Non sono previste lezioni frontali.

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

Further readings:
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

L'insegnamento di Approfondimenti di data science in economia vuole contribuire al processo formativo dello studente fornendo metodi avanzati per le analisi quantitative che siano utili per le decisioni economiche ed aziendali.
In particolare, detti obiettivi formativi sono associabili ai seguenti risultati di apprendimento attesi:

Conoscenza e capacità di comprensione
Il corso, attraverso lo sviluppo di un progetto, intende fornire le conoscenze metodologiche e applicative di livello avanzato del data science per dati economici utilizzando il pacchetto statistico open source R.

Capacità di applicare conoscenza e comprensione
Al termine del corso, lo studente, con lo sviluppo di un progetto di ricerca svolto con il software statistico R, sarà in grado di analizzare data-base, anche di grandi dimensione, con le moderne tecniche statistiche. Le conoscenze acquisite gli consentiranno di interpretare in modo critico le dinamiche economiche e/o aziendali.

Lo studente deve possedere le conoscenze base di data science e del software statistico R.

Il metodo didattico consiste nello sviluppo di un progetto di analisi dei dati economici.

Conoscenza e capacità di comprensione
La verifica dei risultati di apprendimento sarà effettuata tramite la discussione del progetto di ricerca svolto con R. Tale elaborato dovrà essere inviato al docente almeno una settimana prima della data dell’esame.
Il punteggio della prova d'esame è attribuito mediante un voto espresso in trentesimi.

Capacità di applicare conoscenza e comprensione
Durante lo sviluppo del progetto di ricerca si verifica la capacità degli studenti di applicare le conoscenze dei modelli di data science al fine di poter affrontare situazioni di analisi concrete.

E-mail: postigli@unich.it

Giorni ed orari di ricevimento studenti:
Nel I semestre il docente riceve per appuntamento (postigli@unich.it).
Nel II semestre il ricevimento è fissato per il venerdì dalle ore 11:00 alle ore 13:00, studio DEC 2° Piano, Viale della Pineta, 4.