Management delle tecnologie, innovazione e sostenibilità

1. Introduzione al corso di studio 2. Significato operativo del Data mining. 3. Teoria delle basi di dati e preparazione delle grandi matrici di dati (big data). 4. Indicatori elementari e indici compositi. 5. Analisi fattoriale e in componenti principali. 6. Analisi dei gruppi di tipo gerarchico e non gerarchico. 7. Il Multi-dimensional scaling metrico e non metrico. 8. Analisi delle corrispondenze e delle correlazioni canoniche. 9. Analisi di regressione

Si richiedono conoscenze generali di statistica descrittiva e di matematica di base.

Le dispense del corso sono contenute in un apposito applicativo informatico (Google Drive) I libri di testo sono: Per la teoria: Maialetti M. - Sateriano A. (2024). Analisi esplorativa dei dati. CISU, Roma (ultima edizione). Per esercizi, parte pratica, applicazioni ed approfondimenti: Anzalone F.M - Maialetti M. - Salvati L. (2024). I territori del PNRR. Applicazioni economiche con indicatori statistici CISU, Roma. Gli studenti lavoratori e/o non frequentanti studieranno in aggiunta un terzo testo: Salvati L. (2024). Statistica, economia e sostenibilità. Indicatori per l'analisi regionale. Franco Angeli, Milano. Sono effettuate esercitazioni statistiche su software dedicato e gratuito.

Lezioni frontali. Esercitazioni.

Didattica in presenza necessaria

Scritta e orale, con possibilità di effettuare prove di esonero (scritte) in itinere e tesine di laboratorio/progetto anche su software dedicato.

Lo stesso di sopra

Lezioni frontali. Esercitazioni.