Vai al contenuto principale
Coronavirus: aggiornamenti per la comunità universitaria / Coronavirus: updates for UniTo Community
Oggetto:
Oggetto:

Business Analytics

Oggetto:

Business Analytics

Oggetto:

Anno accademico 2022/2023

Codice attività didattica
ECM0131
Docenti
Roberto Leombruni (Titolare del corso)
Matteo Malisan (Esercitatore)
Corso di studio
Laurea magistrale in Metodi statistici ed economici per le decisioni - a Torino [0402M21]
Anno
2° anno
Periodo
Secondo semestre
Tipologia
Affine o integrativo
Crediti/Valenza
6
SSD attività didattica
SECS-S/03 - statistica economica
Erogazione
Tradizionale
Lingua
Italiano
Frequenza
Consigliata/Recommended
Tipologia esame
Scritto ed orale
Prerequisiti

Il corso presuppone la conoscenza dei modelli presentati nei corsi di Econometria e di Data mining e statistical learning, e che conosca i fondamenti della programmazione Python.


Students should have a good knowledge of the Econometrics', Data mining and statistical learnings' models. They should have also a basic knowledge of Python.

Propedeutico a
Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi

Conoscenza e capacità di comprensione sia teorica che applicata della modellazione delle informazioni in database strutturati e non strutturati.

Applicazione delle conoscenze acquisite sui modelli statistici ed econometrici alle esigenze conoscitive aziendali e nei processi di business intelligence.

Conoscenza e capacità di comprensione sia teorica che applicata dei modelli di analisi statistica di dati testuali (Text Mining e Natural Language Processing).

Abilità interpretative e comunicative dei risultati dei modelli utilizzati.

Knowledge and understanding on how to model information into structured and unstructured databases.

Knowledge and understanding on how to apply Econometrics' and Data mining's models to support business decisions and business intelligence processes.

Theoretical and applied knowledge and understanding of Text Mining techniques and of Natural Language Processing. 

Interpretation and communication skills of the models' results.

Oggetto:

Risultati dell'apprendimento attesi

Capacità di gestire in Python tutte le fasi dei processi di Data Analytics Life Cycle:

- data scraping e data modeling

- analisi statistica-econometrica

- presentazione dei dati tramite dashboard dinamiche

Capacità di gestire queste fasi all'interno di un team tramite piattaforme condivise di Project Management.

Practical ability of managing all the steps of the Data Analytics Life Cycle in Python:

- data scraping and data modeling

- statistical/econometric data analysis

- dynamic presentation of results with interactive dashboards

Ability to work in a team using shared platforms of Project Management.

Oggetto:

Programma

Si faccia riferimento al syllabus dettagliato nel materiale didattico

Please see syllabus attached on the e-learning platform


Oggetto:

Modalità di insegnamento

Lezioni frontali, laboratorio informatico, presentazioni di casi studio.

Frontal teaching, labs and case studies presentation.

Oggetto:

Modalità di verifica dell'apprendimento

  Per i frequentanti la valutazione finale includerà un lavoro di gruppo (50%) e un esame orale finale (50%). Si richiede di lavorare in piccoli gruppi di (massimo 4 discenti) e di concordare con l'insegnante l'argomento. Per i non frequentanti il lavoro di gruppo è sostituito da un lavoro individuale da concordare con l'insegnante.  

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. For non attending students, an individual project work will be agreed with the teacher. 

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."

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."



Oggetto:

Note

Registrazione
  • Aperta
    Oggetto:
    Ultimo aggiornamento: 29/09/2022 10:58
    Non cliccare qui!