I, Patel NR, Lichtendahl KC, Jr. (2018). Data Mining for Business Analytics. Wiley

Contenuti

1. Analisi di dati Network

2. Metodi Regressivi Avanzati

3. Cluster Analysis

4. Serie Storiche

5. Analisi Fattoriale e Modelli ad Equazioni Strutturali

6. Analisi delle Corrispondenze

7. Multidimensional Scaling

Lingua Insegnamento

ITALIANO

Altre informazioni

E-mail: benedett@unich.it.
Giorni ed orari di ricevimento studenti:
Nel I semestre il docente riceve per appuntamento (benedett@unich.it). Nel II semestre il ricevimento è fissato per il mercoledì dalle ore 16:00 alle ore 18:00, studio DEC 2° Piano, Viale Pindaro 42.