- Oggetto:
- Oggetto:
Business Analytics
- Oggetto:
Business Analytics
- Oggetto:
Anno accademico 2019/2020
- Codice dell'attività didattica
- ECM0131
- Docenti
- Angela Ambrosino (Titolare del corso)
Massimiliano Nuccio (Titolare del corso) - Corso di studi
- Laurea magistrale in Metodi statistici ed economici per le decisioni - a Torino [0402M21]
- Anno
- 2° anno
- Tipologia
- Affine o integrativo
- Crediti/Valenza
- 6
- SSD dell'attività didattica
- SECS-P/06 - economia applicata
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Italiano
- Modalità di frequenza
- Consigliata/Recommended
- Tipologia d'esame
- Scritto
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
Il corso si propone di utilizzare alcuni specifici strumenti di machine learning per risolvere problemi tradizionali di business intelligence.
This course aims at developing competencies in the use of machine learning algorithm to solve common problems in business intelligence.
- Oggetto:
Risultati dell'apprendimento attesi
Alla fine del corso lo studente dovrà essere in grado di formulare un modello economico per risolvere problemi di marketing e/o rischio, individuare i dati necessari, suggerire algoritmi adatti e proporre soluzioni.
Students will learn how to model economic problems in the realm of marketing and/or risk, to select relevant data, to implement machine learning algorithms, and to suggest business solutions.
- Oggetto:
Modalità di insegnamento
Lezioni frontali, laboratorio informatico, presentazioni degli studenti.
Frontal teaching, labs and students presentation.
- Oggetto:
Modalità di verifica dell'apprendimento
Per gli studenti frequentanti, la valutazione finale includerà un lavoro di gruppo (50%) con presentazione in classe e un esame scritto finale (50%). Agli studenti viene chiesto di lavorare in piccoli gruppi di (massimo 4 studenti) e di concordare con l'insegnante l'argomento nelle prime lezioni.
a) Presentazione del progetto : per la valutazione finale, gli studenti sono tenuti a presentare il lavoro di gruppo in classe. La presentazione avrà luogo l'ultima settimana del modulo e tutti gli studenti sono tenuti a partecipare alla presentazione.b) Prova finale: la prova scritta finale (1h 30) consisterà in cinque domande aperte su tutti gli argomenti del corso; nel primo esame alla fine del corso sarai in grado di scegliere due domande da una serie di cinque domande.For attending students, final evaluation will include a group project work (50%) with class presentation and a final written exam (50%). Students are asked to work in small groups of (max 4 students) and agree with the teacher on the topic in first lessons.
- Project presentation: for the final assessment, students are required to present the group project work in class. The presentation will take place on the last week of the module and all students are required to participate to the presentation.
- Final exam: the final written exam (1h 30) will consist of five open questions on all topics of the course; in the first exam at the end of the course you will be able to choose two questions out of a set of five questions.
- Oggetto:
Programma
Si faccia riferimento al syllabus dettagliato nel materiale didattico
Please see syllabus attached on the e-learning platform
Testi consigliati e bibliografia
- Oggetto:
Il materiale didattico è costituito da alcuni capitoli di libro e da una serie di articoli su rivista scientifica e dai lucidi delle lezioni. Il materiale didattico sarà disponibile in forma elettronica sulla piattaforma di e-learning. Quando questo non è possibile una copia cartacea degli articoli sarà resa disponibile all'inizio del corso.
Materiale didattico per non frequentanti:
- Provost, F. and Fawcett, T., 2013. Data Science for Business: What you need to know about data mining and data-analytic thinking. " O'Reilly Media, Inc."
- Verbraken, T., Lessmann, S. and Baesens, B., 2012, December. Toward profit-driven churn modeling with predictive marketing analytics. In Cloud Computing and Analytics: Innovations in E-business Services. Workshop on E-Business (WEB2012)
The reading material is based on journal articles and selected book chapters. The material will be available on the e-learning platform.
Course material for non –attending students:
- Provost, F. and Fawcett, T., 2013. Data Science for Business: What you need to know about data mining and data-analytic thinking. " O'Reilly Media, Inc."
- Verbraken, T., Lessmann, S. and Baesens, B., 2012, December. Toward profit-driven churn modeling with predictive marketing analytics. In Cloud Computing and Analytics: Innovations in E-business Services. Workshop on E-Business (WEB2012)
- Oggetto:
Note
Alla luce della emergenza Corona Virus, alcune modalità di lezione e di esame potranno subire modifiche. Gli studenti sono pregati di prestare attenzione ad eventuali comunicazioni da parte dei docenti e dell'università.
Following the Corona Virus emergency, some lessons and exams modalities may be subject to changes. Students are asked to regurarly check any communication from the instructurs and the university.
- Oggetto:
