Scheda programma d'esame
INTRODUZIONE ALLA DATA SCIENCE PER INGEGNERIA
ALESSIO FERRARI
Academic year2022/23
CourseENGINEERING MANAGEMENT
Code2047Z
Credits6
PeriodSemester 2
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
INTRODUZIONE ALLA DATA SCIENCE PER INGEGNERIANNLEZIONI60
ALESSIO FERRARI unimap
Programma non disponibile nella lingua selezionata
Obiettivi di apprendimento
Conoscenze

Principi di analisi dei dati tramite il linguaggio R e la piattaforma R studio. Conoscenze relative alla pulizia dei dati, strutturazione, trasformazione, visualizzazione e modellazione. Conoscenze base di statistica.

Modalità di verifica delle conoscenze

Esame finale orale, durante il quale verrà esposto il risultato di un progetto scelto dallo studente, e verranno fatte domande per verificare la conoscenza dei costrutti del linguaggio R e la corretta comprensione del loro uso.

Capacità

Capacità di utilizzo del linguaggio R per l'analisi dei dati, e del linguaggio Markdown per la definizione di documenti che combinano testo e codice R.

Modalità di verifica delle capacità

Progetto di analisi di dati, in cui si richiede agli studenti la produzione di un file Markdown che costruisca una narrazione attorno ad un dataset scelto dallo studente tra quelli disponibili in TidyTuesday: https://github.com/rfordatascience/tidytuesday

Comportamenti

Prensenza e puntualità in classe, comportamenti adeguati all'ambiente universitario. 

Modalità di verifica dei comportamenti

Supervisione in presenza durante le lezioni. 

Prerequisiti (conoscenze iniziali)

Conoscenze base di analisi matematica e di statistica.

Corequisiti

Nessuno

Prerequisiti per studi successivi

Raccomandato per corsi più avanzati di analisi dei dati.

Indicazioni metodologiche

- Verranno effettuate lezioni frontali con slides

- Le lezioni saranno alternate con attività di laboratorio in classe

- Il docente condividerà dispense e slides con gli studenti

- Il docente sarà disponibile in presenza a seguito delle lezioni per il ricevimento, o online tramite prenotazione via e-mail

 

Programma (contenuti dell'insegnamento)
  • Introduzione al corso
  • Introduzione a R
  • Laboratory: R basics
  • Data Visualisation + Exploratory Data Analysis
  • Laboratory: Data Visualisation
  • Data Transformation
  • Laboratory: Data Wrangling Base
  • Data Wrangling
  • Laboratory: Data Wrangling
  • Data Types
  • Laboratory: Data Types and Import
  • Textual Data
  • Web scraping
  • Modeling
  • Laboratory: Modeling
Bibliografia e materiale didattico

https://r4ds.had.co.nz/

https://datasciencebox.org/

Indicazioni per non frequentanti

Nessuna

Modalità d'esame

Esame orale con presentazione di un progetto di analisi dati concordato tra docente e studenti

Stage e tirocini

Nessuno

Updated: 13/02/2023 15:48