Senza categoria

Corso di formazione: Statistica di base

Introduzione al corso

Il corso mira a fornire le idee chiave della disciplina e gli strumenti tecnici di base utili per l’analisi dei dati univariata e multivariata. Attraverso l’analisi di esempi reali sarà possibile acquisire le tecniche elementari dell’analisi statistica volte alla descrizione, sintesi e rappresentazione grafica dei dati, fino ad arrivare a un primo approccio di modellazione nell’ambito della regressione lineare.

Il corso permetterà di apprendere come svolgere analisi esplorative dei dati, comprendere i principi chiave della teoria della probabilità e selezionare test di significatività e modelli statistici appropriati per diversi contesti. Saranno infine acquisite alcune competenze fondamentali che costituiscono la base per affrontare argomenti più avanzati nel campo dell’analisi statistica e del machine learning.

Argomenti del corso

• Introduzione alla statistica
• Indici di posizione e dispersione
• Principali strumenti grafici
• Correlazione e indipendenza
• Introduzione alla probabilità
• Concetto di distribuzione e principali distribuzioni di probabilità
• Introduzione all’inferenza e alla regressione

Struttura del corso

Il corso avrà una durata complessiva di 12 ore, suddivise in quattro lezioni da 3 ore ciascuna, e si terrà in presenza presso il Dipartimento di Scienze Statistiche dell’Università di Padova.

I docenti del corso sono Tommaso Canesso e Nicoletta Parise, analisti dati di Farestat, il centro di consulenza e formazione del Dipartimento di Scienze Statistiche, Unipd.

Il corso è rivolto a professionisti che si approcciano all’analisi dei dati, si attiverà al raggiungimento di 5 partecipanti e prevede un costo promozionale di 500 euro.

Per info scrivere a far@stat.unipd.it

Se sei interessato a partecipare al corso compila il modulo.

Corso di formazione: Fondamenti di R

Introduzione al corso

Il corso si pone l’obiettivo di fornire le basi di programmazione in R, un linguaggio di programmazione e ambiente software orientato all’analisi statistica. R è ampiamente utilizzato da analisti dei dati, statistici e data scientist di tutto il mondo. Il corso prevede un’introduzione a R, dall’installazione alle funzioni statistiche di base, passando per l’analisi grafica e l’elaborazione dei dati.

Il corso fornirà gli strumenti per avvicinarsi in modo pratico al mondo dell’analisi dei dati, permettendo di comprendere al meglio la struttura e l’organizzazione dei dataset, il significato e l’informazione che si può estrarre da essi e la corretta comunicazione dei risultati tramite strumenti grafici di rapido impatto e facile comprensione.

Argomenti del corso

• Download e installazione di R
• Definizione di linguaggio a oggetti e classi in R
• Principali strutture dati: data frame, liste, matrici
• Importazione di dati esterni e salvataggio del workspace
• Manipolazione ed elaborazione dati
• Gestione di dati mancati e valori anomali
• Rappresentazione e comunicazione grafica di dati e risultati

Struttura del corso

Il corso avrà una durata complessiva di 12 ore, suddivise in quattro lezioni da 3 ore ciascuna, e si terrà in presenza presso il Dipartimento di Scienze Statistiche dell’Università di Padova.

I docenti del corso sono Tommaso Canesso e Nicoletta Parise, analisti dati di Farestat, il centro di consulenza e formazione del Dipartimento di Scienze Statistiche, Unipd.

Il corso è rivolto a professionisti che si approcciano all’analisi dei dati, si attiverà al raggiungimento di 5 partecipanti e prevede un costo promozionale di 500 euro.

Per info scrivere a far@stat.unipd.it

Se sei interessato a partecipare al corso compila il modulo.

Corso di formazione: Data Ethics e Fairness in Machine Learning

Introduzione al corso

Il corso si articola in due moduli.

