Metodi e linguaggi per il trattamento dei dati

A.A. 2024/2025
6
Crediti massimi
64
Ore totali
SSD
INF/01
Lingua
Italiano
Obiettivi formativi
L'insegnamento ha lo scopo di introdurre metodi e tecniche per descrivere, riassumere e trovare una struttura in un insieme di dati, con particolare attenzione a dati raccolti nell'ambito dei beni culturali.
Si accennerà a metodi statistici tradizionali e a quelli di intelligenza artificiale.
Risultati apprendimento attesi
Gli studenti saranno in grado di effettuare analisi esplorative di un insieme di dati, eseguire le inferenze di base, eseguire i principali test di ipotesi utilizzando un ambiente per l'analisi dei dati. Saranno inoltre a conoscenza delle principali tecniche di apprendimento automatico, per finalità sia di regressione che di classificazione e delle principali tematiche relative all'apprendimento automatico.
Corso singolo

Questo insegnamento può essere seguito come corso singolo.

Programma e organizzazione didattica

Edizione unica

Responsabile
Periodo
Secondo semestre

Programma
PARTE 1 : Ripasso dell'analisi esplorativa dei dati

1.1 Concetti di base dell'analisi esplorativa dei dati univariati
- Distribuzioni di frequenza e loro rappresentazione grafica
- Indici di posizione
- Indici di dispersione e di eterogeneità
- Confronto tra gruppi
- Trasformazioni dei dati
- "normalità" dei dati, il qq-plot.

1.2 Concetti di base dell'analisi esplorativa dei dati bivariati
- Tabelle di contingenza
- Diagramma di dispersione
- Indici di associazione e correlazione

PARTE 2: Modelli probabilistici
- Modelli discreti: uniforme, bernoulliana, binomiale, geometrica, Poisson
- Modelli continui: uniforme, esponenziale, normale
- Approssimazioni normali

PARTE 3: Statistica Inferenziale
- Stima puntuale: media campionaria, varianza campionaria
- Stima per intervalli: intervalli di confidenza
- Test di ipotesi: test per l'uguaglianza delle medie, test di normalità, test di indipendenza

PARTE 4: Apprendimento automatico
- Cosa significa "apprendere" da un insieme di dati
- Apprendimento supervisionato e non supervisionato
- Modelli di regressione
- Modelli di classificazione
- Tecniche di ricampionamento per apprendere modelli robusti
Prerequisiti
è richiesto aver seguito un corso di statistica di base
Metodi didattici
il corso è organizzato in una parte di lezioni frontali accompagnate da lezioni in laboratorio
Materiale di riferimento
slide presentate a lezione, script da eseguire nell'ambiente software
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste di due fasi: si inizia con una prova scritta in cui verrà chiesto di analizzare un caso di studio utilizzando l'ambiente software visto durante il corso; se si supera la prova scritta si accede alla prova orale. La valutazione è espressa in trentesimi.
INF/01 - INFORMATICA - CFU: 6
Laboratori: 32 ore
Lezioni: 32 ore
Docente/i
Ricevimento:
mercoledì dalle 10:30 alle 12:30 -- prendere appuntamento
via Celoria 18 quinto piano