GIORDANO EMANUELE

Emanuele
Giordano
Ricercatore Legge 240/10 - tempo determinato

Attività didattica

SYLLABUS DEL CORSO DI INFORMATICA PER DATA SCIENCE a.a. 2023/2024

Prof. Emanuele Giordano

CONTENUTI

Introduzione al sistema R, gestione di dataframe e importazione di dati esterni anche mediante l’ausilio di pacchetti specifici. Analisi dei dati e rappresentazioni grafiche in R. Alcune funzioni notevoli. Generazione di variabili casuali in R. Elementi di statistica descrittiva ed inferenziale con R. Analisi di regressione in R.  Alcune applicazioni di R in chimica, biologia, epidemiologia e fisica.

TESTI DI RIFERIMENTO

  • Venables W. N., Smith D. M (2023), An Introduction to R, Apogeo. Disponibile online.
  • Iacus S., Masarotto G., Laboratorio di Statistica con R (qualsiasi edizione)
  • Micciolo R., Espa G., Canal L. (2013) Ricerca con R. Metodi di inferenza statistica
  • Ulteriore materiale è messo a disposizione dal docente sul portale eLearning del corso su Usienaintegra (Moodle) https://elearning.unisi.it/.

OBIETTIVI FORMATIVI

Il corso si propone di preparare gli studenti all'utilizzo di misure descrittive, test e modelli statistici per l’analisi quantitativa dei dati mediante il software R. Durante il corso, l’attenzione sarà rivolta non solo agli aspetti computazionali delle tecniche, ma anche all’effettiva applicazione delle stesse a dati reali.

In dettaglio, gli obiettivi di apprendimento del corso possono essere così descritti:

Conoscenza e capacità di comprensione: lo studente deve dimostrare di conoscere gli strumenti basilari della programmazione in R.

Capacità applicative: lo studente deve essere in grado di applicare correttamente gli strumenti di R per analizzare i dati .

Autonomia di giudizio: il corso si propone di stimolare il ragionamento informatico per la gestione del dato e la successiva applicazione di metodologie statistiche.

Abilità nella comunicazione: acquisire un vocabolario statistico per saper presentare gli output ottenuti con R.

Capacità di apprendere: al termine del corso, lo studente deve dimostrare una buona capacità di apprendimento del software R.

Prerequisiti

Conoscenze di base di statistica descrittiva, inferenziale possono facilitare l’apprendimento, se già possedute dallo studente; esse corrispondo essenzialmente a quelle fornite dagli insegnamenti di primo livello di area economica offerti dall’Ateneo. Tuttavia, per gli studenti provenienti da corsi di laurea differenti è comunque prevista un’integrazione con opportuna bibliografia di riferimento.

Metodi didattici

Lezioni con dimostrazioni concrete saranno utilizzate per aiutare lo studente a raggiungere un’adeguata conoscenza e comprensione del software R.

Le attività laboratoriali saranno utilizzate per stimolare la capacità di applicare le funzioni del software R per analisi quantitative dei dati

Il project work sarà utilizzato per stimolare la capacità di creare, pianificare e organizzare un report di analisi statistiche.

Altre informazioni

Per il materiale e le informazioni utili fare riferimento alla pagina di Ateneo USienaIntegra (Moodle) https://elearning.unisi.it/

Ricevimento studenti: prendere appuntamento inviando una mail all’indirizzo emanuele.giordano2@unisi.it

Modalità di verifica dell'apprendimento

La verifica dell’apprendimento viene fatta attraverso una prova scritta che potrà essere seguita da una breve discussione orale sui temi dello scritto.

La prova scritta comprende una serie di esercizi da risolvere applicando le funzioni e pacchetti R per una durata complessiva di 40 minuti.

E’ ammesso durante la prova scritta l’uso di appunti che riguardano i comandi e le funzioni di R.

In aggiunta alla prova scritta potrà essere concordato un project work, con cui saranno valutate le capacità di applicare gli appropriati strumenti di R per analizzare i dati e le abilità nella comunicazione.

Per gli studenti non frequentanti saranno concordate differenti modalità di verifica, per venire incontro alle esigenze dello studente nel caso specifico.

 

 

 

ANNO ACCADEMICO DI ESPLETAMENTO: 2024/2025

Anno di corso: 1 Corso di Laurea Magistrale METODI STATISTICI E DATA ANALYTICS A.A. 2024/2025

ANNO ACCADEMICO DI ESPLETAMENTO: 2023/2024

Anno di corso: 1 Corso di Laurea Magistrale METODI STATISTICI E DATA ANALYTICS A.A. 2023/2024

ANNO ACCADEMICO DI ESPLETAMENTO: 2022/2023

Anno di corso: 1 Corso di Laurea Magistrale SCIENZE STATISTICHE PER LE INDAGINI CAMPIONARIE A.A. 2022/2023
Anno di corso: 1 IGIENE E MEDICINA PREVENTIVA A.A. 2022/2023

Attività di ricerca

Ultime pubblicazioni:

  • Barberis, M., Bogo, G., Bortolotti, L., Flaminio, S., Giordano, E., Nepi, M., et al. (2023). Floral nectar and insect flower handling time change over the flowering
    season: Results from an exploratory study. ACTA OECOLOGICA, 120 [10.1016/j.actao.2023.103937].
    - dettaglio
  • Balduino, H.D.K., Tunes, P., Giordano, E., Guarnieri, M., Machado, S.R., Nepi, M., et al. (2023). To each their own! Nectar plasticity within a flower mediates distinct ecological interactions. AOB PLANTS, 15(2), 1-15 [10.1093/aobpla/plac067]. - dettaglio
  • Benvenuti, S., Bretzel, F., Calabrese, D., Giordano, E., Guarnieri, M., Nepi, M., et al. (2021). Flora entomogama spontanea, arborea, arbustiva ed erbacea con particolare riferimento alle regioni mediterranee. In Piante e insetti impollinatori: un’alleanza per la biodiversità (pp. 25-84). Roma : ISPRA. - dettaglio
  • Nepi, M., Calabrese, D., Guarnieri, M., Giordano, E. (2021). Evolutionary and Ecological Considerations on Nectar-Mediated Tripartite Interactions in Angiosperms and Their Relevance in the Mediterranean Basin. PLANTS, 10(3) [10.3390/plants10030507]. - dettaglio
  • Calabrese, D., Giordano, E., Guarnieri, M., Nepi, M. (2020). Composition of the floral nectar in the Lithospermeae tribe - Clade C (Boraginaceae) and their pollinator guilds. In 115° Congresso della Società Botanica Italiana - Volume degli abstract (pp.120-120). - dettaglio