- Oggetto:
- Oggetto:
Business Analytics
- Oggetto:
Business Analytics
- Oggetto:
Anno accademico 2023/2024
- Codice attività didattica
- ECM0131
- Docente
- Roberto Leombruni (Titolare del corso)
- 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
- Inglese
- Frequenza
- Consigliata/Recommended
- Tipologia esame
- Scritto ed orale
- Tipologia unità didattica
- corso
- 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:
