Data science per le organizzazioni
A.A. 2025/2026
Obiettivi formativi
Non definiti
Risultati apprendimento attesi
Non definiti
Periodo: Primo trimestre
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
Primo trimestre
Programma
1. Introduzione alla data science per le Scienze Sociali
2. Open Data, Open Access, Open Source
3. Il linguaggio R e il programma RStudio
4. Operazioni di Data Wrangling
5. Lettura di dati e operazioni di trasformazione fondamentali
6. Operazioni su date, stringhe alfanumeriche e valori mancanti
7. Gruppi e operazioni di aggregazione
8. Funzioni e operazioni multicolonna
9. Join di data frame
10. Operazioni su liste
Tutti gli argomenti sono corredati da esercitazioni pratiche, svolte o discusse in aula e da svolgere autonomamente su casi reali ricavati da Open Data pubblicamente disponibili. Svolgere numerosi esercizi è parte indispensabile della preparazione richiesta.
2. Open Data, Open Access, Open Source
3. Il linguaggio R e il programma RStudio
4. Operazioni di Data Wrangling
5. Lettura di dati e operazioni di trasformazione fondamentali
6. Operazioni su date, stringhe alfanumeriche e valori mancanti
7. Gruppi e operazioni di aggregazione
8. Funzioni e operazioni multicolonna
9. Join di data frame
10. Operazioni su liste
Tutti gli argomenti sono corredati da esercitazioni pratiche, svolte o discusse in aula e da svolgere autonomamente su casi reali ricavati da Open Data pubblicamente disponibili. Svolgere numerosi esercizi è parte indispensabile della preparazione richiesta.
Prerequisiti
Conoscenza di base dell'inglese necessaria per l'uso degli strumenti, dei dati e di parte della documentazione.
Uso di base di un personal computer e rete internet (es. creazione e gestione di file, cartelle, regole per i nomi dei file, installazione guidata di un programma, uso di browser e motori di ricerca, etc.) .
Uso di base di un personal computer e rete internet (es. creazione e gestione di file, cartelle, regole per i nomi dei file, installazione guidata di un programma, uso di browser e motori di ricerca, etc.) .
Metodi didattici
Metodi didattici
Le lezioni sono di tipo frontale e prevedono numerosi esempi pratici. Per questo può essere utile avere un proprio laptop per seguire gli esempi e le esercitazioni discusse in aula.
Le lezioni sono di tipo frontale e prevedono numerosi esempi pratici. Per questo può essere utile avere un proprio laptop per seguire gli esempi e le esercitazioni discusse in aula.
Materiale di riferimento
LIBRO DI TESTO
FONDAMENTI DI DATA SCIENCE - Python, R e OpenData
Marco Cremonini, Egea Editore, Giugno 2023. ISBN/EAN: 9788823823501
https://www.egeaeditore.it/ita/prodotti/ict-e-sistemi-informativi/fondamenti-di-data-science.aspx
Di questo testo useremo le sezioni dedicate al linguaggio R.
Questo libro di testo verrà usato anche per il corso di Data Visualization per il Management (ex-Organizzazioni e Società Digitali) del II anno.
FONDAMENTI DI DATA SCIENCE - Python, R e OpenData
Marco Cremonini, Egea Editore, Giugno 2023. ISBN/EAN: 9788823823501
https://www.egeaeditore.it/ita/prodotti/ict-e-sistemi-informativi/fondamenti-di-data-science.aspx
Di questo testo useremo le sezioni dedicate al linguaggio R.
Questo libro di testo verrà usato anche per il corso di Data Visualization per il Management (ex-Organizzazioni e Società Digitali) del II anno.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame è esclusivamente scritto con esercitazioni che richiedono l'uso del pc e dei software utilizzati durante il corso.
Non sono previste prove intermedie.
La valutazione si baserà sul grado di comprensione della logica computazionale, della familiarità raggiunta nell'analisi dei dati e nell'uso delle tecnologie impiegate durante il corso.
Non sono previste prove intermedie.
La valutazione si baserà sul grado di comprensione della logica computazionale, della familiarità raggiunta nell'analisi dei dati e nell'uso delle tecnologie impiegate durante il corso.
Docente/i
Ricevimento:
da concordare
online