Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
LUCA VIRGILI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [EM11] DATA SCIENCE PER L'ECONOMIA E LE IMPRESE Master Degree (2 years) - [EM11] DATA SCIENCE FOR ECONOMICS AND BUSINESS
Dipartimento: [040002] Dipartimento Scienze Economiche e SocialiDepartment: [040002] Dipartimento Scienze Economiche e Sociali
Anno di corsoDegree programme year : 2 - Secondo Semestre
Anno offertaAcademic year: 2023-2024
Anno regolamentoAnno regolamento: 2022-2023
Opzionale
Crediti: 3
Ore di lezioneTeaching hours: 22
TipologiaType: D - A scelta dello studente
Settore disciplinareAcademic discipline: NN - Indefinito/Interdisciplinare
ITALIANO
Italian
Conoscenze di base sul linguaggio Python ed i concetti principali della Data Science.
Basic knowledge of the Python language and key concepts of Data Science.
Il corso si svolgerà tramite esercitazioni e lezioni teoriche.
The course includes both practical and theoretical lessons.
L'obiettivo del corso è fornire una descrizione dettagliata degli approcci tipici della Data Science tramite il linguaggio di programmazione Python e le relative librerie. Inoltre, si studierà una soluzione per la creazione di data apps. L’ambiente di sviluppo di riferimento sarà Jupyter Notebook e PyCharm.
Capacità di applicare conoscenze e comprensione.
Al termine del corso, gli studenti saranno in grado di implementare i principali approcci per risolvere problemi tipici della Data Science tramite Python e le relative librerie. Queste competenze verranno acquisite attraverso lo sviluppo di esercizi che richiedono l'applicazione delle metodologie e dei concetti descritti durante le lezioni.
Competenze trasversali.
Le competenze acquisite in questo corso mirano a fornire allo studente alcuni strumenti per affrontare progetti di Data Science tramite Python e le relative librerie. Lo studente potrà utilizzare alcune delle metodologie presentate a lezione tramite altri linguaggi di programmazione.
Knowledge and Understanding.
The goal of the course is to provide a detailed description of typical approaches in Data Science using the Python programming language and its related libraries. Additionally, a solution for creating data apps will be studied. The reference development environments will be Jupyter Notebook and PyCharm.
Capacity to apply Knowledge and Understanding.
At the end of the course, students will be able to apply the typical approaches of Data Science using Python and its related libraries. These skills will be acquired through exercises that require the application of methodologies and concepts described during the lessons.
Transversal Skills.
The skills acquired in this course aim to provide students with tools to address Data Science projects using Python and its related libraries. The student will be able to apply some of the methodologies presented in class through other programming languages as well.
(1) Caricamento e manipolazione dei dati tramite Python e relative librerie.
(2) Approcci di Data Visualization tramite Python e le relative librerie.
(3) Studio dei principali approcci per affrontare problemi tipici della Data Science e del Machine Learning tramite Python e relative librerie.
(4) Esempio di creazione di data apps tramite Python e le relative librerie.
(1) Loading and manipulation of data using Python and its related libraries.
(2) Data Visualization approaches using Python and its related libraries.
(3) Study of approaches to address typical problems in Data Science and Machine Learning using Python and its related libraries.
(4) Example of data apps creation using Python and its related libraries.
L’esame prevede la realizzazione di un progetto di Data Science con relativa tesina ed una prova orale in cui si discuteranno i risultati ottenuti. Il progetto si svolgerà in gruppo e richiederà l’utilizzo di Python e delle relative librerie su insiemi di dati reali scelti dagli studenti.
Per gli di studenti con disabilità/invalidità o disturbo specifico di apprendimento (DSA), che abbiano fatto debita richiesta di supporto per affrontare lo specifico esame di profitto all’Info Point Disabilità/DSA dell’Ateneo, le modalità di esame saranno adattate alla luce di quanto previsto dalle linee guida di Ateneo (https://www.univpm.it/Entra/Accoglienza_diversamente_abili).
Criteri di valutazione dell'apprendimento.
Per superare l’esame lo studente deve dimostrare, attraverso lo svolgimento del progetto e della prova orale, di aver compreso i concetti fondamentali del corso e di aver acquisito competenze sulle metodologie di svolgimento di un progetto di Data Science tramite Python. La valutazione massima è attribuita agli studenti che dimostrino un’ottima conoscenza del linguaggio e delle relative librerie, un’ottima capacità di interpretazione e presentazione dei risultati ottenuti nel progetto.
Criteri di misurazione dell'apprendimento.
Viene attribuito un voto in trentesimi con eventuale lode
Criteri di attribuzione del voto finale.
Il voto complessivo dipende principalmente dalla qualità dei progetti e dal contributo che lo studente dimostrerà di aver dato ad essi. Durante la prova orale, verrà presa in considerazione la qualità della presentazione del progetto e la padronanza degli argomenti del corso.
Learning Evaluation Methods.
The exam includes the development of a Data Science project along with a detailed report and an oral exam to discuss the obtained results. The project will be conducted in groups and will require the use of Python and its related libraries on real datasets chosen by the students.
For students with disabilities or Specific Learning Disorders (SLD) who have contacted the University Disability/SLD Info Point to request support for the specific curricular exam, please note that the way the exam is taken can be adapted in accordance with the University Guidelines (https://www.univpm.it/Entra/Accoglienza_diversamente_abili).
Learning Evaluation Criteria.
To pass the exam, the student must demonstrate, through the project and the oral exam, their understanding of the fundamental concepts of the course and their proficiency in the methodologies of carrying out a Data Science project using Python. The highest grades will be given to students who exhibit excellent knowledge of the language and its related libraries, as well as exceptional skills in interpreting and presenting the project's results.
Learning Measurement Criteria.
The student learning will be measured with a maximum of 30 points, possibly cum laude.
Final Mark Allocation Criteria.
The overall grade depends primarily on the quality of the projects and the contribution demonstrated by the student. During the oral exam, the quality of the project presentation and the knowledge of the course topics will be taken into consideration.
Dispense fornite dal docente
•J. Grus. “Data science con python. Dai fondamenti al machine learning”. O’Reilly, 2021.
•A. Geron. “Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition”. O’Reilly, 2019.
•S. Skiena. “The Data Science Design Manual”. Springer, 2017.
Slides provided by the professor.
• J. Grus. “Data science con python. Dai fondamenti al machine learning”. O’Reilly, 2021.
• A. Geron. “Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition”. O’Reilly, 2019.
• S. Skiena. “The Data Science Design Manual”. Springer, 2017.
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2023-2024
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427