Nel primo modulo (2 ore) viene fornita un’introduzione ai concetti di Data Ethics e ai principi della General Data Protection Regulation (GDPR) nell’ambito dell’analisi dei dati in azienda, evidenziando l’importanza e la rilevanza di questi aspetti per la Business Analytics. Vengono identificati i principi chiave della GDPR che ogni analista dei dati dovrebbe conoscere, e viene proposto un approccio concreto per incorporare questi principi in ciascuna fase di un processo di analisi dei dati.  Si discute infine di come un processo di analisi potrebbe andare oltre ‘regole codificate’, considerando una più ampia prospettiva etica nell’utilizzo dei dati, nel loro processamento, nella presentazione e discussione dei risultati.

Nel secondo modulo (2 ore) si esplora il paradosso dell’etica nell’intelligenza artificiale. Un algoritmo può essere razzista, sessista o discriminatorio? Può un computer essere davvero imparziale?

Se da un lato l’automazione dei processi decisionali promette di eliminare i pregiudizi umani e di garantire obiettività, dall’altro l’etica dell’intelligenza artificiale presenta un paradosso insidioso. Gli algoritmi, infatti, non sono entità separate dalla società che li crea. Rispecchiano, spesso inconsapevolmente, le distorsioni e i pregiudizi presenti nei dati su cui vengono stimati. Il modulo “Fairness e Bias nel Machine Learning” propone una panoramica su questo tema complesso, fornendo una comprensione sul concetto di distorsione negli algoritmi, delle sue cause e dei suoi effetti, proponendo soluzioni concrete per mitigare questo problema.

I docenti del corso sono Mariangela Guidolin, docente di Statistica Aziendale nei corsi di Laurea Magistrale di Scienze Statistiche e Data Science, Unipd, ed Emanuele Aliverti, docente di Analisi dei dati e metodi statistici per dati funzionali nel corso di Laurea in Scienze Statistiche, Unipd.

Il corso è aperto a tutti coloro che sono interessati all’argomento, si attiverà al raggiungimento di 5 partecipanti e prevede un costo promozionale di 250 euro.

Per info scrivere a far@stat.unipd.it

Se sei interessato a partecipare al corso compila il modulo.

Corso di formazione: Functional Data Analysis

Introduzione al corso

Il corso mira a fornire una panoramica introduttiva dell’analisi dei dati funzionali, un approccio rivoluzionario che tratta le osservazioni come funzioni continue anziché singoli punti discreti. Questa metodologia si rivela sempre più cruciale in particolare nelle aziende manufatturiere ma in generale in tutti quei settori (salute, produzione energie rinnovabili, chimica) che hanno beneficiato della crescente disponibilità di sensori IoT per il monitoraggio.

Durante il corso, verranno introdotti approcci moderni per l’analisi dei dati funzionali, compresi metodi di rappresentazione, smoothing e pre-processing delle funzioni. Particolare attenzione sarà rivolta al clustering funzionale al fine raggruppare funzioni simili e identificare sottogruppi tra loro coerenti all’interno di grandi insiemi di dati complessi.

Attraverso un mix equilibrato di teoria e pratica tramite il linguaggio R, i partecipanti acquisiranno competenze fondamentali per comprendere, visualizzare e analizzare dati funzionali.

Argomenti del corso

• Introduzione al dato funzionale
• Metodi di rappresentazione, smoothing
• Metodi di allineamento
• Clustering per dati funzionali

Struttura del corso

• 2 ore di aula
• 2 ore di laboratorio informatico tramite case studies

Il docente del corso è Antonio Canale, docente di Metodi Statistici per l’analisi di Big Data e dati complessi nei corsi di Laurea Triennale e Magistrale di Scienze Statistiche, Unipd.

Il corso è aperto a tutti coloro che sono interessati all’argomento, si attiverà al raggiungimento di 5 partecipanti e prevede un costo promozionale di 250 euro.

Per info scrivere a far@stat.unipd.it

Se sei interessato a partecipare al corso compila il modulo.

#CallForInterest

Corso di formazione: Functional Data Analysis

2 Maggio 2024 – Padova – Dipartimento di Scienze Statistiche

Introduzione al corso

Il corso mira a fornire una panoramica introduttiva dell’analisi dei dati funzionali, un approccio rivoluzionario che tratta le osservazioni come funzioni continue anziché singoli punti discreti. Questa metodologia si rivela sempre più cruciale in particolare nelle aziende manufatturiere ma in generale in tutti quei settori (salute, produzione energie rinnovabili, chimica) che hanno beneficiato della crescente disponibilità di sensori IoT per il monitoraggio.

