Tecnologie digitali per le organizzazioni

A.A. 2024/2025
6
Crediti massimi
40
Ore totali
SSD
INF/01
Lingua
Italiano
Learning objectives
L'insegnamento ha il duplice obiettivo di 1) familiarizzare gli studenti con tecnologie professionali e di ampio utilizzo per l'organizzazione, l'analisi e la visualizzazione di dati strutturati; 2) introdurre alla logica e all'uso di sequenze di comandi e costrutti di controllo (scripting) per l'analisi di dati.

Più in dettaglio, il corso ha i seguenti obiettivi:
1) Introdurre gli studenti all'analisi di dati per le Scienze Sociali e alle tecnologie open source;
2) Apprendere i principi di analisi di dati con R: linguaggio R, librerie, RStudio;
3) Imparare i principi della logica computazionale con tecnologie a linea di comando;
4) Apprendere i passi fondamentali per l'analisi dei dati: operazioni di data tidying e trasformazione;
5) Introdurre ai principi di visualizzazione di dati e delle principali tipologie di grafici (scatterplot, lineplot, bar chart, istogrammi, boxplot, marginals e varianti) attraverso l'uso della libreria ggplot2;
6) Introdurre all'uso di open data con esercizi utilizzando dati nel pubblico dominio di medio-bassa complessità;
7) Utilizzo di testi e documentazione tecnica in formato open, online e in lingua inglese.
Expected learning outcomes
Lo studente dovrà essere in grado di comprendere il significato e gli effetti di comandi in serie per l'organizzazione, l'analisi e la visualizzazione di dati. Dovrà essere in grado di realizzare gli script corrispondenti a richieste di selezione, manipolazione e visualizzazione rispetto a dataset predefiniti. Dovrà essere inoltre in grado di interpretare e correggere errori di sintassi e semantica nell'uso del linguaggio di specifica dei comandi. Dovrà infine essere in grado presentare argomentazioni circa le possibilità di analisi di dataset predefiniti, i risultati attesi o ottenibili dallo strumento utilizzato e le potenziali applicazioni.
Corso singolo

Questo insegnamento può essere seguito come corso singolo.

Course syllabus and organization

Edizione unica

Responsabile
Periodo
Primo trimestre

Programma
1. Introduzione alla data science per le Scienze Sociali
2. Open Data, Open Access, Open Source
3. Il linguaggio R e il programma RStudio
4. Operazioni di Data Wrangling
5. Lettura di dati e operazioni di trasformazione fondamentali
6. Operazioni su date, stringhe alfanumeriche e valori mancanti
7. Gruppi e operazioni di aggregazione
8. Funzioni e operazioni multicolonna
9. Join di data frame
10. Operazioni su liste

Tutti gli argomenti sono corredati da esercitazioni pratiche, svolte o discusse in aula e da svolgere autonomamente su casi reali ricavati da Open Data pubblicamente disponibili. Svolgere numerosi esercizi è parte indispensabile della preparazione richiesta.
Prerequisiti
Lettura e comprensione testi tecnici in inglese: conoscenza di base.
Uso di base di un personal computer e rete internet (es. creazione e gestione di file, cartelle, regole per i nomi dei file, installazione guidata di un programma, uso di browser e motori di ricerca, etc.) .
Metodi didattici
Metodi didattici
Le lezioni sono di tipo frontale. È utile avere un proprio laptop per seguire gli esempi e le esercitazioni discusse in aula.

Alcune esercitazioni saranno svolte dalla tutor del corso. La modalità potrà essere online o in presenza a seconda della disponibilità di aule. Queste ore di esercitazione sono in aggiunta alle 40 ore del corso tenute dal docente, non includono contenuti diversi da quelli discussi dal docente e pertanto sono facoltative ai fini della preparazione all'esame, tuttavia rappresentano un supporto all'apprendimento utile a numerosi studenti.
Materiale di riferimento
LIBRO DI TESTO
FONDAMENTI DI DATA SCIENCE - Python, R e OpenData
Marco Cremonini, Egea Editore, Giugno 2023. ISBN/EAN: 9788823823501
https://www.egeaeditore.it/ita/prodotti/ict-e-sistemi-informativi/fondamenti-di-data-science.aspx

Di questo testo useremo le sezioni dedicate al linguaggio R.
Questo libro di testo verrà usato anche per il corso di Organizzazioni e Società Digitali del II anno.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame è esclusivamente scritto con esercitazioni che richiedono l'uso del pc e dei software utilizzati durante il corso.
Non sono previste prove intermedie.
La valutazione si baserà sul grado di comprensione della logica computazionale, della familiarità raggiunta nell'analisi dei dati e nell'uso delle tecnologie impiegate durante il corso.
INF/01 - INFORMATICA - CFU: 6
Lezioni: 40 ore
Docente: Cremonini Marco
Professor(s)
Ricevimento:
da concordare
online