- Oggetto:
- Oggetto:
Business Analytics
- Oggetto:
Business Analytics
- Oggetto:
Anno accademico 2020/2021
- Codice dell'attività didattica
- ECM0131
- Docente
- Roberto Leombruni (Titolare del corso)
- Corso di studi
- Laurea magistrale in Metodi statistici ed economici per le decisioni - a Torino [0402M21]
- Anno
- 2° anno
- Periodo didattico
- Secondo semestre
- 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
- Prerequisiti
-
Il corso prevede che lo studente padroneggi i modelli presentati nei corsi di Econometria e di Data mining e statistical learning, e che conosca i fondamentali della programmazione Python.
The students should have a good knowledge of the models taught in the Econometrics and Data mining and statistical learning courses. They have to have also basic skills in Python programming - Propedeutico a
-
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
Il corso si propone di utilizzare modelli econometrici e di machine learning per risolvere problemi tradizionali di business intelligence.
This course aims at developing competencies in the use of econometric and machine learning models 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 modelli 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 apply the appropriate models 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
a) Presentazione del progetto : per la valutazione finale, gli studenti sono tenuti a presentare in classe il lavoro svolto. 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 consisterà in domande a risposta multipla su tutti gli argomenti del corso e una domanda a riposta aperta su un qualche tema applicato.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. For non attending students, an individual project work will be agreed with the teacher.
- Project presentation: for the final assessment, students are required to present the 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 multiple choice questions on all the topics of the course, plus a open question on an applied theme.
- 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."
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
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: