Data Mining e Analisi Multivariata 1

Oggetto:

Data Mining e Analisi Multivariata 1

Oggetto:

Data Mining and Multivariate Analysis 1

Oggetto:

Anno accademico 2019/2020

Codice dell'attività didattica

ECM0029

Docente

Natalia Golini (Titolare del corso)

Insegnamento integrato

Data Mining e Analisi Multivariata (ECM0027)

Corso di studi

Laurea in Economia e Statistica per le Organizzazioni - a Torino [0402L31]

Anno

3° anno

Tipologia

Caratterizzante

Crediti/Valenza

SSD dell'attività didattica

SECS-S/01 - statistica

Modalità di erogazione

Tradizionale

Lingua di insegnamento

Italiano

Modalità di frequenza

Fortemente consigliata/Recommended

Tipologia d'esame

Scritto

Prerequisiti

Italiano
English

Buona conoscenza degli elementi di base di:
- analisi dei dati e probabilità
- teoria statistica delle decisioni
- modelli di regressione lineare

Good knowledge of basic elements of:
- data analysis and probability
- inferential statistics
- linear regression model

Oggetto:

Il corso è finalizzato a fornire agli studenti strumenti avanzati di analisi dei dati, attraverso cui estrapolare informazioni rilevanti da grandi dataset e guidare i collegati processi decisionali.

Obiettivi precipui del corso sono:

1 introdurre le tecniche di base di Analisi Multivariata;

2 sviluppare la capacità di effettuare analisi esplorative dei dati e scegliere il modello ottimale per l'analisi;

3 presentare lo studio di alcune applicazioni reali.

The course is addressed to give advanced data analysis instruments to extract relevant information from big dataset and to guide decision processes.

Specific course objectives are:

1 the introduction of Multivariate Analysis techniques;

2 the development of the capacity to perform an explorating data analysys and to select the optimal model for it;

3 the analysis of selected case studies.

Oggetto:

Risultati dell'apprendimento attesi

Italiano
English

Al termine del corso lo studente avrà:

Conoscenza della terminologia scientifica e comprensione degli aspetti teorici e applicativi presentati nel corso delle lezioni, contenuti nel libro di testo e nei materiali del corso.

Capacità di applicare conoscenza e comprensione degli strumenti statistici e computazionali per la statistica multivariata.

Autonomia di giudizio e conseguente possibilità di sviluppare considerazioni logiche e deduttive indispensabili per lavorare autonomamente nella ricerca, nella selezione e nello studio di dati con il supporto di strumenti di Analisi Multivariata.

Abilità comunicative per divulgare in forma scritta e orale i risultati delle analisi condotte utilizzando metodi efficaci e lessico appropriato.

At the end of the course students will have:

Knowledge of scientific terminology and understanding of the theoretical and applied aspects presented in the lectures, in the textbook and in the course material.

Ability to apply knowledge and understanding of statistical and computational tools for Multivariate Analysis.

Critical thinking and ability to work independently in the research, the selection and the study of data with the support of the Multivariate Analysis tools.

Communicative abilities to clearly describe and interprete results.

Oggetto:

Modalità di insegnamento

Italiano
English

Lezioni teoriche e pratiche attraverso l'uso misto di videolezioni e altro materiale didattico (per via delle problematiche ed ordinanze relative al Coronavirus).

Theoretical and practical lessons through the mixed use of video lessons and other didactic material (due to the problems and ordinances related to Coronavirus).

Oggetto:

Modalità di verifica dell'apprendimento

Italiano
English

La verifica dell'apprendimento avviene mediante un esame scritto in cui lo studente è chiamato a rispondere ad alcuni quesiti a risposta multipla, a commentare l'analisi di casi proposti dal docente e a rispondere ad alcune domande teoriche circa gli strumenti utilizzati. In questo modo si verificano:

-la conoscenza estensiva del programma del corso;

-la capacità di interpretare l'applicazione proposta;

-la capacità di comunicare sinteticamente, in forma scritta, la natura e le proprietà degli strumenti utilizzati.

The final exam consists of a written test including a series of multiple choice questions, the comment to the analysis of one or more selected cases and theoretical questions about the applied statistical tools. This is the way we simultaneously check the student's ability to provide a clear interpretation and comunication, in a written form, of the theoretical tools underlying the proposed solution. The objective of multiple choice questions is to evaluate the extent to which a student has covered all fundamental topics.

Oggetto:

Programma

Italiano
English

ATTEZIONE: IL PROGRAMMA POTREBBE SUBIRE VARIAZIONI A CAUSA DELL'EMERGENZA COVID-19

Introduzione all'Analisi Multivariata
Riduzione della dimensionalità:
1. Analisi in componenti Principlai (ACP)
2. Cenni sull'Analisi fattoriale (AF)
3. Analisi delle Corrispondenze (AC)
Distanze e Indici di Similarità
Analisi dei gruppi:
1. Metodi gerarchici
2. Metodi non gerarchici
Classificazione:
1. Alberi di Classificazione
2. Cenni sulla Random Forest
3. Cenni sulle Reti Neurali

Introduction to the Multivariate Analysis
Dimensionality reduction:
1. Principal Component Analysis (PCA)
2. Notes on Factor Analysis (FA)
3. Correspondence Analysis (CA)
Distance and Similarity Measures
Cluster Analysis:
1. Hierarchical Clustering Methods
2. Non-Hierarchical Clusteing Methods
Classification:
1. Decision Tree Classification (CTA)
2. Notes on Random Forest
3. Notes on Neural Networks

Descrizione