BERGAMO
Dati Generali
Periodo di attività
Syllabus
Obiettivi Formativi
Al termine del corso, gli studenti e le studentesse saranno in grado di:
- descrivere e visualizzare dati multivariati utilizzando statistiche riassuntive e strumenti grafici appropriati;
- comprendere la geometria dei dati multivariati e il ruolo delle matrici di covarianza e di correlazione;
- applicare e interpretare l’analisi delle componenti principali;
- comprendere la distinzione tra PCA e analisi fattoriale;
- stimare e interpretare modelli fattoriali esplorativi;
- applicare metodi standard di clustering, inclusi algoritmi gerarchici e partizionali;
- comprendere i principi di base del clustering model-based;
- valutare criticamente i risultati di metodi di apprendimento non supervisionato mediante strumenti diagnostici, criteri di validazione e interpretazione sostantiva;
- implementare i principali metodi utilizzando software statistico, preferibilmente R.
Prerequisiti
Buona conoscenze di:
- statistica descrittiva e visualizzazione dei dati;
- probabilità e inferenza statistica;
- algebra lineare, incluse matrici, autovalori e autovettori;
- elementi di programmazione in R.
Metodi didattici
Il corso si articola in lezioni frontali ed esercitazioni/laboratori in R. Le lezioni frontali sono dedicate all’introduzione dei principali concetti teorici, alla presentazione dei metodi statistici e alla discussione della loro interpretazione. Le sessioni di laboratorio sono finalizzate all’applicazione dei metodi a dati reali o simulati.
Verifica Apprendimento
L’esame consiste in:
- una prova con domande aperte e domande a scelta multipla, relative ad argomenti teorici o a brevi applicazioni dei metodi studiati;
- esercizi da svolgere anche utilizzando il software R, finalizzati a valutare la capacità dello studente di analizzare diverse tipologie di dati e di interpretare gli output statistici.
L’esame comprende sia una componente teorica sia una componente pratica. Una valutazione positiva della parte teorica è necessaria per superare l’esame.
Alcuni esercizi pratici potranno eventualmente essere assegnati come lavoro da svolgere a casa, anche sotto forma di breve progetto.
Il docente si riserva la facoltà di richiedere un colloquio orale integrativo, anche successivamente allo svolgimento della prova scritta, qualora ciò sia ritenuto necessario ai fini della verifica dell’effettiva acquisizione delle conoscenze e competenze previste dagli obiettivi formativi dell'insegnamento e della corretta attribuzione della valutazione.
Contenuti
Il corso introduce i principali metodi statistici per l’analisi esplorativa di dati multivariati, con particolare attenzione all’apprendimento non supervisionato. Il corso copre la statistica descrittiva per dati multivariati, i metodi di riduzione della dimensionalità, i modelli a fattori latenti e le tecniche di clustering. L’enfasi è posta sia sui fondamenti matematici sia sull’interpretazione pratica dei metodi, con applicazioni a dati reali mediante software statistico.
Il corso parte dalla rappresentazione e dalla visualizzazione dei dati multivariati, per poi passare all’analisi delle componenti principali e alle tecniche correlate di riduzione della dimensionalità. I modelli fattoriali sono introdotti come modelli a variabili latenti per spiegare le strutture di covarianza. La parte finale del corso è dedicata al clustering e include metodi basati su distanze, clustering gerarchico, metodi partizionali e clustering (raggruppamento) basato su modelli.
Altre informazioni
Tutti i materiali didattici saranno disponibili sulla pagina Moodle del corso. Gli studenti e le studentesse sono invitati a iscriversi alla pagina per ricevere tempestivamente avvisi, messaggi e aggiornamenti sullo svolgimento delle lezioni.
La frequenza è fortemente consigliata. Gli studenti e le studentesse impossibilitati a frequentare sono invitati a contattare i docenti per ricevere indicazioni sul programma e sui materiali didattici. Le modalità della prova d’esame sono identiche sia per i frequentanti sia per i non frequentanti.