Durante il corso, verranno introdotti approcci moderni per l’analisi dei dati funzionali, compresi metodi di rappresentazione, smoothing e pre-processing delle funzioni. Particolare attenzione sarà rivolta al clustering funzionale al fine raggruppare funzioni simili e identificare sottogruppi tra loro coerenti all’interno di grandi insiemi di dati complessi.

Attraverso un mix equilibrato di teoria e pratica tramite il linguaggio R, i partecipanti acquisiranno competenze fondamentali per comprendere, visualizzare e analizzare dati funzionali.

Argomenti del corso

• Introduzione al dato funzionale
• Metodi di rappresentazione, smoothing
• Metodi di allineamento
• Clustering per dati funzionali

Struttura del corso

• 2 ore di aula
• 2 ore di laboratorio informatico tramite case studies

Il corso si terrà il 2 Maggio 2024 a Padova, presso il Dipartimento di Scienze Statistiche, dalle ore 14.00 alle ore 18.00.

Il docente del corso è Antonio Canale, docente di Metodi Statistici per l’analisi di Big Data e dati complessi nei corsi di Laurea Triennale e Magistrale di Scienze Statistiche, Unipd.

Il corso è aperto a tutti coloro che sono interessati all’argomento. Le iscrizioni saranno aperte fino al 22 Aprile 2024 (20 posti disponibili) e il costo di partecipazione è di 250 euro.

Per info scrivere a far@stat.unipd.it

Per l’iscrizione clicca qui

#CallForInterest

Corso di formazione: Data Ethics e Fairness in Machine Learning

2 Maggio 2024 – Padova – Dipartimento di Scienze Statistiche

Il corso si articola in due moduli.

Nel primo modulo (2 ore) viene fornita un’introduzione ai concetti di Data Ethics e ai principi della General Data Protection Regulation (GDPR) nell’ambito dell’analisi dei dati in azienda, evidenziando l’importanza e la rilevanza di questi aspetti per la Business Analytics. Vengono identificati i principi chiave della GDPR che ogni analista dei dati dovrebbe conoscere, e viene proposto un approccio concreto per incorporare questi principi in ciascuna fase di un processo di analisi dei dati.  Si discute infine di come un processo di analisi potrebbe andare oltre ‘regole codificate’, considerando una più ampia prospettiva etica nell’utilizzo dei dati, nel loro processamento, nella presentazione e discussione dei risultati.

Nel secondo modulo (2 ore) si esplora il paradosso dell’etica nell’intelligenza artificiale. Un algoritmo può essere razzista, sessista o discriminatorio? Può un computer essere davvero imparziale?

Se da un lato l’automazione dei processi decisionali promette di eliminare i pregiudizi umani e di garantire obiettività, dall’altro l’etica dell’intelligenza artificiale presenta un paradosso insidioso. Gli algoritmi, infatti, non sono entità separate dalla società che li crea. Rispecchiano, spesso inconsapevolmente, le distorsioni e i pregiudizi presenti nei dati su cui vengono stimati. Il modulo “Fairness e Bias nel Machine Learning” propone una panoramica su questo tema complesso, fornendo una comprensione sul concetto di distorsione negli algoritmi, delle sue cause e dei suoi effetti, proponendo soluzioni concrete per mitigare questo problema.

Il corso si terrà il 2 Maggio 2024 a Padova, presso il Dipartimento di Scienze Statistiche, dalle ore 14.00 alle ore 18.00.

I docenti del corso sono Mariangela Guidolin, docente di Statistica Aziendale nei corsi di Laurea Magistrale di Scienze Statistiche e Data Science, Unipd, ed Emanuele Aliverti, docente di Analisi dei dati e metodi statistici per dati funzionali nel corso di Laurea in Scienze Statistiche, Unipd.

Il corso è aperto a tutti coloro che sono interessati all’argomento. Le iscrizioni saranno aperte fino al 22 Aprile 2024 (20 posti disponibili) e il costo di partecipazione è di 250 euro.

Per info scrivere a far@stat.unipd.it

Per l’iscrizione clicca qui