- Docente: Anna Vesely
- Crediti formativi: 4
- SSD: SECS-S/01
- Lingua di insegnamento: Italiano
- Modalità didattica: Convenzionale - Lezioni in presenza
- Campus: Bologna
- Corso: Laurea Magistrale in Governance e politiche dell'innovazione digitale (cod. 5889)
-
dal 12/02/2025 al 30/04/2025
Conoscenze e abilità da conseguire
Il laboratorio si propone di fornire i concetti e gli strumenti necessari per l’esplorazione e la visualizzazione dei dati attraverso un approccio molto pratico di learning by doing. Al termine del laboratorio lo studente acquisirà una buona conoscenza e comprensione dei principi alla base dell’analisi dati e della costruzione di una visualizzazione efficace, coerentemente con il problema e gli utenti a cui l’attività è rivolta. Egli sarà in grado di applicare le conoscenze acquisite al fine di comunicare al meglio l’informazione contenuta all’interno di un insieme di dati, costruendo visualizzazioni a partire da dati grezzi utilizzando il linguaggio di programmazione Python e librerie dedicate (e.g., matplotlib, seaborn, plotly). Lo studente sarà inoltre in grado di osservare e criticare in modo costruttivo visualizzazioni dati realizzate da terzi.
Contenuti
Uso del linguaggio di programmazione Python per analisi descrittive e per la stesura di un report statistico:
- Tipi di dati e variabili, creazione e gestione di insiemi di dati, gestione dei dati mancanti
-
Analisi descrittive: classificazione di variabili e descrizione della loro distribuzione nel campione (univariata, bivariata e multivariata) attraverso tabelle, misure di sintesi e indici di associazione
- Rappresentazioni grafiche
- Modello di regressione lineare
- Probabilità di un evento: confronto tra gruppi tramite rischi relativi e odds ratio
Testi/Bibliografia
I materiali (slide e script Python) verranno forniti dalla docente.
Per approfondimenti:
- Alan Agresti, Maria Kateri, Statistica per data scientists con R e Python ed. EGEA, 2022.
- Philipp Kats , David Katz, Learn Python by building data science applications, ed. Packt, 2019.
Metodi didattici
Lezioni frontali in aula. Gli studenti sono incoraggiati a venire a lezione con il proprio laptop.
In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai Moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio, in modalità e-learning.
Modalità di verifica e valutazione dell'apprendimento
L'esame consisterà in una prova pratica di analisi dei dati in laboratorio informatico.
Strumenti a supporto della didattica
Il materiale didattico fornito dalla docente sarà reso disponibile su Virtuale.
Gli studenti con disabilità o disturbi specifici dell'apprendimento (DSA) sono pregati di informare la docente della propria condizione al fine di individuare l’adozione degli accorgimenti più opportuni alle loro esigenze.
Orario di ricevimento
Consulta il sito web di Anna Vesely
SDGs

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.