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 2025/2026

Il 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

InsegnamentiCreditiTAFSSD
9
A
SECS-P/01
9
A
SECS-S/06
9
C
SECS-P/12
Lingua inglese liv. B1
3
E
-

2° Anno  Attivato nell'A.A. 2023/2024

InsegnamentiCreditiTAFSSD
9
B
SECS-P/01
9
B
SECS-S/01

3° Anno  Attivato nell'A.A. 2024/2025

InsegnamentiCreditiTAFSSD
9
B
SECS-P/05
Stage
6
F
-
Prova finale
3
E
-
InsegnamentiCreditiTAFSSD
9
A
SECS-P/01
9
A
SECS-S/06
9
C
SECS-P/12
Lingua inglese liv. B1
3
E
-
Attivato nell'A.A. 2023/2024
InsegnamentiCreditiTAFSSD
9
B
SECS-P/01
9
B
SECS-S/01
Attivato nell'A.A. 2024/2025
InsegnamentiCreditiTAFSSD
9
B
SECS-P/05
Stage
6
F
-
Prova finale
3
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°- 3°

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.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

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

ATTENZIONE: I dettagli dell'insegnamento (docente, programma, periodo di svolgimento, modalità d'esame, ecc.) saranno pubblicati nell'anno accademico in cui sar� attivato.
Puoi vedere la scheda informativa di questo insegnamento erogato in un anno accademico passato, cliccando uno dei seguenti link: