99107 - SCIENZA DEI DATI PER L'AMBIENTE

Conoscenze e abilità da conseguire

Conoscere e sapere applicare principali metodi di analisi e di modellazione di dati monovariati, bivariati e multivariati.

Contenuti

Prerequisiti

Fondamenti di statistica e teoria delle probabilità.

Programma

Elementi di ingegneria dei dati

• big data
• raccolta di dati grezzi
• trasformazione dei dati
• condivisione di dati (database, data lake, data wharehouse)

Statistica descrittiva

• Rappresentazione dei dati in forma sintetica (tabelle, grafici)
  
• Ordinamento e distribuzione dei dati
• Matrici codevianza, covarianza e correlazione
• Riduzione della dimensionalità dei dati (decomposizione ai valori singolari, analisi delle componenti principali, analisi dei fattori)
  
• Riconoscimento di strutture di relazione implicite fra i dati

Metodi di apprendimento

• Apprendimento supervisionato parametrico: regressione lineare
• Apprendimento supervisionato non parametrico: classificazione
• Apprendimento non supervisionato non parametrico: clustering
• Apprendimento automatico (Machine Learning, ML)
• Reti neurali artificiali (Artificial Neural Networks, ANN)
• Algoritmi genetici (Genetic Algorithms, GA)

Elementi di statistica inferenziale

Fondamenti di programmazione (scripting)

 Indagine statistica anonima

Una volta raggiunto il limite dei 2/3 delle lezioni svolte verrà effettuata una rilevazione statistica per conoscere le opinioni degli studenti in merito al corso allo scopo di poterlo rendere più efficace. Siti di riferimento:

• https://opinionistudenti.unibo.it  
  
• https://val.unibo.it/ (studente)
• https://val.unibo.it/demo.php (questionario)
• https://gestioneval.unibo.it (docente)

Calendario

1. 10/10/2025 9:00-13:00
2. 24/10/2025 9:00-13:00
3. 31/10/2025 9:00-13:00
4. 07/11/2025 9:00-13:00
   
5. 21/11/2025 9:00-13:00
6. 28/11/2025 9:00-13:00
   
7. 05/12/2025 9:00-13:00
   
8. 19/12/2025 9:00-13:00
   Pausa Natalizia
9. 07/01/2026 9:00-13:00
10. 09/01/2026 9:00-13:00
11. 12/01/2026 9:00-13:00
    
12. 14/01/2026 9:00-13:00
    
13. 19/01/2026 9:00-13:00
14. 21/01/2026 9:00-13:00

Testi/Bibliografia

Costituisce lettura necessaria alla preparazione dell’esame il materiale distribuito dalla docente tramite il dispositivo istituzionale dei materiali didattici Insegnamenti OnLine.

Per approfondire i contenuti del corso si suggeriscono i seguenti link utili:

• Data Science e Machine Learning: dai Dati alla Conoscenza
  Michele di Nuzzo
• Data Science. Guida ai Principi e alle Tecniche Base della Scienza dei Dati
  Sinan Ozdemir
• Modern Statistics with R From Wrangling and Exploring Data to Inference and Predictive Modelling
  Måns Thulin
• Statistica per Data Science con R
  Enrico Pegoraro
• R for Data Science
  Garrett Grolemund - Hadley Wickham
• Metodi Statistici per la Sperimentazione Biologica
  Alessandro Camussi, Frank Möller, Ercole Ottaviano, Mirella Sari Gorla
  Zanichelli, II edizione, 1995

Metodi didattici

L’insegnamento si compone di 6 CFU suddivisi in due moduli:

• modulo di teoria, 4 CFU
• modulo di laboratorio 2 CFU

La lezione ha una durata di 4 ore e prevede una parte teorica (lezione ed esercizi) seguita da esercitazioni pratiche svolte utilizzando i computer degli studenti, in modo che da acquisire dimestichezza con alcuni dei metodi alla base della materia.

In considerazione delle tipologie di attività e metodi didattici adottati, la frequenza di questa attività formativa richiede lo svolgimento dei moduli 1 e 2 in modalità e-learning:

• https://www.unibo.it/it/servizi-e-opportunita/salute-e-assistenza/salute-e-sicurezza/sicurezza-e-salute-nei-luoghi-di-studio-e-tirocinio

Modalità di verifica e valutazione dell'apprendimento

La verifica dell'apprendimento è volta ad accertare l'acquisizione sia delle conoscenze teoriche che delle abilità pratiche attese e il voto finale esprime una valutazione sui contenuti espressi durante la prova stessa.

Lo studente dovrà presentare un programma per l'analisi di un insieme di dati concordato con la docente, che fungerà da base per la discussione degli argomenti svolti a lezione.

La durata della prova è 30-45 minuti.

Gli studenti frequentanti discuteranno con la docente la possibilità di inserire una prova intermedia.

A titolo orientativo, si forniscono di seguito i parametri di valutazione:

• Insufficienza
  conoscenza lacunosa della materia
  mancanza di orientamento all’interno degli argomenti
  linguaggio inappropriato
  
• Sufficienza
  conoscenza minima della materia
  capacità di analisi che emerge solo con l'aiuto del docente
  linguaggio appena appropriato
  
• Adeguatezza
  buona conoscenza mnemonica della materia
  discreta capacità argomentativa
  linguaggio corretto
• Eccellenza
  visione chiara e padronanza della materia
  ottima capacità di elaborazione e argomentazione
  linguaggio specifico e appropriato

https://corsi.unibo.it/magistrale/AnalisiGestioneAmbiente/qualita-corso/@@esami-voto-medio

Strumenti a supporto della didattica

Lezioni tenute alla lavagna e con supporto del video-proiettore.

Esercizi numerici.

Esercitazioni al computer (personale).

Il materiale didattico presentato a lezione verrà messo a disposizione dello studente in formato elettronico sul sito istituzionale del corso.

Coloro che necessitino di strumenti compensativi per ragioni dipendenti da disabilità temporanee o permanenti o disturbi specifici dell’apprendimento (DSA) possono rivolgersi, con congruo anticipo, all’ufficio di Ateneo competente:

• https://site.unibo.it/studenti-con-disabilita-e-dsa/it

Sarà cura dell'ufficio proporre eventuali adattamenti, che dovranno essere sottoposti, con un anticipo di 15 giorni, all’approvazione del docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Orario di ricevimento

Consulta il sito web di Assimo Maris