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 magistrale in Economics and data analysis - 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
B
SECS-P/05
1 module between the following
9
C
SECS-P/01
9
C
SECS-P/03
6
B
IUS/13
12
B
SECS-P/01
12
B
SECS-P/05 ,SECS-S/06
Stage
3
F
-

2° Anno  Attivato nell'A.A. 2021/2022

InsegnamentiCreditiTAFSSD
2 modules among the following
6
C
SECS-P/02
6
C
SECS-P/03
6
C
SECS-S/01
6
C
SECS-P/02
2 modules among the following
6
B
SECS-P/07
6
B
SECS-P/11
6
B
SECS-P/08
1 module between the following
9
C
SECS-P/02
9
C
SECS-P/05
9
B
SECS-P/01
Final exam
15
E
-
InsegnamentiCreditiTAFSSD
9
B
SECS-P/05
1 module between the following
9
C
SECS-P/01
9
C
SECS-P/03
6
B
IUS/13
12
B
SECS-P/01
12
B
SECS-P/05 ,SECS-S/06
Stage
3
F
-
Attivato nell'A.A. 2021/2022
InsegnamentiCreditiTAFSSD
2 modules among the following
6
C
SECS-P/02
6
C
SECS-P/03
6
C
SECS-S/01
6
C
SECS-P/02
2 modules among the following
6
B
SECS-P/07
6
B
SECS-P/11
6
B
SECS-P/08
1 module between the following
9
C
SECS-P/02
9
C
SECS-P/05
9
B
SECS-P/01
Final exam
15
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
9
D
-
Tra gli anni: 1°- 2°
Further language skills
3
F
-

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

Machine learning for economics  (2021/2022)

Codice insegnamento

4S008979

Docenti

Catia Scricciolo, Claudia Di Caterina

Coordinatore

Catia Scricciolo

Crediti

6

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

SECS-S/01 - STATISTICA

Periodo

secondo semestre (lauree magistrali) dal 21 feb 2022 al 13 mag 2022.

Orario Lezioni MoodleMoodle Seminari 0

Obiettivi formativi

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.

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


Libri di testo e riferimenti:
Gli appunti delle lezioni e i riferimenti ai capitoli dei libri di testo saranno resi disponibili sulla pagina web dell'e-learning.

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 d'esame

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 sessioni di laboratorio. Durante il corso i candidati avranno l'opportunità di
risolvere due compiti parziali che costituiranno parte integrante della valutazione finale. In alternativa, si potrà
svolgere un solo compito generale da consegnare prima dell'esame orale in una data che sarà comunicata in
seguito,
- una prova orale sulle lezioni teoriche 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