Salta ai contenuti. | Salta alla navigazione

Image Portlet
Home Giraldi Luca Didattica 2019/2020 Laboratorio di politica economica e big data analysis

Laboratorio di politica economica e big data analysis

  • A.A. 2019/2020
  • CFU 4, 4(m)
  • Ore 20, 20(m)
  • Classe di laurea L-20, LM-19(m)
Luca Giraldi /
Prerequisiti

Nessuna.

Obiettivi del corso

Gli obbiettivi formativi del laboratorio sono quelli di accrescere le competenze dello studente sul tema dell'utilizzo dei big data all'interno delle decisioni strategiche dei policy marker, in particolare nei settori strategici di intervento pubblico per lo sviluppo economico.
Il laboratorio si propone di sviluppare consapevolezza negli studenti circa le potenzialità di utilizzo degli strumenti dei big data per incrementare le forme tradizionali di informazione che creano le opinioni dei policy marker circa l'allocazione delle risorse pubbliche.
Al termine del laboratorio lo studente acquisirà conoscenze sui più innovativi strumenti di Big Data Analytics, di Data Visualization e sarà in grado di valutarne l'applicabilità e le ricadute in diversi contesti come quello turistico, culturale, politico ed in ultimo industriale.

Programma del corso

Il programma si articola in 20 ore di laboratorio in cui verranno trattati i seguenti argomenti:
Tipologie di Big Data e classificazione degli strumenti per l'elaborazione dei dati, Algoritmi di Machine Learning, Reti Neurali, Alberi Decisionali per il monitoraggio, interventi di fine tuning, analisi predittiva, Benchmarking delle tecnologie e metodi di implementazione in casi reali.
Verranno presentati casi pratici per illustrare le potenzialità e criticità di applicazione per la governabilità dei fenomeni economici e per la misurazione di nuove variabili come il benessere.
Al fine di sapere reperire, interpretare e rielaborare dati statistici, il laboratorio si propone di coinvolgere attivamente gli studenti attraverso l'utilizzo di tecniche di raccolta, trattamento, elaborazione e analisi dell'ambito della ricerca sociale.

In particolare:
- Disegno di ricerca ed indagine;
- Raccolta dati;
- Ricodifica, etichettatura, costruzione di nove variabili;
- elaborazione, analisi (monovariata, bivariata);
- diffusione dei risultati attraverso la rappresentazione grafica.

Testi (A)dottati, (C)onsigliati
  • 1.  (A) De Mauro Andrea Big Data Analytics. Analizzare e interpretare dati con il machine learning Apogeo , MI, 2019
  • 2.  (A) Sherman Rick Business Intelligence Guidebook: From Data Integration to Analytics (English Edition) Morgan Kaufmann, USA, 2014
Metodi didattici
  • Saranno forniti testi teorici e best pratices sull'utilizzo degli strumenti di Big Data Analytics.
    Saranno svolte lezioni frontali sui casi applicativi mediante presentazioni in Power Point ed esempi di elaborazioni con tabelle e grafici, utilizzo di data warehouse online (Istat, Eurostat, Eurofound, Worl Bank, etc.) e di software specifici (Excel, Moduli Google, Survey Monkey, SPSS, etc).
Modalità di valutazione
  • Nella prova orale allo studente viene richiesto di esporre i principali concetti su Machine Learning e Big Data Analytics e sugli approcci di analisi ed interpretazione dei dati per generare un processo di decisione che si basa sulla creazione di conoscenza non scontata, estrapolata dalla mole di dati a disposizione. Sarà valutata anche la qualità dei risultati dei lavori di gruppo in termini di accuratezza dei dati e metodi di elaborazione utilizzati.
  Torna alla scheda
  Materiali didattici
Avviso
I materiali didattici sono reperibili nella stanza Teams al link di seguito
Info
» NESSUNA STANZA TEAMS DISPONIBILE AL MOMENTO
  •  Testo di riferimento aggiuntivo

    Business Intelligence Guidebook: From Data Integration to Analytics (English Edition) - di Rick Sherman

  •  Testo di Riferimento

    Big Data Analytics. Analizzare e interpretare dati con il machine learning - di DeMauro Andrea