Docenti: 12 gg lezione; 1 verifica; lezioni in presenza - le date verranno comunicate quanto prima

• Federico Francone: 
• Gabriele Russo Russo: 

L'obiettivo del modulo è quello di introdurre gli elementi essenziali della programmazione in Python; particolare attenzione sarà data alle procedure di web scraping e social data analysis. Si partirà con gli elementi di base di programmazione focalizzando l’attenzione sul linguaggio Python e su alcune librerie particolarmente utili per lo scopo del corso come numpy, scipy, mathplotlib, BeautifulSoup. Verrà trattato con dovuto interesse il mondo delle Basi Dati con necessari accenni a SQL e alle Strutture Dati per concludere con la progettazione di un sistema informativo semplice.

Programma:

• Fondamenti di Programmazione in Python
• Introduction: command line, Programming languages and Python introduction
• Python basis: Main DataTypes; Variables assignments; Comparison operators
• For loops; While loops; Defining functions
• Object Oriented Programming
• Datasets Manipulations

• Python libreries: Scipy, numpy, …

• Basi Dati

• SQL e strutture dati

• Case study

Docenti: docenti SAS - 0,5 g lezione (in presenza) - la data verrà comunicata quanto prima

La lezione introduce lo studente all’”universo” SAS, a SAS Viya analytics e ai primi elementi di programmazione. Si forniranno le specifiche per seguire un corso di elearning sulla programmazione base di SAS.

Docente: 11 gg lezione (in presenza); 2 gg di self learning; 1 verifica - le date verranno comunicate quanto prima

Alessandra Barone

Obiettivo del modulo è rendere autonomi i partecipanti nell’utilizzo degli strumenti, linguaggi e ambienti SAS utilizzati per le attività di accesso, gestione, organizzazione dei dati e per la preparazione di modelli e flussi destinati al trattamento ed analisi delle informazioni in essi contenuti, attraverso le componenti SAS. Questo corso è di preparazione per la certificazione di base in SAS.

Programma:

• Programmazione SAS 1 
• Programmazione SAS 2 

Programmazione SAS 2 - Case Study 

Docenti: 12 gg lezione; 1 verifica (lezioni in presenza) - le date verranno comunicate quanto prima

• Roberto Rocci
• Roberto Monte
• Maurizio Vichi

Nel modulo verranno mostrati gli approcci, i metodi ed i modelli fondamentali dello statistical learning. In particolare, verranno introdotte le principali tecniche di supervised learning a partire dal modello di regressione lineare e percorrendo alcune sue estensioni per high dimensional data (Ridge e Lasso) e per variabili risposta di diversa natura (Logit, Probit, Poisson regression). Su questa base saranno poi discusse le tecniche di unsupervised learning con particolare enfasi sui metodi per la riduzione dimensionale dei dati (data reduction: Factor Analysis, Cluster Analysis, Principal Component Analysis). Obiettivo del modulo è quello di illustrare il ragionamento statistico che, a partire dalla formulazione di un problema di ricerca, ci porta ad individuare dati e metodo, o modello, utili per una sua soluzione. Nell'ultima parte del modulo si affonteranno gli elementi essenziali dell'analisi delle Time series. 

Programma:

Modelli di analisi della dipendenza 

• Introduzione
• Analisi della dipendenza: modello lineare
• Analisi della dipendenza: modelli lineari generalizzati
• Modelli a variabili latenti: analisi fattoriale

Data reduction

• Cluster analysis
• Analisi in componenti principali

Time Series

• Modelli ARMA