Applied statistics for mountain agri-environmental analyses
A.A. 2022/2023
Obiettivi formativi
To provide knowledge regarding the techniques, methods and tools for the collection, elaboration and interpretation of environmental data.
Risultati apprendimento attesi
The student will be able to plan the collection, elaboration and interpretation of environmental data using advanced statistic methodologies and techniques.
Periodo: Secondo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
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
Responsabile
Periodo
Secondo semestre
Programma
Il corso tratterà le varie fonti di dati disponibili in agricoltura, da quali sensori provengono e per cosa possono essere utilizzati. Verranno forniti i principali strumenti descrittivi e software per l'elaborazione, la visualizzazione e l'analisi dei dati. Saranno presi in considerazione dati tabulari, serie temporali e dati distribuiti spazialmente. In particolare verranno affrontati i seguenti temi:
- Introduzione all'agricoltura e alla silvicoltura di precisione e ruolo dei dati nella descrizione e gestione dei modelli agroambientali.
- Sorgenti dati: sensori di campo e telerilevamento
- Integrazione, pulizia e codifica di dati tabulari, temporali e spaziali.
- Modelli di base per la regressione, la classificazione e il clustering.
Le lezioni frontali saranno organizzate come una combinazione di esercitazioni teoriche ed esercitazioni di laboratorio software (utilizzando i linguaggi di programmazione R e Python) per consentire agli studenti di acquisire competenze operative sugli argomenti del corso. Verranno presentati anche casi d'uso del mondo reale attraverso seminari tenuti da esperti del settore.
- Introduzione all'agricoltura e alla silvicoltura di precisione e ruolo dei dati nella descrizione e gestione dei modelli agroambientali.
- Sorgenti dati: sensori di campo e telerilevamento
- Integrazione, pulizia e codifica di dati tabulari, temporali e spaziali.
- Modelli di base per la regressione, la classificazione e il clustering.
Le lezioni frontali saranno organizzate come una combinazione di esercitazioni teoriche ed esercitazioni di laboratorio software (utilizzando i linguaggi di programmazione R e Python) per consentire agli studenti di acquisire competenze operative sugli argomenti del corso. Verranno presentati anche casi d'uso del mondo reale attraverso seminari tenuti da esperti del settore.
Prerequisiti
Sono richieste nozioni di base di calcolo e algebra lineare.
Metodi didattici
Il corso prevede lezioni frontali, esercitazioni al computer e sul campo.
Materiale di riferimento
Durante il corso vengono inoltre suggeriti altri testi di consultazione, articoli originali, materiale multimediale ed i file PDF contenenti il materiale illustrato a lezione e oggetto delle esercitazioni pratiche aggiornato ogni anno che lo studente può scaricare dal sito personale del docente:
https://fgeunammmg.ariel.ctu.unimi.it/
https://fgeunammmg.ariel.ctu.unimi.it/
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame si articola in una prova scritta obbligatoria che può prevedere la soluzione di esercizi di tipo applicativo, analoghi a quelli affrontati nelle esercitazioni in aula e la discussione di concetti trattati nel corso.
SECS-S/01 - STATISTICA - CFU: 6
Esercitazioni: 32 ore
Lezioni: 32 ore
Lezioni: 32 ore
Docenti:
Ambrosini Roberto, Geuna Filippo
Docente/i
Ricevimento:
Martedì 10-12 tramite appuntamento via email da richiedere con qualche giorno di anticipo
6° piano torre C, via Celoria 26
Ricevimento:
Libero previo appuntamento
Passare col mouse su "DIPROVE - Sezione di Coltivazioni Arboree" alla pagina: https://www.unimi.it/sites/default/files/2019-01/SAAA_mappa_facolta.pdf