Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
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 2025/2026Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
Insegnamenti | Crediti | TAF | SSD |
---|
2° Anno Attivato nell'A.A. 2023/2024
Insegnamenti | Crediti | TAF | SSD |
---|
3° Anno Attivato nell'A.A. 2024/2025
Insegnamenti | Crediti | TAF | SSD |
---|
Due insegnamenti a scelta
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Due insegnamenti a scelta
Insegnamenti | Crediti | TAF | SSD |
---|
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Data analytics e big data (Sarà attivato nell'A.A. 2024/2025)
Codice insegnamento
4S008960
Crediti
6
Settore Scientifico Disciplinare (SSD)
SECS-S/01 - STATISTICA
Obiettivi di apprendimento
L’insegnamento si propone di introdurre le basi dello “statistical learning” e le tecniche per analizzare grandi insiemi di dati con struttura complessa. Un’attenzione particolare è posta sui metodi di regressione e di classificazione, i quali sono studiati sia da un punto di vista statistico sia da un punto di vista computazionale. Tutte le tecniche e i metodi presentati sono applicati a casi reali con l’utilizzo del software statistico R. L’enfasi sugli aspetti applicativi e l’analisi di casi di studio ha come obiettivo quello di sviluppare la capacità degli studenti di analizzare grandi insiemi di dati di interesse aziendale, economico e finanziario, padroneggiando le principali tecnologie per la gestione e l’analisi dei dati e le principali tecniche di machine learning. Argomenti principali - Introduzione all'apprendimento statistico - Modelli di regressione lineare (selezione dei predittori, metodi di shrinkage) - Metodi lineari per la classificazione (classificatore di Bayes, regressione logistica) - Valutazione e selezione del modello (bias-variance tradeoff, convalida incrociata)
Offerta formativa 2024/2025
Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: