Dettaglio insegnamento

Data Science with R

FA0460

Insegnamento
Data Science with R
Codice
FA0460
Anno Accademico
2025/2026
Anno regolamento
2021/2022
Corso di studio
FARMACIA
Curriculum
000 - CORSO GENERICO
Responsabile didattico
-
CFU
2
Ore di lezione
0
Settore Scientifico Disciplinare (SSD)
MAT/04 - MATEMATICHE COMPLEMENTARI
Tipo di insegnamento
Attività formativa monodisciplinare
Fruizione insegnamento
OPZ - Opzionale
Anno
5
Periodo
Secondo Semestre
Sede
NOVARA
Lingua insegnamento
Inglese
Contenuti
Il software R e il suo utilizzo per la rappresentazione grafica e l'analisi statistica dei dati, con un'introduzione ai principali pacchetti R per la manipolazione e la visualizzazione dei dati.
Testi di riferimento
Testo consigliato: R for Data Science (https://r4ds.hadley.nz ). Materiale di riferimento aggiuntivo e appunti del corso saranno pubblicati sul sito DIR
Obiettivi formativi
Conoscenza e comprensione: Il corso mira ad arricchire la conoscenza teorica di elementi di statistica e probabilità fornendo strumenti adeguati per il calcolo e l'analisi dei dati, mostrando inoltre come visualizzare i risultati. Lo strumento scelto è il software libero e open source R.
Capacità di applicare conoscenza e comprensione: Ci si attende che le studentesse e gli studenti siano in grado di utilizzare le conoscenze acquisite anche in ambito multidisciplinare, analizzando concretamente i dati e creando rappresentazioni grafiche professionali.
Autonomia di giudizio: Al termine del corso, ci si attende che le studentesse e gli studenti siano in grado di applicare i metodi appresi anche in situazioni diverse e, se necessario, possiedano gli strumenti per estendere autonomamente la propria conoscenza
Abilità comunicative: Al termine del corso, le studentesse e gli studenti dovrebbero acquisire la capacità di esprimere i risultati di un’analisi dati sia a livello numerico che grafico.
Capacità di apprendimento: Durante il corso, le studentesse e gli studenti acquisiranno la capacità di studiare e apprendere scegliendo un percorso personale con originalità, e dovranno essere in grado di selezionare le risorse appropriate, eventualmente anche online.
Prerequisiti
Conoscenze di base di matematica e di statistica.
Metodi didattici
La modalità di erogazione del corso (aula classica o aula informatica) sarà definita in base agli strumenti informatici in possesso degli studenti. Il corso prevede lezioni interattive, dimostrazioni pratiche di codice ed esercizi di laboratorio volti a facilitare l'applicazione diretta del software R.
Altre informazioni
Tutto il materiale di riferimento e ulteriori informazioni sono pubblicate sul sito DIR.
Le studentesse e gli studenti con disabilità o con Disturbi Specifici dell’Apprendimento (DSA) o con Bisogni Educativi Speciali (BES) possono richiedere servizi e strumenti specifici a loro dedicati rivolgendosi allo Staff Sviluppo e Coordinamento Carriere e Servizi alle Studentesse e agli Studenti e consultando la pagina dedicata del sito di Ateneo: https://uniupo.it/it/servizi/servizi-studenti-disabili-e-dsa
Le studentesse e gli studenti con disabilità, DSA, BES, una volta preso contatto con lo Staff di Ateneo, possono contattarmi in relazione alla declinazione delle modalità di esame, in merito agli aspetti didattici.
Modalità di verifica dell'apprendimento
La valutazione si baserà su una prova finale su computer. Le prove si svolgeranno sulla piattaforma DIR e consisteranno in una serie di esercizi volti ad affrontare le tematiche trattate durante il corso. La tipologia degli esercizi è varia, spaziando da semplici domande teoriche a quesiti più complessi che potranno richiedere lo scaricamento di dataset e la loro analisi. I quiz in itinere serviranno come preparazione e verifica intermedia per la prova finale.
Programma esteso
Il software R. Operazioni elementari. Funzioni e grafici. Import, export in R. I pacchetti di R. Strutture di dati. Matrici, liste, array. I dataframe. Lavorare con i dati: selezione di elementi, operatori logici. Cicli for e condizionali. Dati mancanti. Pacchetti grafici addizionali: ggplot2. Retta di regressione e curve di regressione. Anova. Introduzione ai modelli di farmacocinetica di base. Introduzione alle tecniche di clustering (es. K-means) e loro applicazione nell'analisi dei dati. Simulazioni. Manipolazioni di testo.
Risultati di apprendimento attesi
Al termine del corso, lo studente sarà in grado di:
Utilizzare le conoscenze acquisite in ambito multidisciplinare per analizzare dati e creare rappresentazioni grafiche professionali.
Applicare i metodi appresi anche in situazioni diverse e possedere gli strumenti per estendere la propria conoscenza in modo autonomo.
Esprimere i risultati di un'analisi dati sia a livello numerico che grafico.
Studiare e apprendere scegliendo un percorso personale con originalità, selezionando le risorse utili allo studio, anche online.
Ultimo aggiornamento:09-09-2026 00:14:31