Introduzione a Python per la Data Science

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.

Il corso intende fornire le conoscenze metodologiche ed applicative delle metodologie di base della statistica psicometrica, fondamento indispensabile per l’analisi quantitativa nell’ambito delle scienze psicologiche e cognitive, più in generale. Il corso introduce le scale di misura e fornisce cenni alla teoria della misurazione. Sono presentati i concetti di collettivo, popolazione e campione e di unità statistica. L’analisi descrittiva univariata e bivariata precede la parte dedicata all’inferenza statistica. La logica del processo inferenziale viene proposta sotto il profilo applicativo più che teorico, focalizzando l’attenzione sul significato di test statistico. Alcuni cenni ai fondamenti del calcolo delle probabilità, con particolare attenzione al teorema di Bayes, completano il programma.

Il corso introduce il discente alla inferenza statistica e alle sue applicazioni nel settore turismo. Le tematiche trattate rappresentano l’ideale proseguo del percorso di studio intrapreso nel corso di metodi quantitativi in cui si sono affrontati gli aspetti riguardanti la descrizione di un fenomeno con tabelle, grafici e indici statistici di sintesi.Il corso affronta le diverse fasi dell’indagine statistica, dal campionamento statistico all’utilizzo degli strumenti inferenziali per ottenere stime, puntuali o intervallari, e per verificare la plausibilità di ipotesi su una o più caratteristiche della popolazione oggetto di studio.In altre parole, lo scopo formativo del corso è di condurre lo studente verso una matura capacità di sintesi e di astrazione nella formalizzazione e nell’analisi dei problemi di economico-gestionali attraverso l’impiego degli strumenti di statistica inferenziale ritenuti più adeguati agli obiettivi di analisi e alle caratteristiche dei dati raccolti.Indice delle lezioni1. Introduzione al corso2. Variabili casuali di uso comune3. Il campionamento4. Stima puntuale e ad intervallo5. Statistiche campionarie6. Teoria dei test statistici7. Teoria della Stima8. Test statistici di uso comune9. Modello di Regressione Lineare Semplice10. Verifica del Modello di Regressione Lineare Semplice

La Scienza dei Dati è una scienza nuova; essa è basata sul grande sviluppo dei dati digitali, e sul loro utilizzo sempre più pervasivo e a volte intrusivo nella vita delle persone e nelle attività delle aziende e pubbliche amministrazioni. I dati digitali sono utilizzati nella ricerca e nelle attività produttive, per nuove scoperte scientifiche, per prendere decisioni più efficaci e per poter predire o interpretare fenomeni. Alla base della scienza dei dati sono la statistica e la informatica, che forniscono le tecniche e le tecnologie per elaborare e analizzare i dati nel loro ciclo di vita, e più in generale le scienze sociali, che studiano l’effetto dei dati e tecnologie digitali sulla comunicazione e sulla qualità della vita, l’economia digitale, le cui leggi innovano profondamente rispetto alla economia dei beni e dei servizi, le scienze giuridiche, che investigano le regole per applicare e per difendersi dalle nuove tecnologie, e l’etica, che fornisce gli strumenti per un corretto uso dei dati.