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.

Tipologia di Attività formativa D e F

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.

COMPETENZE TRASVERSALI

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.

Primo semestre L Dal 23/09/24 Al 10/01/25
anni Insegnamenti TAF Docente
1° 2° B-education: idee che valgono (1 cfu) 2024/2025 D Cristina Florio (Coordinatore)
1° 2° B-education: idee che valgono (2 cfu) 2024/2025 D Cristina Florio (Coordinatore)
1° 2° Ciclo tematico di conferenze “Italia nel mondo” - 2024/2025 D Riccardo Stacchezzini (Coordinatore)
1° 2° Finanza etica 2024/2025 D Giorgio Mion (Coordinatore)
1° 2° Intelligenza artificiale (IA) generativa per la comunicazione aziendale 2024/2025 D Massimo Melchiori (Coordinatore)
Primo semestre LM Dal 30/09/24 Al 23/12/24
anni Insegnamenti TAF Docente
1° 2° Elements of Financial Risk Management - 2024/2025 D Claudio Zoli (Coordinatore)
1° 2° Metodi e strumenti per la review della letteratura 2024/2025 D Cristina Florio (Coordinatore)
1° 2° Sustainable business model frameworks 2024/2025 D Vincenzo Riso (Coordinatore)
1° 2° Topics in applied economics and finance - 2024/2025 D Claudio Zoli (Coordinatore)
Periodo generico Dal 01/10/24 Al 31/05/25
anni Insegnamenti TAF Docente
1° 2° Laboratorio di analisi dei dati con R (Verona) - 2024/2025 D Marco Minozzo (Coordinatore)
1° 2° Laboratorio di Data Visualization - 2024/2025 D Marco Minozzo (Coordinatore)
1° 2° Laboratorio di Python - 2024/2025 D Marco Minozzo (Coordinatore)
1° 2° Laboratorio di SAP per la Data Science - 2024/2025 D Marco Minozzo (Coordinatore)
1° 2° Laboratorio Excel Avanzato (Verona) - 2024/2025 D Marco Minozzo (Coordinatore)
1° 2° Laboratorio Excel (Verona) - 2024/2025 D Marco Minozzo (Coordinatore)
1° 2° Metodi e strumenti per l'analisi empirica in ambito aziendale (1 cfu) 2024/2025 D Nicola Cobelli (Coordinatore)
1° 2° Metodi e strumenti per l'analisi empirica in ambito aziendale (2 cfu) 2024/2025 D Nicola Cobelli (Coordinatore)
1° 2° Pianifica il tuo futuro professionale (1 cfu) 2024/2025 D Paolo Roffia (Coordinatore)
1° 2° Pianifica il tuo futuro professionale (3 cfu) 2024/2025 D Paolo Roffia (Coordinatore)
1° 2° Piano di marketing 2024/2025 D Fabio Cassia (Coordinatore)
1° 2° Programmazione in Matlab - 2024/2025 D Marco Minozzo (Coordinatore)
1° 2° Programmazione in SAS - 2024/2025 D Marco Minozzo (Coordinatore)
Secondo semestre LM Dal 17/02/25 Al 23/05/25
anni Insegnamenti TAF Docente
1° 2° IA e operativita' aziendale: metodi e tecniche 2024/2025 D Lapo Mola (Coordinatore)
1° 2° Il commercialista consulente d'impresa 2024/2025 D Riccardo Stacchezzini (Coordinatore)
1° 2° Soft skills relazionali per la professional presence 2024/2025 D Federico Brunetti (Coordinatore)
Elenco degli insegnamenti con periodo non assegnato
anni Insegnamenti TAF Docente
1° 2° Lingua francese competenza linguistica - liv. B1 D Non ancora assegnato
1° 2° Lingua francese competenza linguistica - liv. B2 D Non ancora assegnato
1° 2° Lingua inglese competenza linguistica - liv. C1 D Non ancora assegnato
1° 2° Lingua russa competenza linguistica - liv. B1 D Non ancora assegnato
1° 2° Lingua russa competenza linguistica - liv. B2 D Non ancora assegnato
1° 2° Lingua spagnola competenza linguistica - liv. B1 D Non ancora assegnato
1° 2° Lingua spagnola competenza linguistica - liv. B2 D Non ancora assegnato
1° 2° Lingua tedesca competenza linguistica - liv. B1 D Non ancora assegnato
1° 2° Lingua tedesca competenza linguistica - liv. B2 D Non ancora assegnato

Codice insegnamento

4S008979

Crediti

6

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

SECS-S/01 - STATISTICA

Periodo

Secondo semestre LM dal 17 feb 2025 al 23 mag 2025.

Corsi Singoli

Autorizzato

Obiettivi di apprendimento

Il corso si propone di fornire agli studenti gli strumenti matematici, statistici e computazionali per una comprensione rigorosa del machine learning. Un aspetto centrale è la discussione critica di come ed in che misura i metodi di machine learning siano essenziali nell'analisi di dati su larga scala al fine di sviluppare un profilo professionale che combini solide competenze quantitative con una conoscenza approfondita delle dinamiche economiche e aziendali a supporto di decisioni strategiche basate sull'analisi dei dati. Al termine del corso gli studenti saranno in grado di padroneggiare i metodi classici del machine learning, d'implementare algoritmi di analisi dei dati, di scegliere le tecniche più adatte, di rintracciare regolarità nei dati utili a fini previsivi, di discutere criticamente l'output generato da una tecnica di machine learning.

Prerequisiti e nozioni di base

Si danno per acquisite le conoscenze di statistica fornite negli insegnamenti di base di statistica ed econometria.

Programma

- Introduzione all'apprendimento statistico
- Modelli di regressione lineare e minimi quadrati
• Il teorema di Gauss-Markov
• Selezione del miglior sottoinsieme
• Metodi di shrinkage: regressione ridge e lasso
- Metodi lineari per la classificazione
• Classificatore di Bayes
• Analisi discriminante lineare
• Regressione logistica
- Valutazione e selezione del modello
• Bias-variance e complessità del modello
• Convalida incrociata
- Introduzione alle reti neurali
• Reti neurali
• Adattamento delle reti neurali
- Metodi di clustering

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

Il corso prevede 36 ore di didattica frontale, di cui 24 ore di lezioni (pari a 4 CFU) e 12 ore di laboratorio (pari a 2 CFU).

Modalità di verifica dell'apprendimento

L'esame sarà volto ad accertare
(a) la comprensione degli strumenti teorici (concetti e modelli formali) presentati nel corso,
(b) la capacità di usare gli strumenti teorici per discutere i risultati dell'analisi di un data set.
L'esame finale si articolerà in due parti:
- un esame scritto sul materiale delle lezioni e delle sessioni di laboratorio. Al termine del corso verrà assegnato un compito generale da consegnare prima dell'esame orale in una data che sarà comunicata in seguito,
- una prova orale sugli argomenti del corso.

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 parte di teoria della prova scritta ha peso pari a 2/3, mentre la parte sull'uso del software ha peso pari a 1/3.

Criteri di composizione del voto finale

Il voto finale dell'esame risulta dalla media aritmetica dei voti delle prove scritta e orale.

Lingua dell'esame

English

Sustainable Development Goals - SDGs

Questa iniziativa contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.
Maggiori informazioni su www.univr.it/sostenibilita