CLEBA

Lingua Insegnamento:

Italiano
Testi di riferimento:

James G, Witten D, Hastie T, Tibshirani R (2021). An Introduction to Statistical Learning
with Applications in R. Springer.

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
Obiettivi formativi:

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.
Prerequisiti:

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

Il metodo didattico consiste nello sviluppo di un progetto di analisi statistica dei dati economici.
Modalità di verifica dell'apprendimento:

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.
Sostenibilità:
Altre Informazioni:

Ricevimento ogni venerdì dalle 11 alle 13 in uffico docente.

Sviluppo di un progetto di Data Science su argomento assegnato dal docente e in approfodnimento a temi di modelli o metodi affrontati in altri corsi

Sviluppo di un progetto di data science o approfondimento di un argomento avanzato di statistica economica.

Ne sono esempi il CSQ, il TQM tramite indicatori.