- Docente: Elena Morotti
- Crediti formativi: 4
- Lingua di insegnamento: Inglese
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
-
Corso:
Laurea Magistrale in
Politica, amministrazione e organizzazione (cod. 6776)
Valido anche per Laurea Magistrale in International relations (cod. 6749)
Conoscenze e abilità da conseguire
The workshop aims to equip students with soft skills that can prove useful in their future careers. The goal is to develop students' skills through hands-on exercises. The laboratory intends to make students acquire the methodological and technical-IT knowledge useful for the preparation of data for analysis (construction of data matrices) and for the application, through the use of statistical packages such as SPSS and STATA, of analysis techniques basic (monovariate analysis and evaluation of the relationships between qualitative and quantitative variables by means of the production of contingency tables and the corresponding measures of significance and association) applied to data obtained from national and international surveys.
Contenuti
Questo workshop propone agli studenti una ampia panoramica della disciplina della Data Science, con particolare attenzione alle tecniche di elaborazione per l’Analisi Esplorativa dei Dati per dati strutturati e agli algoritmi di machine learning per predizioni di Classificazione.
Nel dettaglio, i contenuti del corso sono:
- Introduzione ai Principi dell’Intelligenza Artificiale
Fondamenti dell’apprendimento dai dati: apprendimento supervisionato e non supervisionato.
Dall’apprendimento statistico al machine learning, deep learning e modelli generativi.
Focus sui modelli generativi del linguaggio e le sfide sociologiche emergenti nell’uso dell’IA.
- Analisi dei Dati nel Contesto dell’IA
Che cos’è l’Analisi dei Dati?
Tipi di dati e strutture dei dati.
Comprendere e gestire i dataset.
-
Analisi Esplorativa dei Dati
Statistiche descrittive: misure di tendenza centrale e di dispersione.
Introduzione alle distribuzioni dei dati e loro interpretazione. -
Classificazione
Capire il flusso di lavoro dell'apprendimento supervisionato, basato sull'addestramento e la valutazione.
Algoritmo dell'alberi decisionale per la classificazione.
Matrice di confusione, accuratezza, precisione, recall e altre metriche per la classificazione. -
Introduzione alla Programmazione in R
Primi passi con R e RStudio.
Comprensione dei tipi di dato, dei data frame e della sintassi di base.
Uso dei pacchetti per analisi e visualizzazione dei dati.
Implementazione di script R con librerie specifiche per la visualizzazione dei dati.
Gli argomenti saranno introdotti teoricamente e poi verificati tramite esercitazioni pratiche in laboratorio, con software basati su R.
ATTENZIONE: la frequenza è obbligatoria.
Studenti/sse con DSA o disabilità temporanee o permanenti:
Si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Testi/Bibliografia
Slide del docente
ROBERT, I., et al. "R in action: data analysis and graphics with R". 2011.
Metodi didattici
Lezioni frontali e di laboratorio al PC.
Modalità di verifica e valutazione dell'apprendimento
La verifica finale si compone di due fasi:
- Quiz a risposta multipla: Il quiz comprende 20 domande che coprono l'intero programma del corso. Il superamento del quiz (punteggio minimo 13/20) è necessario per procedere alla fase successiva.
- Valutazione del progetto: Gli studenti devono completare un progetto in cui analizzano dati utilizzando il linguaggio R. Il progetto sarà valutato positivamente se rispetta i criteri stabiliti dalla traccia fornita durante il corso, e dimostra competenze nell'uso di R e nella comprensione dei risultati ottenuti.
Al termine, verrà registrata una idoneità e non un voto espresso in trentesimi.
Strumenti a supporto della didattica
Slide del docente e script R sviluppati durante il corso.
Orario di ricevimento
Consulta il sito web di Elena Morotti