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.
Calendario accademico
Il calendario accademico riporta le scadenze, gli adempimenti e i periodi rilevanti per la componente studentesca, personale docente e personale dell'Università. Sono inoltre indicate le festività e le chiusure ufficiali dell'Ateneo.
L’anno accademico inizia il 1° ottobre e termina il 30 settembre dell'anno successivo.
Calendario didattico
Il calendario didattico indica i periodi di svolgimento delle attività formative, di sessioni d'esami, di laurea e di chiusura per le festività.
Periodo | Dal | Al |
---|---|---|
primo semestre (lauree magistrali) | 5-ott-2020 | 23-dic-2020 |
secondo semestre (lauree magistrali) | 1-mar-2021 | 1-giu-2021 |
Sessione | Dal | Al |
---|---|---|
sessione invernale | 11-gen-2021 | 12-feb-2021 |
sessione estiva | 7-giu-2021 | 23-lug-2021 |
sessione autunnale | 23-ago-2021 | 17-set-2021 |
Sessione | Dal | Al |
---|---|---|
sessione autunnale (validità a.a. 2019/20) | 9-dic-2020 | 11-dic-2020 |
sessione invernale (validità a.a. 2019/20) | 7-apr-2021 | 9-apr-2021 |
sessione estiva (validità a.a. 2020/21) | 6-set-2021 | 8-set-2021 |
Periodo | Dal | Al |
---|---|---|
Vacanze di Natale | 24-dic-2020 | 6-gen-2021 |
Vacanze di Pasqua | 3-apr-2021 | 6-apr-2021 |
Vacanze estive | 9-ago-2021 | 15-ago-2021 |
Calendario esami
Gli appelli d'esame sono gestiti dalla Unità Operativa Segreteria dei Corsi di Studio Economia.
Per consultazione e iscrizione agli appelli d'esame visita il sistema ESSE3.
Per problemi inerenti allo smarrimento della password di accesso ai servizi on-line si prega di rivolgersi al supporto informatico della Scuola o al servizio recupero credenziali
Docenti
Vannucci Virginia
virginia.vannucci@univr.itPiano Didattico
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
Insegnamenti | Crediti | TAF | SSD |
---|
2° Anno Attivato nell'A.A. 2021/2022
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
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.
Machine learning for economics (2021/2022)
Codice insegnamento
4S008979
Docenti
Coordinatore
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
SECS-S/01 - STATISTICA
Periodo
secondo semestre (lauree magistrali) dal 21-feb-2022 al 13-mag-2022.
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
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.
Tipologia di Attività formativa D e F
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° | Il futuro conta (2 cfu) - 2020/21 | D |
Alessandro Bucciol
(Coordinatore)
|
1° | Il futuro conta (3 cfu) - 2020/21 | D |
Alessandro Bucciol
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° | Lab.: The fashion lab (1 cfu) | D |
Maria Caterina Baruffi
(Coordinatore)
|
1° | Lab.: The fashion lab (2 cfu) | D |
Maria Caterina Baruffi
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° | Disegno e simulazione di politiche economiche e sociali - 2020/2021 | D |
Federico Perali
(Coordinatore)
|
1° | Public debate and scientific writing - 2020/2021 | D |
Martina Menon
(Coordinatore)
|
1° | Wake up Italia - 2020/2021 | D |
Sergio Noto
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente | |
---|---|---|---|---|
1° | Professional communication for economics - 2020/2021 | D |
Claudio Zoli
(Coordinatore)
|
|
1° 2° | Business analytics: make your data make an impact - 2020/2021 | D |
Claudio Zoli
(Coordinatore)
|
Prospettive
Avvisi degli insegnamenti e del corso di studio
Per la comunità studentesca
Se sei già iscritta/o a un corso di studio, puoi consultare tutti gli avvisi relativi al tuo corso di studi nella tua area riservata MyUnivr.
In questo portale potrai visualizzare informazioni, risorse e servizi utili che riguardano la tua carriera universitaria (libretto online, gestione della carriera Esse3, corsi e-learning, email istituzionale, modulistica di segreteria, procedure amministrative, ecc.).
Entra in MyUnivr con le tue credenziali GIA: solo così potrai ricevere notifica di tutti gli avvisi dei tuoi docenti e della tua segreteria via mail e anche tramite l'app Univr.
Prova finale
La prova finale consiste in un elaborato in forma scritta di almeno 80 cartelle, che approfondisce un tema a scelta relativo a uno degli insegnamenti previsti dal piano didattico dello studente. Il tema e il titolo dell’elaborato dovranno essere selezionati in accordo con un docente dell’Ateneo di un SSD fra quelli presenti nel piano didattico dello studente. Il lavoro deve essere sviluppato sotto la guida del docente. La tesi è oggetto di esposizione e discussione orale, in una delle date appositamente stabilite dal calendario delle attività didattiche, dinanzi a una Commissione di Laurea nominata ai sensi del RDA. In accordo con il Relatore, la tesi potrà essere redatta e la discussione potrà svolgersi in lingua inglese.
Per maggiori informazioni e la consultazione delle scadenze e delle commissioni di laurea si rimanda all'apposita sezione dei Servizi di Segreteria studenti.
Elenco delle proposte di tesi
Proposte di tesi | Area di ricerca |
---|---|
PMI (SMES) and financial performance | MANAGEMENT OF ENTERPRISES - MANAGEMENT OF ENTERPRISES |
Corporate governance, financial performance and international business | Argomenti vari |
Esercitazioni Linguistiche CLA
Tirocini e stage
Nel piano didattico dei Corsi di Laurea triennale (CdL) e Magistrale (CdLM) di area economica è previsto uno stage come attività formativa obbligatoria. Lo stage, infatti, è ritenuto uno strumento appropriato per acquisire competenze e abilità professionali e per agevolare la scelta dello sbocco professionale futuro, in linea con le proprie aspettative, attitudini e aspirazioni. Attraverso l’esperienza pratica in ambiente lavorativo, lo studente può acquisire ulteriori competenze ed abilità relazionali.
Per informazioni specifiche, consultare il servizio di Segreteria studenti appositamente dedicato a Stage.
Gestione carriere
Area riservata studenti
Modalità di frequenza, erogazione della didattica e sedi
Le lezioni di tutti gli insegnamenti del corso di studio, così come le relative prove d’esame, si svolgono in presenza. In particolare si sottolinea l’importanza della partecipazione alle attività in aula per poter beneficiare dell’interazione con colleghe/i e docenti e della partecipazione ad attività di project work, presentazioni e lavori di gruppo che possono essere organizzati dai diversi insegnamenti.
Peraltro, come ulteriore servizio agli studenti, è altresì previsto che tali lezioni siano videoregistrate e che le videoregistrazioni vengano messe a disposizione sui relativi spazi e-learning degli insegnamenti salvo diversa comunicazione del singolo docente che potrà inoltre definire modalità e tempi di attivazione di tale servizio. Si sottolinea comunque che le registrazioni non rappresentano un sostituto rispetto alle lezioni e attività svolte in aula.
La frequenza non è obbligatoria.
Maggiori dettagli in merito all'obbligo di frequenza vengono riportati nel Regolamento del corso di studio disponibile alla voce Regolamenti nel menu Il Corso. Anche se il regolamento non prevede un obbligo specifico, verifica le indicazioni previste dal singolo docente per ciascun insegnamento o per eventuali laboratori e/o tirocinio.
È consentita l'iscrizione a tempo parziale. Per saperne di più consulta la pagina Possibilità di iscrizione Part time.
Le sedi di svolgimento delle lezioni e degli esami sono le seguenti