Lab: introduction to r
A.A. 2021/2022
Obiettivi formativi
The goal of this course is to provide students with a working knowledge of the software R for statistical data analysis and reporting. Students who complete the course will be shown how to use R for a variety of operations, including: data exploration and management, basic and advanced statistical operations (frequencies, hypothesis testing, linear regression), data visualization, and development of data products such as reports and slides.
Risultati apprendimento attesi
By the end of the course students will be able to read and write code in the R language, and will have a solid foundation on which to expand their R skills independently for their own needs.
Periodo: Primo trimestre
Modalità di valutazione: Giudizio di approvazione
Giudizio di valutazione: superato/non superato
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Periodo
Primo trimestre
Programma
Sessione 1: Installazione e impostazioni di R e RStudio, La logica delle programmazione a oggetti, Utilizzare R come una calcolatrice
Sessione 2: Tipi di oggetto, Tipi di valore e conversione, Le funzioni in R, Programmazione condizionale, Loop, Vettorizzazione semplice
Sessione 3: Librerie in R, Leggere e scrivere dati, Esplorare i dati
Sessione 4: Gestione dati 1 - base R
Sessione 5: Gestione dati 2 - tidyverse e dplyr
Sessione 6: Gestione dati 3 - data.table
Sessione 7: Visualizzazione dati
Sessione 8: Reportistica con R: R Markdown
Sessione 9: Regressione lineare con R (1)
Sessione 10: Regressione lineare con R (2)
Sessione 2: Tipi di oggetto, Tipi di valore e conversione, Le funzioni in R, Programmazione condizionale, Loop, Vettorizzazione semplice
Sessione 3: Librerie in R, Leggere e scrivere dati, Esplorare i dati
Sessione 4: Gestione dati 1 - base R
Sessione 5: Gestione dati 2 - tidyverse e dplyr
Sessione 6: Gestione dati 3 - data.table
Sessione 7: Visualizzazione dati
Sessione 8: Reportistica con R: R Markdown
Sessione 9: Regressione lineare con R (1)
Sessione 10: Regressione lineare con R (2)
Prerequisiti
Il corso procederà in parallelo al corso di Data Analysis (parte prima), e quindi si assumerà che alcune conoscenze saranno state acquisite in tale sede. Il corso non richiede alcuna competenza di programmazione pregressa.
Metodi didattici
La prima lezione sarà una presentazione generale del programma e del corso. Le lezioni seguenti saranno sessioni pratiche di laboratorio, nelle quali l'insegnante descriverà la logica alla base di determinate attività di gestione e analisi dati, e mostrerà il codice per eseguirle con R. Gli studenti metteranno in pratica quello che vedranno direttamente, e interagiranno con l'insegnante per chiarimenti.
Materiale di riferimento
Il corso non è basato su un libro di testo. I materiali, principalmente tutorial HTML, verranno forniti dal docente. Due letture consigliate per gli studenti che volessero approfondire gli argomenti affrontati in classe sono:
· Fox, J., and Weisberg, S. An R Companion to Applied Regression (3rd Edition). Sage, 2019
· Grolemund, G., and Wickham, H. R for Data Science. O'Reilly, 2017 (available online and for free at https://r4ds.had.co.nz/)
· Fox, J., and Weisberg, S. An R Companion to Applied Regression (3rd Edition). Sage, 2019
· Grolemund, G., and Wickham, H. R for Data Science. O'Reilly, 2017 (available online and for free at https://r4ds.had.co.nz/)
Modalità di verifica dell’apprendimento e criteri di valutazione
Gli studenti verranno valutati sulla base di 3 "compiti a casa" (2 esercizi semplici e un elaborato finale). Per ottenere i crediti gli studenti dovranno completare tutti e 3 gli esercizi in modo soddisfacente. La frequenza alle lezioni non è obbligatoria.
SPS/07 - SOCIOLOGIA GENERALE - CFU: 3
Laboratori: 20 ore
Docente:
Vegetti Federico