2. Docenti
  3. TROIANO Luigi
  4. Didattica

LABORATORIO DI INFORMATICA

Luigi TROIANO LABORATORIO DI INFORMATICA

0212800021
DIPARTIMENTO DI SCIENZE ECONOMICHE E STATISTICHE
CORSO DI LAUREA
STATISTICA PER I BIG DATA
2021/2022

ANNO CORSO 3
ANNO ORDINAMENTO 2018
SECONDO SEMESTRE
CFUOREATTIVITÀ
530LEZIONE
LUIGI TROIANO T Curriculum
Obiettivi
LA CONOSCENZA PRATICA DI STRUMENTI ORIENTATI ALL’ANALISI DATI RIVESTE UN RUOLO FONDAMENTALE NEL PROFILO DI COMPETENZE CHE OGGI VENGONO RICHIESTE NELLE MODERNE ORGANIZZAZIONI GUIDATE DAI DATI.

IL CORSO DI LABORATORIO DI INFORMATICA INTENDE FORNIRE UN’ESPERIENZA PRATICA NELLA SOLUZIONE DI PROBLEMI DI ANALISI UTILIZZANDO PYTHON E LE RELATIVE LIBRERIE.

CONFORMEMENTE A QUANTO PREVISTO DAI DESCRITTORI DI DUBLINO (I-V), ALLA FINE DEL CORSO STUDENTESSE E STUDENTI AVRANNO ACQUISITO LE SEGUENTI CONOSCENZE E ABILITA’:

I. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: STUDENTESSE E STUDENTI ACQUISIRANNO CONOSCENZA PRATICA NELLO SVILUPPO DI SOLUZIONI BASATE SU PANDAS, SCIKIT-LEARN E PYSPARK.

II. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: STUDENTESSE E STUDENTI SARANNO IN GRADO DI APPLICARE LE CONOSCENZE ACQUISITE PER IDEARE, CODIFICARE E VALIDARE SOLUZIONI ALGORITMICHE IN PIENA AUTONOMIA.

III. AUTONOMIA DI GIUDIZIO: STUDENTESSE E STUDENTI SARANNO IN GRADO DI FORMARSI UN GIUDIZIO CRITICO INDIPENDENTE CIRCA LE SCELTE IMPLEMENTATIVE DEL CODICE.

IV. ABILITÀ NELLA COMUNICAZIONE: STUDENTESSE E STUDENTI SAPRANNO COMUNICARE LE COMPETENZE ACQUISITE CON LINGUAGGIO APPROPRIATO, ESPRIMERE ED ARGOMENTARE LE PROPRIE OPINIONI SULLE QUESTIONI DI MAGGIORE INTERESSE AFFRONTATE NEL CORSO.

V. CAPACITÀ DI APPRENDIMENTO: STUDENTESSE E STUDENTI ACQUISIRANNO LA CAPACITÀ DI APPRENDERE E AGGIORNARE LE CONOSCENZE SUI TEMI OGGETTO DEL CORSO.
Prerequisiti
PROGRAMMAZIONE; ALGORITMI E STRUTTURE DATI; ANALISI E VISUALIZZAZIONE DEI DATI; ARCHITETTURE PER I BIG DATA; MODELLI PROBABILISTICI PER L'ANALISI DEI DATI
Contenuti
MODULO UNICO DI 30 ORE, DI CUI 8 DI LEZIONE FRONTALE E 22 DI ESERCITAZIONE.

IDEAZIONE, CODIFICA E VALIDAZIONE DI SOLUZIONI ALGORITMICHE NELLA COSTRUZIONE DI MODELLI PER L'ANALISI DATI BASATI SU PYTHON E LE SUE LIBRERIE PANDAS, SCIKIT-LEARN E PYSPARK.
Metodi Didattici
IL CORSO HA UN'IMPOSTAZIONE ORIENTATA ALLA PRATICA APPLICAZIONE DI TECNICHE PER IL CODING DI SOLUZIONI ALGORITMICHE.
Verifica dell'apprendimento
PROVA SCRITTA BASATA SU ESERCIZI DI PROGRAMMAZIONE E DOMANDE A RISPOSTA MULTIPLE.
Testi
DISPENSE FORNITE DAL DOCENTE.
Altre Informazioni
E' RICHIESTA LA FREQUENZA REGOLARE AL CORSO SECONDO I CRITERI DEFINITI DALL’AREA DIDATTICA.
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2022-11-21]