Studying at the University of Verona
Here you can find information on the organisational aspects of the Programme, lecture timetables, learning activities and useful contact details for your time at the University, from enrolment to graduation.
Type D and Type F activities
Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso. Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:
Laurea in Economia e commercio - Immatricolazione dal 2025/2026.Nei piani didattici di ciascun Corso di studio è previsto l’obbligo di conseguire un certo numero di crediti formativi mediante attività a scelta (chiamate anche "di tipologia D e F").
Oltre che in insegnamenti previsti nei piani didattici di altri corsi di studio e in certificazioni linguistiche o informatiche secondo quanto specificato nei regolamenti di ciascun corso, tali attività possono consistere anche in iniziative extracurriculari di contenuto vario, quali ad esempio la partecipazione a un seminario o a un ciclo di seminari, la frequenza di laboratori didattici, lo svolgimento di project work, stage aggiuntivo, eccetera.
Come per ogni altra attività a scelta, è necessario che anche queste non costituiscano un duplicato di conoscenze e competenze già acquisite dallo studente.
Quelle elencate in questa pagina sono le iniziative extracurriculari che sono state approvate dalla Commissione didattica e quindi consentono a chi vi partecipa l'acquisizione dei CFU specificati, alle condizioni riportate nelle pagine di dettaglio di ciascuna iniziativa.
Si ricorda in proposito che:
- tutte queste iniziative richiedono, per l'acquisizione dei relativi CFU, il superamento di una prova di verifica delle competenze acquisite, secondo le indicazioni contenute nella sezione "Modalità d'esame" della singola attività;
- lo studente è tenuto a inserire nel proprio piano degli studi l'attività prescelta e a iscriversi all'appello appositamente creato per la verbalizzazione, la cui data viene stabilita dal docente di riferimento e pubblicata nella sezione "Modalità d'esame" della singola attività.
Scopri i percorsi formativi promossi dal Teaching and learning centre dell'Ateneo, destinati agli studenti iscritti ai corsi di laurea, volti alla promozione delle competenze trasversali: https://talc.univr.it/it/competenze-trasversali
CONTAMINATION LAB
Il Contamination Lab Verona (CLab Verona) è un percorso esperienziale con moduli dedicati all'innovazione e alla cultura d'impresa che offre la possibilità di lavorare in team con studenti e studentesse di tutti i corsi di studio per risolvere sfide lanciate da aziende ed enti. Il percorso permette di ricevere 6 CFU in ambito D o F. Scopri le sfide: https://www.univr.it/clabverona
ATTENZIONE: Per essere ammessi a sostenere una qualsiasi attività didattica, incluse quelle a scelta, è necessario essere iscritti all'anno di corso in cui essa viene offerta. Si raccomanda, pertanto, ai laureandi delle sessioni di dicembre e aprile di NON svolgere attività extracurriculari del nuovo anno accademico, cui loro non risultano iscritti, essendo tali sessioni di laurea con validità riferita all'anno accademico precedente. Quindi, per attività svolte in un anno accademico cui non si è iscritti, non si potrà dar luogo a riconoscimento di CFU.
| years | Modules | TAF | Teacher |
|---|---|---|---|
| 1° 2° 3° | Thematic cycle of conferences on Women's "leadership": data, reflections and experiences | D |
Martina Menon
(Coordinator)
|
| 1° 2° 3° | English for Business and Economics - Bachelor's Degrees | D |
Marco Minozzo
(Coordinator)
|
| 1° 2° 3° | Educational laboratory on credit securitization | D |
Michele De Mari
(Coordinator)
|
| years | Modules | TAF | Teacher |
|---|---|---|---|
| 1° 2° 3° | Data Analysis Laboratory with R (Verona) | D |
Marco Minozzo
(Coordinator)
|
| 1° 2° 3° | Data Visualization Laboratory | D |
Marco Minozzo
(Coordinator)
|
| 1° 2° 3° | Python Laboratory | D |
Marco Minozzo
(Coordinator)
|
| 1° 2° 3° | Data Science Laboratory with SAP | D |
Marco Minozzo
(Coordinator)
|
| 1° 2° 3° | Advanced Excel Laboratory (Verona) | D |
Marco Minozzo
(Coordinator)
|
| 1° 2° 3° | Excel Laboratory (Verona) | D |
Marco Minozzo
(Coordinator)
|
| 1° 2° 3° | Plan your future | D |
Paolo Roffia
(Coordinator)
|
| 1° 2° 3° | Programming in Matlab | D |
Marco Minozzo
(Coordinator)
|
| 1° 2° 3° | Programming in SAS | D |
Marco Minozzo
(Coordinator)
|
| years | Modules | TAF | Teacher | |
|---|---|---|---|---|
| 1° 2° | Digital experiments in economics - 2023/2024 | D |
Claudio Zoli
(Coordinator)
|
|
| 1° 2° | Topics in economics and ethics of artificial intelligence- 2023/2024 | D |
Claudio Zoli
(Coordinator)
|
|
| 1° 2° 3° | The accountant as a business consultant | D |
Riccardo Stacchezzini
(Coordinator)
|
|
Data Analytics and Big Data (2023/2024)
Teaching code
4S008960
Teacher
Coordinator
Credits
6
Language
Italian
Scientific Disciplinary Sector (SSD)
SECS-S/01 - STATISTICS
Period
Secondo semestre (lauree) dal Feb 26, 2024 al May 31, 2024.
Courses Single
Authorized
Learning objectives
The course aims at introducing the basics of statistical learning and the techniques for manipulating and analysing large datasets with complex structures. Particular emphasis is devoted to regression and classification methods, which are studied both from a statistical and a computational perspective. All techniques are illustrated with real-data examples using statistical software. The application-oriented approach of the course aims at developing participants' skills in analysing data and applying statistical methods and algorithms appropriately.
Prerequisites and basic notions
No specific prerequisites are required.
Program
The course is divided into four parts: • Introduction to data analysis and big data. Concepts, definitions, challenges and opportunities. Sources, types and characteristics of data. Data lifecycle. Data management and data governance. • Tools and Methods. Software for data extraction, manipulation, analysis and visualization, including Socioviz, KNIME and Power BI. Data cleaning and data preparation. Data quality defects. Duplicate data. Missing values. Machine Learning and Generative AI. In-depth analysis of data visualization, dashboard and storytelling techniques. • Data analytics across various industries and domains. Examples and case studies in areas such as: business, marketing, social media analysis and social network analysis. • Evaluation and communication of data and analyses. Criteria and indicators for the quality, relevance and ethics of data and analyses. Principles and good practices for communicating data and analyses. Writing reports, articles, presentations. Discussion and comparison of results and implications.
Bibliography
Didactic methods
The teaching is structured in 48 hours of teaching (6 CFU), divided into 3-hour lessons based on the academic calendar. The teaching, which consists of theoretical and practical lessons, is delivered in person with video recordings. With the aim of maximizing the effectiveness of teaching and ensuring the correct balance between theory and laboratory, the typical teaching week is characterized as follows:
• Theoretical lesson with possible external intervention by sector experts, in presence or through video conferences
• Hands-on workshops for the practical application of concepts.
• Discussion and analysis of case studies.
Learning assessment procedures
Written exam with multiple choice questions and any open questions. For students who wish to improve their grade it is possible to submit a homework.
Evaluation criteria
The written test lasts one hour and thirty minutes and covers the entire course program. During the test it is not possible to use notes or other teaching materials.
Criteria for the composition of the final grade
For students who obtain a score of at least 28/30 in the written test, it is possible to improve the grade by submitting a homework.
Exam language
Italiano
