TEORIE, MODELLI E TECNICHE INFORMATICHE E DI ANALISI DEI DATI

Obiettivi formativi

• TECNICHE DI ANALISI MONOVARIATA E MULTIVARIATA
  Gli obiettivi del modulo sono condurre lo studente:
  -alla conoscenza del linguaggio R e ad auto-apprendere le sue potenzialità mediante l’uso delle risorse disponibili in internet.
  -alla conoscenza di alcuni argomenti di statistica monovariata e multivariata mediante applicazioni con il linguaggio R.
  
• INTRODUZIONE AL DATA MINING
  Dare una panoramica delle tecniche di gestione di basi di dati e delle nozioni di data e text mining per derivare, in maniera automatica, pattern di interesse. Negli ultimi anni queste tecniche si sono via via consolidate per l’aumento imponente della quantità di dati digitali raccolti in seguito al tracciamento elettronico delle attività che svolgiamo abitualmente: acquisti online, attività sui social media, accesso a online news, etc. Analisi accurate di questi dati permettono di scoprire fenomeni sociali di sicuro interesse per gli scienziati sociali.

Prerequisiti richiesti

• TECNICHE DI ANALISI MONOVARIATA E MULTIVARIATA

  nessuno

Frequenza lezioni

• TECNICHE DI ANALISI MONOVARIATA E MULTIVARIATA

  Fortemente consigliata

Contenuti del corso

• TECNICHE DI ANALISI MONOVARIATA E MULTIVARIATA

  Il corso prevede la trattazione di:

  - vettori, matrici, fattori, liste, tabelle, data frame, e le operazioni sui suddetti oggetti in R;

  -operazioni di lettura e scrittura su file esterni in R;

  -rappresentazioni grafiche dei dati in R;

  -programmazione con R: definizioni di nuove funzioni, costrutti di controllo, costrutti condizionali e costrutti iterativi -statistica univariata e bivariata con R.

  -correlazione e regressione lineare con R.

  -analisi delle componenti principali con R.

  -cluster analysis con R.

• INTRODUZIONE AL DATA MINING
  
  
  Lo studente imparerà alcune delle tecniche
  di Data Mining orientate all’estrazione
  di informazione rilevante a partire da grandi masse di dati strutturati.
  Particolare attenzione verrà posta alle tecniche di classificazione di dati
  tramite alberi binari e agli algoritmi associativi basati su regole. Si intende dare una panoramica delle
  tecniche informatiche e degli algoritmi di analisi di basi di dati di grandi
  dimensioni al fine di scoprire correlazioni esistenti tra i dati. Negli ultimi
  anni queste tecniche si sono via via consolidate per l’aumento imponente della
  quantità di dati raccolti in seguito al tracciamento elettronico delle attività
  che svolgiamo abitualmente: acquisti al supermercato, attività sui social media
  (quali Facebook), accesso a news su Internet, emails, solo per fare qualche
  esempio, generano flussi enormi di dati. Analisi accurate di questi dati
  permettono di scoprire fenomeni sociali di sicuro interesse per gli scienziati
  sociali. Si studieranno sia tecniche di analisi di dati strutturati (Data
  Mining Algorithms) che dati non strutturati (Text Mining algorithms).
  
  

Testi di riferimento

• TECNICHE DI ANALISI MONOVARIATA E MULTIVARIATA

  Testi adottati:

  1. Franco Crivellari - Analisi statistica dei dati con R. Casa Editrice Apogeo
  2. Michael J. Crawley - The R Book, 2nd Edition. Casa Edistrice Wiley

  
  Letture consigliate:

  1. Brian Everitt, Torsten Hothorn - An Introduction to Applied Multivariate Analysis with R. Springer. 2011
  2. Yanchang Zhao, Yonghua Cen - Data Mining Applications With R. Academic Press. 2013
  3. Espa G., Micciolo R. - Problemi ed esperimenti di statistica con R. Apogeo, 2008.
  4. Iacus S., Masarotto G. - Laboratorio di statistica con R. McGraw Hill Companies, 2007.
  5. Paganoni A., Ieva F., Vitelli V. - Laboratorio di statistica con R. Eserciziario. Pearson, 2012.
  6. Matloff N. - The Art of R Programming. No Starch Press, 2011.
  7. Torgo L. - Data Mining with R. Learning with Case Studies. Chapman & Hall/CRC, 2011.
• INTRODUZIONE AL DATA MINING
  Materiale fornito dal docente

Programmazione del corso

Verifica dell'apprendimento

Modalità di verifica dell'apprendimento

• TECNICHE DI ANALISI MONOVARIATA E MULTIVARIATA

  prova pratica al computer