Le basi della Scienza dei dati

L'enorme quantità di dati digitalmente disponibili in domini quali; salute, biologia, finanza, sicurezza, commercio elettronico, e reti sociali, per citarne solo alcuni, offre la straordinaria opportunità di far apprendere ai nostri computer come svolgere in modo ottimale compiti di nostro interesse, financo a raggiungere livelli di prestazione sovraumani come quanto accaduto per il gioco del Go, dove il campione Sud Coreano Lee Sedol si è recentemente ritirato dalle competizioni dopo esser stato pesantemente sconfitto dall'algoritmo AlphaGo. Il Machine Learning combina informatica, matematica, e statistica, con l'obiettivo di apprendere dai dati. Seguendo Tom M. Mitchell, diremo che un programma apprende dall'esperienza E con riferimento ad alcune classi di compiti T e con misurazione della performance P, se le sue performance nel compito T, come misurato da P, migliorano con l'esperienza E. Il corso ha carattere introduttivo e presenta le tre tipologie di machine learning; apprendimento supervisionato, apprendimento non supervisionato e apprendimento per rinforzo. Dedicheremo lezioni specifiche agli alberi di decisione, alle reti di neuroni artificiali, oggi in grande ascesa sotto il nome di Deep Learning. Inoltre, verranno presentati diversi algoritmi di clustering, ed il paradigma delle reti Bayesiane, che collega tra loro Machine Learning ed Intelligenza Artificiale. Il corso consiste di 8 lezioni dove le cartelle dedicate ad ogni argomento sono arricchite tramite figure e tabelle che costituiscono parte integrante del corso medesimo. Infine, oltre 250 quiz vengono resi disponibili al fine di offrire allo studente uno strumento per valutare il proprio livello di comprensione.

La data science richiede necessariamente la capacità di gestire e analizzare i dati tramite computer, in quanto le dimensioni dei dati non permettono di utilizzare procedure manuali.In questo corso viene introdotto il linguaggio di programmazione Python, che è uno dei principali linguaggi di programmazioni utilizzati nel mondo, e come questo linguaggio può essere usato efficacemente per gestire e analizzare dati. Il corso è disegnato per potere essere fruito anche da chi non ha precedenti esperienze di programmazione e porterà lo studente ad essere in grado di scaricare dati pubblici ed sfruttarli per rispondere ad alcune domande basilari, fra cui:da un dataset che contiene i risultati di tutte le gare di Formula 1, quale pilota ha vinto più gare, e quale ha corsi più GP?da un dataset di dati socio-economici, quali nazioni hanno maggiormente migliorato la propria situazione sanitaria?

Il linguaggio R è diventato negli anni lo standard di fatto nel mondo della statistica e della data science. Diversamente da altri linguaggi, R è proprio nato per esplorare, analizzare e rappresentare dati e implementa al suo interno molte di quelle strutture di dati che in altri linguaggi devono essere importate per mezzo di estensioni e librerie esterne. Un’ulteriore forza di R è che è open source e vanta migliaia di pacchetti scritti da scienziati e practitioners di tutto il mondo che ne estendono e aggiornano le funzionalità.Questo corso introduce il linguaggio R, cercando di chiarirne da subito la logica di lavoro. In tale modo il discente sarà meno soggetto agli errori tipici del neo-utilizzatore/programmatore R. Per meglio capire e memorizzare gli elementi del linguaggio R, invitiamo il discente ad installare R e RStudio sul proprio computer per potere esercitarsi replicando e facendo girare il codice esposto nelle lezioni e svolgendo gli esercizi suggeriti dal docente.Il corso è adatto a tutti coloro che abbiano già un’idea, per quanto vaga, degli elementi di base di un linguaggio di programmazione (variabili, operatori, funzioni, strutture di controllo quali if-then-esle e cicli for).