Inglese

Il corso riguarda le metodologie per l'analisi dei dati multiview, multiway e longitudinali. L'analisi Multiview e Multiway è una branca specializzata del più ampio campo delle statistiche multivariate che estende i metodi standard per i dati a due vie, come l'analisi in componenti principali, l'analisi fattoriale, l'analisi dei cluster, l'analisi delle corrispondenze e lo scaling multidimensionale ai dati multivariati

Applied Multiway Data Analysis
Author: P.M. Kroonenberg
Editor: Wiley (2007) Print ISBN:9780470164976 |Online ISBN:9780470238004

Introduction to Correspondence Analysis. Beh EJ, Lombardo R. Wiley (2021)

I principali obiettivi formativi del corso sono:
Comprensione delle tabelle complesse di dati con struttura:
-multiview
-multiway
-longitudinale
Apprendimento delle principali metodologie per l’analisi e la visualizzazione di tali dati
La prima parte del corso si concentra sugli aspetti metodologici, mentre la seconda parte è più pratica, con laboratorio statistico per aiutare gli studenti a sviluppare le loro abilità di analisi di dati multiview e multiway.

Il corso richiede che ci siano le conoscenze di base in:
Statistica, Analisi Multidimensionale dei Dati, con particolare riferimento all’analisi delle Componenti Principali, Analisi delle Corrispondenze e Classificazione non supervisionata
Algebra matriciale
Conoscenza del linguaggio di programmazione R

Lezioni frontali
Applicazioni pratiche a dati reali
- Lezioni in Laboratorio: Laboratorio statistico in ambiente di programmazione R con interfaccia grafica R-studio.

Materiale didattico aggiuntivo:
Slide delle lezioni
Attività di gruppo per l’analisi ed elaborazione dei casi studio
Casi studio con diverse strutture di dati (multiview, multiway, longitudinali)

L’esame consisterà nella presentazione di un caso studio su dati reali. Gli studenti dovranno elaborare in R i dati applicando le idonee metodologie multivariate a dati longitudinali, multi-view e multiway.

Parametri di Valutazione: agli studenti verrà chiesto: a) di spiegare e discutere la strategie metodologiche e computazionali (codice in R) adottate (max 10 punti). b) di confrontare i diversi metodi di apprendimento studiati, di valutare le performance dei metodi (max 10 punti), e c) di interpretare i risultati ottenuti (max 10 punti). Il voto finale sarà espresso in trentesimi.

In alternativa alla presentazione di un caso studio, lo studente potrà mostrare: a) le conoscenze teoriche e computazionali acquisite elaborando un data set fornito dal docente, b) comparando le tecniche studiate; c) illustrando in ambiente di programmazione R l’interpretazione dei risultati derivanti dall’applicazione delle opportune metodologie multidimensionali illustrate nel corso.

Le slide, i codici di esempio in R (file di script) relativi alle tecniche di
analisi dei dati multi-vie, ed i materiali integrativi sono caricati nella
cartella del materiale didattico del docente sulla piattaforma web del
Dipartimento e su Teams.

- Analisi di tabelle di dati cubiche anche quando la terza dimensione è temporale.
-Analisi delle corrispondenze a tre-vie.
- Visualizzazione delle relazioni tra le variabili
Classificazione delle unità statistiche con focus sulle diverse prospettive “view” per rivelare vari tipi di strutture e conoscenze incorporate nei dati.

English

The course concerns methods for analyzing multi-view data, multiway and longitudinal data. Multiview and Multiway analysis is a specialized branch of the larger field of multivariate statistics that extends the standard methods for two-way data, such as principal component analysis, factor analysis, cluster analysis, correspondence analysis, and multidimensional scaling to multiway data

Applied Multiway Data Analysis
Author: P.M. Kroonenberg
Editor: Wiley (2007) Print ISBN:9780470164976 |Online ISBN:9780470238004

Introduction to Correspondence Analysis. Beh EJ, Lombardo R. Wiley (2021)

The main educational objectives of the course are:
Understanding complex data tables with different structures:
-multiview
-multiway
-longitudinal
Learning the main methodologies for the analysis and visualization of such data
The first part of the course focuses on the methodological aspects, while the second part is more practical, with a statistical laboratory to help students develop their multiview and multiway data analysis skills.

The course requires basic knowledge in:
Statistics, multidimensional data analysis methodologies such as Principal Component Analysis, Correspondence Analysis, non-supervised Clustering
Linear algebra
Programming in R

Frontal Lessons
Practical applications to real data
- Lab lessons: Statistical laboratory in software environment R and graphical interface R-studio.

Additional teaching material:
Lessons slides
Group activities for the analysis and processing of case studies
Case studies with different data structures (multiview, multiway, longitudinal).

The exam will consist in the presentation of a case study on real data. Students will have to process the data in the R programming environment by applying the suitable multivariate methodologies to longitudinal, multi-view and multiway data.

Assessment criteria: students will be asked to:
a) explain and discuss the methodological and computational strategies (R code) adopted (max 10 points);
b) compare the different learning methods studied and evaluate their performance (max 10 points);
c) interpret the results obtained (max 10 points).
The final mark will be expressed out of thirty.

As an alternative to the presentation of a case study, the student will be able to show the theoretical and computational knowledge acquired by developing the analysis using a data set provided by the teacher, a) illustrating in the R programming environment, b) comparing the multivariate methodologies, and c) interpretating the results deriving from the application of the appropriate multivariate methodologies illustrated in the module.

The slides, the R code examples (script files) for multi-view data analysis, the datasets in various formats (text,
CSV, Excel), and the supplementary materials are available in the
lecturer’s teaching materials folder on the Department’s web platform, and on Teams.

Analysis of cubic data tables even when the third dimension is temporal.
-Analisi delle corrispondenze a tre-vie
- Visualization of relationships between variables
- Classification of statistical units with focus on the different “view” perspectives to reveal various types of structures and knowledge embedded in the data