STATISTICAL LEARNING FOR DATA SCIENCE - 2

L’obiettivo dell’insegnamento è sviluppare le competenze statistiche necessarie per analizzare dati caratterizzati da alta dimensionalità al fine di risolvere problemi di previsione e classificazione che sorgono nei più svariati ambiti siano essi tecnologici che economico-aziendali.

La partecipazione alle attività formative proposte dal corso e lo studio individuale consentiranno agli studenti di

1. (conoscenza e comprensione)
- conoscere e comprendere metodi statistici per la sintesi, previsione e classificazione utilizzando basi di dati complesse e di alta dimensionalità.
2. (capacità di applicare conoscenza e comprensione)
- trattamento preliminare: preparare un insieme di dati per le analisi successive
- applicare in modo autonomo metodi statistici avanzati per sintetizzare informazioni, effettuare previsioni e classificazioni   
- utilizzare in modo autonomo software statistico per analizzare    basi di dati con alta dimensione
3. (capacità di giudizio)
- valutare la validità e la fattibilità delle diverse tecniche statistiche e comprendere il loro impatto sui risultati delle analisi
- presentare i risultati delle analisi in maniera chiara e concisa utilizzando strumenti per la ricerca riproducibile

Il corso utilizzerà concetti di base di matematica e statistica tra cui funzioni, integrali, derivate, matrici, distribuzioni, la stima e la verifica d'ipotesi. E' richiesta una conoscenza di base di statistica al livello di un corso di statistica per la laurea triennale.

Il corso è diviso in due parti. La prima parte si focalizza sugli strumenti della ricerca riproducibile. Questi metodi saranno utilizzati nella seconda parte che si focalizza sull'apprendimento statistico (statistical learning)

Strumenti per data science e ricerca riproducibile
- Introduzione a R e Rstudio
- Preparare i report attraverso Rmarkdown

preparazione dei dati , pulizia dei dati. visualizzazione dei dati,

Inferenza statistica
- Campionamento
- Stima
- Verifica d'ipotesi

Apprendimento statistico
- Regressione lineare
- Classificazione
- Metodi di ricampionamento
- Selezione del modello e la regolarizzazione nel modello lineare

James G, Witten D, Hastie T, Tibshirani R (2015). An Introduction to Statistical Learning. 6th version. Springer. Webpage http://www-bcf.usc.edu/~gareth/ISL/ Chapters 1-7
Chester Ismay, Albert Y. Kim (2019) Statistical Inference via Data Science: A ModernDive into R and the tidyverse! , CRC Press ( https://moderndive.com/ )
Yihui Xie (2019) bookdown: Authoring Books and Technical Documents with R Markdown, CRC/Press ( https://bookdown.org/yihui/bookdown/ )

La verifica dell'apprendimento avviene tramite una serie di prove parziali e una prova finale scritta mediante l'utilizzo del computer. Le prove parziali hanno la forma di compiti alla fine di ciascun modulo. Le prove parziali si svolgono durante l'ultima lezione della settimana. Completando le 2 prove è possibile ottenere 4 punti.

La prova finale scritta contiene 3 esercizi scelti in modo da misurare
1. le conoscenze della teoria degli argomenti del corso,
2. la capacità di applicare i metodi appresi per risolvere problemi reali.

Il punteggio massimo della prova scritta è di 33 punti; 33 punti corrisponde alla lode. Per quanto riguarda la gradazione del voto (modalità con cui saranno assegnati i voti), a prescindere dalla modalità frequentante o non frequentante:

A. punteggi nella fascia 18-22 verranno attribuiti in presenza di:
- sufficiente conoscenza e capacità di comprensione applicata in riferimento al programma;
B. punteggi nella fascia 23-26 verranno attribuiti in presenza di:
- discreta conoscenza e capacità di comprensione applicata in riferimento al programma;
C. punteggi nella fascia 27-30 verranno attribuiti in presenza di:
- buona o ottima conoscenza e capacità di comprensione applicata in riferimento al programma;
D. la lode verrà attribuita in presenza di conoscenza e capacità di comprensione applicata in riferimento al
programma, capacità di giudizio e abilità comunicative, eccellenti.

L'utilizzo dei libri, degli appunti e delle risorse elettroniche durante la prova finale non è consentito. Solo il materiale presente in Moodle può essere consultato.

L'insegnamento comprende una combinazione di lezioni di teoria convenzionali focalizzate su descrizione dei metodi e sessioni pratiche che descrivono l'implementazione e l'applicazione dei metodi ai problemi reali. I metodi saranno implementati con il software statistico R (www.r-project.org). Gli studenti sono incoraggiati a portare i propri laptop (no tablet!) ed a sperimentare con il codice durante il corso. 

Inglese

Questo è il secondo modulo di un corso con 12 crediti. Le informazioni si riferiscono all'intero corso.
È richiesto che gli studenti si registrino sulla piattaforma e-learning di ateneo moodle.unive.it.

scritto