DATA ANALYSIS

Nel mondo di oggi, i dati hanno uno ruolo cruciale. La capacità di estrarre informazioni utili e interessanti da datasets complessi e di grandi dimensioni è di crescente importanza in diversi campi e discipline. Il corso DATA ANALYSIS mira a fornire agli studenti una solida preparazione sui concetti e sulle tecniche principali per raccogliere, pulire, analizzare e interpretare efficacemente i dati per prendere decisioni più informate.

Il corso mira a fornire agli studenti una panoramica generale di alcuni degli aspetti principali della data analysis (analisi dei dati). Attraverso una combinazione di nozioni teroiche e sessioni pratiche, gli studenti apprenderanno quelle che sono le diverse tipologie di dati e le metodologie statistiche appropriate per analizzarli. Saranno anche introdotti al software statistico e di programmazione R, ed impareranno alcuni dei comandi più importanti per analizzare i dati con tale software.

Si richiede agli studenti una conoscenza di base dei concetti matematici di variabile, distribuzione e statistica (media, mediana, deviazione standard...). Inoltre, ci si aspetta che gli studenti abbiano buone capacità di utilizzo del computer.

Il corso tratterà i seguenti temi:
- Introduzione all'analisi dei dati: tipologia di dati, metodi di collezionamento dei dati, fonti, principi e linee guida per il trattamento e l'analisi dei dati
- Introduzione al software per l'analisi dei dati (R)
- Importare, pulire, modificare a salvare i dati
- Statistica descrittiva (media, mediana, varianza, deviazione standard), correlazione, distribuzioni principali
- Visualizzazione dei dati: grafi a barre, scatter plots, grafici lineari, box-and-whiskers plot, istogrammi
- Inferenza e test di ipotesi: test sulla media, test sulla varianza, test sulla correlazione, ANOVA
- Regressioni: regressione lineare bivariata, regressione lineare multivariata, regressioni non lineari
- Analisi di dati spaziali: dati vettoriali, dati raster, analisi vettoriale, visualizzazione dati spaziali

- Garrett Grolemund & Hadley Wickham, R for Data Science, 2nd edition
- Peter Dalgaard, Introductory Statistics with R (Statistics and Computing), 2nd Edition
- Måns Thulin, Modern Statistics with R: From wrangling and exploring data to inference and predictive modelling
- Jonathan Campbell & MIchael Shin, Essentials of Geographic Information Systems

Modalità di verifica dell'apprendimento
- 10% presenza alle lezione (>90%)
- 30% home assignments (three assignments del peso di 10% l'uno)
- 60% esame finale, composto di: esame scritto (domande a scelta multipla ed aperte, 30%); esame pratico (esercizi informatici, 70%)

scritto

Il corso si baserà sia su un'introduzione teorica ai concetti alla base dell'analisi dei dati, sia su un approccio pratico di "learning by doing", anche grazie alla forte enfasi posta sulle sessioni di laboratorio interattive.

Il ricevimento degli studenti sarà disponibile su appuntamento per tutta la durata del corso e nelle due settimane successive all'esame finale.