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
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/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° | B-education: Sound ideas | D |
Cristina Florio
(Coordinator)
|
1° 2° | B-education: Sound ideas | D |
Cristina Florio
(Coordinator)
|
1° 2° | Ciclo tematico di conferenze “Italia nel mondo” - 2024/2025 | D |
Riccardo Stacchezzini
(Coordinator)
|
1° 2° | Ethical finance | D |
Giorgio Mion
(Coordinator)
|
1° 2° | Generative AI (Artificial Intelligence) for Business Communication | D |
Massimo Melchiori
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | Elements of Financial Risk Management - 2024/2025 | D |
Claudio Zoli
(Coordinator)
|
1° 2° | Methods and tools for literature reviews | D |
Cristina Florio
(Coordinator)
|
1° 2° | Sustainable business model frameworks | D |
Vincenzo Riso
(Coordinator)
|
1° 2° | Topics in applied economics and finance - 2024/2025 | D |
Claudio Zoli
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | Data Analysis Laboratory with R (Verona) | D |
Marco Minozzo
(Coordinator)
|
1° 2° | Data Visualization Laboratory | D |
Marco Minozzo
(Coordinator)
|
1° 2° | Python Laboratory | D |
Marco Minozzo
(Coordinator)
|
1° 2° | Data Science Laboratory with SAP | D |
Marco Minozzo
(Coordinator)
|
1° 2° | Advanced Excel Laboratory (Verona) | D |
Marco Minozzo
(Coordinator)
|
1° 2° | Excel Laboratory (Verona) | D |
Marco Minozzo
(Coordinator)
|
1° 2° | Methods and tools for empirical research in management | D |
Nicola Cobelli
(Coordinator)
|
1° 2° | Methods and tools for empirical research in management | D |
Nicola Cobelli
(Coordinator)
|
1° 2° | Plan your professional future | D |
Paolo Roffia
(Coordinator)
|
1° 2° | Plan your professional future | D |
Paolo Roffia
(Coordinator)
|
1° 2° | Marketing plan | D |
Fabio Cassia
(Coordinator)
|
1° 2° | Programming in Matlab | D |
Marco Minozzo
(Coordinator)
|
1° 2° | Programming in SAS | D |
Marco Minozzo
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | Artificial Intelligence, AI and Business Operations: Methods and Techniques | D |
Lapo Mola
(Coordinator)
|
1° 2° | The business consultant accountant | D |
Riccardo Stacchezzini
(Coordinator)
|
1° 2° | Relational soft skills for professional presence | D |
Federico Brunetti
(Coordinator)
|
years | Modules | TAF | Teacher |
---|---|---|---|
1° 2° | French B1 | D | Not yet assigned |
1° 2° | French B2 | D | Not yet assigned |
1° 2° | English C1 | D | Not yet assigned |
1° 2° | Russian B1 | D | Not yet assigned |
1° 2° | Russian B2 | D | Not yet assigned |
1° 2° | Spanish B1 | D | Not yet assigned |
1° 2° | Spanish B2 | D | Not yet assigned |
1° 2° | German B1 | D | Not yet assigned |
1° 2° | German B2 | D | Not yet assigned |
Machine Learning for Economics (2024/2025)
Teaching code
4S008979
Teacher
Coordinator
Credits
6
Language
English
Scientific Disciplinary Sector (SSD)
SECS-S/01 - STATISTICS
Period
Secondo semestre LM dal Feb 17, 2025 al May 23, 2025.
Courses Single
Authorized
Learning objectives
The goal of the course is to provide students with mathematical, statistical and computational tools for a rigorous understanding of machine learning. A central aspect is the critical discussion of how and to which extent machine learning methods are essential in large scale data analysis in order to develop a professional profile combining solid quantitative skills with an in-depth knowledge of economic and corporate dynamics to support strategic decisions based on data analysis. At the end of the course students will be able to master classical methods of machine learning, implement data analysis algorithms, choose the most suitable techniques, identify relevant structures underlying the data for prediction purposes, critically discuss the output generated by a machine learning technique.
Prerequisites and basic notions
The knowledge provided in the basic courses of statistics and econometrics is assumed.
Program
- Overview of Statistical Learning
- Linear Regression Models and Least Squares
• The Gauss-Markov Theorem
• Best-Subset Selection
• Shrinkage Methods: Ridge Regression and the Lasso
- Linear Methods for Classification
• Bayes classifier
• Linear Discriminant Analysis
• Logistic Regression
- Model Assessment and Selection
• Bias-Variance and Model Complexity
• Cross-Validation
- Introduction to Neural Networks
• Neural Networks
• Fitting Neural Networks
- Clustering Methods
Bibliography
Didactic methods
The course includes 36 hours of frontal teaching, of which 24 hours of lessons (equal to 4 CFU) and 12 hours of lab sessions (equal to 2 CFU).
Learning assessment procedures
The exam will test for
(a) the understanding of the theoretical tools (concepts and formal models) presented in the course,
(b) the ability to use theoretical tools to discuss results from a data set analysis.
The final exam will consist of two parts:
- a written exam on the material of the theoretical lectures and the lab sessions. At the end of the course one general
assignment will be given to be delivered before the oral exam on a date to be communicated later on,
- an oral test on the topics of the course.
Evaluation criteria
The theory part of the written test has a weight of 2/3, while the part on the use of the software has a weight of 1/3.
Criteria for the composition of the final grade
The final grade of the exam results from the arithmetic average of the marks of the written and oral tests.
Exam language
English