Vai al contenuto principale
Oggetto:
Oggetto:

Business Analytics

Oggetto:

Business Analytics

Oggetto:

Anno accademico 2021/2022

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-S/03 - statistica economica
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. 

  1. 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.
  2. 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:
Ultimo aggiornamento: 14/02/2022 15:13
Location: https://www.didattica-est.unito.it/robots.html
Non cliccare qui!