Ateneo - UPO

- Cosa vuol dire data science?
- Tipi di dato e loro utilizzo
- Sviluppare progetti di data science
- Problemi supervisionati e non supervisionati
- Introdurre la data science nell’azienda
- Visualizzazione dei dati
- Regressione, classificazione e clustering
- Esempi pratici di analisi di dataset tramite metodi di data science

1. Provost, Foster, and Tom Fawcett. Data Science for Business: What you need to know about data mining and data-analytic thinking. O’Reilly Media, Inc., 2013
2. Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani, An Introduction to Statistical Learning with Applications in R, Springer (2013)
3. Cole Nussbaumer Knaflic. Storytelling with data. Wiley (2015)

- Conoscere il significato di intelligenza artificiale, machine learning e data science
- Comprendere le tipologie di problemi risolvibili con metodi di data science
- Tradurre un problema di business in uno o più problemi di data science
- Comprendere la necessità di un corretto utilizzo del dato
- Saper suggerire l’approccio di data science più indicato per risolvere un determinato problema tramite l’analisi del dato
- Conoscere le principali rappresentazioni di visualizzazione del dato
- Conoscere fonti di informazione aggiuntive dalle quali approfondire quanto appreso in autonomia

Lezioni frontali (in remoto) tramite slide
Lezioni frontali (in remoto) tramite analisi del dataset interattiva

Le lezioni di Data science avranno un taglio divulgativo e non eccessivamente tecnico. Questo significa che l’utilizzo di formule e concetti matematico \ statistici sarà minimizzato. Per la conoscenza dettagliata degli algoritmi di data science, si rimanda al testo suggerito 2.

Il partecipante sarà in grado di:
- Affrontare un problema di business tramite l’utilizzo di uno o più metodi di data science
- Utilizzare la rappresentazione più idonea per visualizzare diverse tipologie di dati
- Riconoscere gli elementi necessari (e come utilizzarli) per gestire un progetto di analisi del dato