TIME SERIES ANALYSIS FOR COMPUTER SCIENCE

Si tratta di un corso a livello master sulla modellazione temporale ed è parte degli insegnamenti interdisciplinari del corso di laurea magistrale in Informatica ("Artificial Intelligence and Data Engineering"). Insieme agli altri corsi di statistica e probabilità
offre una gamma di moderne tecniche statistiche che rappresentano al giorno d'oggi le competenze più richieste. L'enfasi maggiore è sui modelli statistici per i dati a tempo discreto. Il focus è sulle applicazioni con dati reali e la loro analisi con programmi statistici come R.

La partecipazione regolare e attiva alle attività didattiche offerte dal corso e alle attività di ricerca indipendenti permetterà agli studenti di
1. (Conoscenza e comprensione)

Creare potenti visualizzazioni di dati temporali
Effettuare analisi esplorative di dati temporali.
Stimare i parametri del modello utilizzando un moderno software statistico (R).
2. (Conoscere e comprendere come applicare)
- Selezionare modelli statistici appropriati per diversi tipi di dati temporali.
- Comunicare efficacemente l'analisi in un documento scritto e in una presentazione orale.
3. (Capacità di giudizio)
- Giudicare autonomamente la validità e la fattibilità di diverse tecniche di previsione e comprendere il loro impatto sui risultati delle analisi.

Conoscenza della probabilità e della statistica ad un livello intermedio quale quello in Baron M (2019). Probability and Statistics for Computer Scientists. Third Edition. CRC Press.

Analisi esplorativa delle serie temporali
Statistica per l'analisi delle serie temporali
Modelli ARMA, ARIMA e stagionali
Regressione delle serie temporali
Serie temporali multivariate
Modelli di serie temporali basati su reti neurali

W. A. Woodward, B. P. Sadler and S.D. Robertson (2022) Time Series for Data Science, CRC Press
R.H. Shumway and D.S. Stoffer (2025) Time Series Analysis and Its Applications: With R Examples (Fifth edition). Springer

Letture e materiali integrativi distribuiti durante il corso tramite la piattaforma Moodle

L'esame consiste in una prova direttamente al computer, in cui ogni studente analizzerà un set di dati proposto dal docente, e dovrà anche rispondere ad alcune domande sulla parte metodologica.
Si tratta di un esame senza la possibilità di consultare libri né appunti.

Lo studente sarà valutato in termini di
- qualità delle sue analisi statistiche
- uso corretto della terminologia tecnica
- conclusioni corrette

Il punteggio massimo della prova scritta è di 33 punti. Un punteggio complessivo eguaglia i 33 punti corrisponde alla lode.

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.

| **Grade** | **Equivalent in %** | **Description** | **Ranking** |
|-----------|---------------------|-----------------------|------------------------|
| 30L (30 e lode) | 97-100% | With honors (cum laude) | Excellent (Eccellente) |
| 30 | 93-96% | Excellent | Eccellente |
| 29 | 90-92% | Very good | Ottimo |
| 28 | 87-89% | Very good | Ottimo |
| 27 | 83-86% | Good | Buono |
| 26 | 80-82% | Good | Buono |
| 25 | 76-79% | Satisfactory | Discreto |
| 24 | 73-75% | Satisfactory | Discreto |
| 23 | 70-72% | Sufficient | Sufficiente |
| 22 | 66-69% | Sufficient | Sufficiente |
| 21 | 63-65% | Pass | Sufficiente |
| 20 | 60-62% | Pass | Sufficiente |
| 19 | 55-59% | Barely passing | Sufficiente |
| 18 | 50-54% | Minimum passing | Sufficiente |
| <18 | Below 50% | Fail | Insufficiente |

Questo corso si basa su lezioni frontali, che copriranno i principali argomenti, sottolineando e discutendo i punti importanti. Le lezioni teoriche saranno integrate da esercizi e sessioni di laboratorio. Il software statistico utilizzato nel corso è R (www.r-project.org). La partecipazione personale è importante e aiuterà lo studente a imparare in modo più efficiente per leggere il materiale assegnato per rafforzare le lezioni.

La frequenza di ogni lezione e uno sforzo genuino nel fare gli esercizi suggeriti sono due dei fattori più importanti che influenzano la riuscita in questo corso. L'analisi statistica richiede sia l'ascolto che il fare.