STATISTICAL LEARNING FOR DATA SCIENCE - 2

L’obiettivo dell’insegnamento è sviluppare le competenze statistiche necessarie per analizzare dati caratterizzati da alta dimensionalità al fine di risolvere problemi di previsione e classificazione che sorgono nei più svariati ambiti siano essi tecnologici che economico-aziendali.

La partecipazione alle attività formative proposte dal corso e lo studio individuale consentiranno agli studenti di

1. (conoscenza e comprensione)
- conoscere e comprendere metodi statistici per la sintesi, previsione e classificazione utilizzando basi di dati complesse e di alta dimensionalità.
2. (capacità di applicare conoscenza e comprensione)
- trattamento preliminare: preparare un insieme di dati per le analisi successive
- applicare in modo autonomo metodi statistici avanzati per sintetizzare informazioni, effettuare previsioni e classificazioni   
- utilizzare in modo autonomo software statistico per analizzare    basi di dati con alta dimensione
3. (capacità di giudizio)
- valutare la validità e la fattibilità delle diverse tecniche statistiche e comprendere il loro impatto sui risultati delle analisi
- presentare i risultati delle analisi in maniera chiara e concisa utilizzando strumenti per la ricerca riproducibile

Il corso utilizzerà concetti di base di matematica e statistica tra cui funzioni, integrali, derivate, matrici, distribuzioni, la stima e la verifica d'ipotesi. E' richiesta una conoscenza di base di statistica al livello di un corso di statistica per la laurea triennale.

Il corso è diviso in due parti. La prima parte si focalizza sugli strumenti della ricerca riproducibile. Questi metodi saranno utilizzati nella seconda parte che si focalizza sull'apprendimento statistico (statistical learning)

Strumenti per data science e ricerca riproducibile
- Introduzione a R e Rstudio
- Preparare i report attraverso Rmarkdown

preparazione dei dati , pulizia dei dati. visualizzazione dei dati,

Inferenza statistica
- Campionamento
- Stima
- Verifica d'ipotesi

Apprendimento statistico
- Regressione lineare
- Classificazione
- Metodi di ricampionamento
- Selezione del modello e la regolarizzazione nel modello lineare

James G, Witten D, Hastie T, Tibshirani R (2015). An Introduction to Statistical Learning. 6th version. Springer. Webpage http://www-bcf.usc.edu/~gareth/ISL/ Chapters 1-7
Chester Ismay, Albert Y. Kim (2019) Statistical Inference via Data Science: A ModernDive into R and the tidyverse! , CRC Press ( https://moderndive.com/ )
Yihui Xie (2019) bookdown: Authoring Books and Technical Documents with R Markdown, CRC/Press ( https://bookdown.org/yihui/bookdown/ )

La prova di esame sarà scritta, da svolgersi in laboratorio. La prova consiste in tre esercizi: un esercizio i cui argomenti saranno relativi al primo modulo e due i cui argomenti verteranno su quello del secondo modulo. Gli studenti dovranno svolgere gli esercizi usando il software R studio e, alla fine della prova, inviare i risultati in formato HTML. Il file deve contenere:

1. Il codice R utilizzato per risolvere gli esercizi
2. I risultati numerici e grafici ottenuti.
3. L'interpretazione dei risultati.

Dopo la pubblicazione delle valutazioni, gli studenti che avranno con seguito un punteggio di almeno 18/30 saranno invitati a svolgere una breve prova orale. La prova ha la finalità di accertare che si abbiano le competenze dimostrate nella prova scritta.

Il punteggio massimo della prova scritta è di 33 punti; 33 punti corrisponde alla lode. Per quanto riguarda la gradazione del voto (modalità con cui saranno assegnati i voti), a prescindere dalla modalità frequentante o non frequentante:

A. punteggi nella fascia 18-22 verranno attribuiti in presenza di:
- sufficiente conoscenza e capacità di comprensione applicata in riferimento al programma;
B. punteggi nella fascia 23-26 verranno attribuiti in presenza di:
- discreta conoscenza e capacità di comprensione applicata in riferimento al programma;
C. punteggi nella fascia 27-30 verranno attribuiti in presenza di:
- buona o ottima conoscenza e capacità di comprensione applicata in riferimento al programma;
D. la lode verrà attribuita in presenza di conoscenza e capacità di comprensione applicata in riferimento al
programma, capacità di giudizio e abilità comunicative, eccellenti.

L'utilizzo dei libri, degli appunti e delle risorse elettroniche durante la prova finale non è consentito. Solo il materiale presente in Moodle può essere consultato.

scritto

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

L'insegnamento comprende una combinazione di lezioni di teoria convenzionali focalizzate su descrizione dei metodi e sessioni pratiche che descrivono l'implementazione e l'applicazione dei metodi ai problemi reali. I metodi saranno implementati con il software statistico R (www.r-project.org). Gli studenti sono incoraggiati a portare i propri laptop (no tablet!) ed a sperimentare con il codice durante il corso. 

Questo è il secondo modulo di un corso con 12 crediti. Le informazioni si riferiscono all'intero corso.
È richiesto che gli studenti si registrino sulla piattaforma e-learning di ateneo moodle.unive.it.