TIME SERIES ANALYSIS FOR COMPUTER SCIENCE

Si tratta di un corso a livello master sulla modellazione temporale ed è parte degli insegnamenti interdisciplinari del corso di laurea magistrale in Informatica ("Artificial Intelligence and Data Engineering"). Insieme agli altri corsi di statistica e probabilità
offre una gamma di moderne tecniche statistiche che rappresentano al giorno d'oggi le competenze più richieste. L'enfasi maggiore è sui modelli statistici per i dati a tempo discreto. Il focus è sulle applicazioni con dati reali e la loro analisi con programmi statistici come R.

La partecipazione regolare e attiva alle attività didattiche offerte dal corso e alle attività di ricerca indipendenti permetterà agli studenti di
1. (Conoscenza e comprensione)

Creare potenti visualizzazioni di dati temporali
Effettuare analisi esplorative di dati temporali.
Stimare i parametri del modello utilizzando un moderno software statistico (R).
2. (Conoscere e comprendere come applicare)
- Selezionare modelli statistici appropriati per diversi tipi di dati temporali.
- Comunicare efficacemente l'analisi in un documento scritto e in una presentazione orale.
3. (Capacità di giudizio)
- Giudicare autonomamente la validità e la fattibilità di diverse tecniche di previsione e comprendere il loro impatto sui risultati delle analisi.

Conoscenza della probabilità e della statistica ad un livello intermedio quale quello in Baron M (2019). Probability and Statistics for Computer Scientists. Third Edition. CRC Press.

Analisi esplorativa delle s serie temporali
Statistica per l'analisi delle serie temporali
Modelli ARMA, ARIMA e stagionali
Regressione delle serie temporali
Serie temporali multivariate
Modelli di serie temporali basati su reti neurali

W. A. Woodward, B. P. Sadler and S.D. Robertson (2022) Time Series for Data Science, CRC Press
R.H. Shumway and D.S. Stoffer (2017) Time Series Analysis and Its Applications: With R Examples. Springer

Letture e materiali integrativi distribuiti durante il corso tramite la piattaforma Moodle

Il raggiungimento degli obiettivi del corso viene valutato attraverso la discussione orale di un progetto concordato con il docente.
Il progetto consiste nell'analisi di un set di dati utilizzando i metodi appresi nel corso o, in alternativa, nella lettura di un articolo scientifico e nella riproduzione dei risultati con l'ausilio di un software implementato ad hoc in R.
Lo studente è tenuto a preparare una relazione e a discuterla con il docente.
Durante l'esame orale potranno essere poste domande su parti del programma non trattate nella relazione.
Il voto sarà determinato dal progetto (50%) e dall'esame orale.

Lo studente sarà valutato in termini di
- qualità delle sue analisi statistiche
- uso corretto della terminologia tecnica
- correttezza delle conclusioni
- qualità della presentazione (relazione)
- qualità della discussione orale

Regole:
1) se lo studente non supera l'esame, può tentare un'altra sessione con lo *stesso* progetto. Tuttavia, se l'esame non viene nuovamente superato, per le successive sessioni d'esame dovrà essere preso in considerazione un *nuovo* progetto.
2) se lo studente supera l'esame ma decide di rifiutare il punteggio, deve prendere in considerazione un *nuovo* progetto per le sessioni d'esame successive.

Questo corso si basa su lezioni frontali, che copriranno i principali argomenti, sottolineando e discutendo i punti importanti.
Le lezioni teoriche saranno integrate da esercizi e sessioni di laboratorio. Il software statistico utilizzato nel corso è R (www.r-project.org).
La partecipazione personale è importante e aiuterà lo studente a imparare in modo più efficiente per leggere il materiale assegnato per rafforzare le lezioni.

Inglese

La frequenza di ogni lezione e uno sforzo genuino nel fare gli esercizi suggeriti sono due dei fattori più importanti che influenzano la riuscita in questo corso. L'analisi statistica richiede sia l'ascolto che il fare.

orale