Metodi e linguaggi per il trattamento dei dati
A.A. 2022/2023
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.
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.
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
Parte 1 - metodi per l'analisi descrittiva: tabelle di frequenza, grafici, indici di posizione, di dispersione e di eterogeneità. Analisi di casi di studio utilizzando un ambiente software per l'analisi dei dati.
Parte 2 - metodi di inferenza statistica: stimatori della media e della varianza, intervalli di confidenza, test di ipotesi. Analisi di casi di studio utilizzando un ambiente software per l'analisi dei dati.
Parte 3 - accenno ai metodi di intelligenza artificiale: metodi supervisionati e non supervisionati; metodi per modelli di classificazione, metodi per modelli di previsione. Questioni importanti riguardo al machine learning. Valutazione della bontà di un modello.
Parte 2 - metodi di inferenza statistica: stimatori della media e della varianza, intervalli di confidenza, test di ipotesi. Analisi di casi di studio utilizzando un ambiente software per l'analisi dei dati.
Parte 3 - accenno ai metodi di intelligenza artificiale: metodi supervisionati e non supervisionati; metodi per modelli di classificazione, metodi per modelli di previsione. Questioni importanti riguardo al machine learning. Valutazione della bontà di un modello.
Prerequisiti
nessuno
Metodi didattici
Modalità di frequenza: Fortemente consigliata
Modalità di erogazione: lezioni frontali e laboratorio
Modalità di erogazione: lezioni frontali e laboratorio
Materiale di riferimento
Dispense sul sito Ariel
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste di una prova pratica (analisi di un semplice caso di studio utilizzando un ambiente software per l'analisi dei dati) seguita da una prova orale relativa agli argomenti trattati a lezione.
Docente/i
Ricevimento:
mercoledì dalle 10:30 alle 12:30 -- prendere appuntamento
via Celoria 18 quinto piano