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

A.A. 2024/2025 A.A. 2023/2024 A.A. 2022/2023 A.A. 2021/2022 A.A. 2020/2021

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
IUS/01
9
A
SECS-P/07
9
A
SECS-P/01
9
A
SECS-S/06
9
B
SECS-P/08
9
C
SECS-P/12
3
E
-

2° Anno  Attivato nell'A.A. 2022/2023

InsegnamentiCreditiTAFSSD
6
A
IUS/04
6
B
SECS-P/07
9
B
SECS-P/01
9
B
SECS-P/07
9
B
SECS-P/03
9
B
SECS-S/01
9
C
SECS-P/09

3° Anno  Attivato nell'A.A. 2023/2024

InsegnamentiCreditiTAFSSD
9
B
IUS/07
9
B
SECS-P/05
9
B
SECS-S/06
6
B
SECS-P/02
Due insegnamenti a scelta
6
C
SECS-S/01
6
C
SECS-P/02
6
C
SECS-P/01
6
C
SECS-P/02
6
C
SECS-P/05
6
C
SECS-S/06
6
F
-
Prova finale
3
E
-
Attivato nell'A.A. 2022/2023
InsegnamentiCreditiTAFSSD
6
A
IUS/04
6
B
SECS-P/07
9
B
SECS-P/01
9
B
SECS-P/07
9
B
SECS-P/03
9
B
SECS-S/01
9
C
SECS-P/09
Attivato nell'A.A. 2023/2024
InsegnamentiCreditiTAFSSD
9
B
IUS/07
9
B
SECS-P/05
9
B
SECS-S/06
6
B
SECS-P/02
Due insegnamenti a scelta
6
C
SECS-S/01
6
C
SECS-P/02
6
C
SECS-P/01
6
C
SECS-P/02
6
C
SECS-P/05
6
C
SECS-S/06
6
F
-
Prova finale
3
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°- 3°
12
D
-

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.

A Attività di base
B Attività caratterizzanti
C Attività formative affini o integrative
D Attività a scelta dello studente
E Prova finale
F Altre attività formative
S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Data analytics e big data  (2023/2024)

Codice insegnamento

4S008960

Docente

Alessandro Zonin

Coordinatore

Alessandro Zonin

Crediti

6

Lingua di erogazione

Italiano

Settore Scientifico Disciplinare (SSD)

SECS-S/01 - STATISTICA

Periodo

Secondo semestre (lauree) dal 26 feb 2024 al 31 mag 2024.

Corsi Singoli

Autorizzato

Orario Lezioni MoodleMoodle Seminari 0

Obiettivi di apprendimento

L’insegnamento si propone di introdurre le basi del “statistical learning” e le tecniche per gestire e analizzare grosse basi 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 di software statistico. L’enfasi sugli aspetti applicativi e l’analisi di casi di studio ha come obiettivo quello di sviluppare la capacità degli studenti di analizzare grosse basi 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.

Prerequisiti e nozioni di base

Non sono richiesti prerequisiti specifici.

Programma

Il corso si articola in quattro parti:
• Introduzione alla data analysis e ai big data. Concetti, definizioni, sfide e opportunità. Fonti, tipologie e caratteristiche dei dati. Ciclo di vita dei dati. Data management e data governance.
• Strumenti e Metodi. Software per l'estrazione, manipolazione, analisi e visualizzazione dei dati, tra cui Socioviz, KNIME e Power BI. Data cleaning e data preparation. Difetti di qualità dei dati. Dati duplicati. Missing values. Machine Learning e Generative AI. Approfondimento delle tecniche di data visualization, dashboard e storytelling.
• Analisi dei dati in vari settori e domini. Esempi e casi studio in ambiti quali: business, marketing, social media analysis e social network analysis.
• Valutazione e comunicazione dei dati e delle analisi. Criteri e indicatori per la qualità, la rilevanza e l'etica dei dati e delle analisi. Principi e buone pratiche per la comunicazione dei dati e delle analisi. Scrittura di report, articoli, presentazioni. Discussione e confronto di risultati e implicazioni.

Bibliografia

Vai alla bibliografia
Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Modalità didattiche

L’insegnamento è strutturato in 48 ore di didattica (6 CFU), suddivise in lezioni da 3 ore in base al calendario accademico. La didattica, che si costituisce di lezioni teoriche e pratiche, è erogata in presenza con videoregistrazioni. Con l’obiettivo di massimizzare l’efficacia dell’insegnamento e di garantire il corretto bilanciamento tra teoria e laboratorio la settimana tipo dell’insegnamento è caratterizzata come segue:
• Lezione teorica con eventuale intervento esterno di esperti di settore, in presenza o attraverso videoconferenze
• Laboratori hands-on per l'applicazione pratica dei concetti
• Discussione e analisi di casi studio.

Modalità di verifica dell'apprendimento

Esame scritto con domande a risposta multipla ed eventuali domande aperte.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Criteri di valutazione

La prova scritta dura un’ora e trenta minuti e copre l’intero programma del corso. Durante la prova non è possibile usare appunti nè altro materiale didattico.

Criteri di composizione del voto finale

Per gli studenti che nella prova scritta ottengono un punteggio di almeno 28/30 è possibile migliorare il voto presentando un homework.

Lingua dell'esame

Italiano