ITALIANO. Il materiale integrativo e alcuni riferimenti bibliografici potranno essere in Inglese.

L’insegnamento introduce le principali metodologie di analisi dei dati per il machine learning. L’apprendimento automatico è un’area dell’intelligenza artificiale che consente ai computer di apprendere buone pratiche senza essere programmati esplicitamente.
Oggetto di studio sono alcune tecniche di apprendimento statistico supervisionato e non supervisionato, nonché la loro implementazione mediante algoritmi scritti nel linguaggio di programmazione R.

Nell’ambito di questo insegnamento si presentano i fondamenti introduttivi del linguaggio di programmazione R, nell’ambiente RStudio. Si analizzano due tecniche di apprendimento supervisionato, ossia la regressione lineare multipla e gli alberi di classificazione e regressione, nonché due tecniche di apprendimento non supervisionato, ossia l’analisi in componenti principali e la classificazione automatica dei dati.

L’insegnamento riveste un ruolo importante per lo studio dei mercati finanziari e, in particolare, per la valutazione del rischio di finanziamento.

1) Machine learning con R. Conoscere le tecniche per costruire modelli predittivi di Brett Lantz (Autore) Apogeo, 2020
La Feltrinelli

2) Introduzione all'apprendimento statistico. Con applicazioni in R 2021 Autori, Daniela Witten, Trevor Hastie, Robert Tibshirani
PICCIN editore. https://www.statlearning.com/


3) Dispense didattiche

Per gli studenti non-frequentanti, si consiglia anche:
4) Appunti di analisi dei dati multidimensionali / Gherghi, Marco; C., Lauro. - STAMPA. - (2008).

L'insegnamento intende favorire negli studenti:
A. lo sviluppo di conoscenze e capacità di comprensione relative al linguaggio di programmazione R e all’ambiente software RStudio
B. lo sviluppo di capacità di applicare conoscenza e comprensione dei principali metodi statistici di apprendimento a banche dati finanziarie ed aziendali
C. lo sviluppo di capacità di valutazione sulle performance dei diversi metodi statistici di apprendimento supervisionato e non-supervisionato, e validazione dei metodi con appropriate misure statistiche
D. lo sviluppo di capacità di comunicazione delle analisi effettuate con gli algoritmi scritti in R e delle soluzioni elaborate.
E. lo sviluppo di capacità di apprendimento utili per interpretare in maniera autonoma i dati di natura quantitativa e qualitativa, nonché le relazioni di dipendenza o interdipendenza tra le variabili, esplorando nei dataset di grandi dimensioni.
Al termine dell’insegnamento lo studente sarà in grado di: Comprendere i concetti chiave del Machine Learning; • Applicare i principali algoritmi dei metodi statistici di apprendimento supervisionato e non-supervisionato a dati concreti di natura economico-finanziaria; Formulare valutazioni motivate relative ai risultati delle diverse tecniche di apprendimento statistico; Interpretare e analizzare in modo autonomo i risultati delle tecniche supervisionate e non-supervisionate; Utilizzare in modo appropriato l’ambiente di programmazione R-Studio

Statistica

L’insegnamento è svolto mediante lezioni frontali, analisi guidata di dati con variabili quantitative e qualitative, project work di gruppo, simulazioni, esercitazioni applicative in ambiente di programmazione R ed R-Studio.
Le attività sono organizzate per moduli tematici riguardanti due tecniche di apprendimento supervisionato e due tecniche di apprendimento non-supervisionato; i materiali di supporto sono resi disponibili online.

L'esame consiste nella discussione di un caso studio analizzato utilizzando il pacchetto R, assegnato durante il corso ad un gruppo di studenti. Il caso studio verrà discusso in una prova orale.
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.

Gli studenti non frequentanti potranno presentare all’esame un caso studio discusso in classe, utilizzando i file dei comandi in R e i dati già disponibili nella cartella del materiale didattico del docente. Il docente sarà disponibile per eventuali chiarimenti sulla sintassi dei comandi in R, sull’interpretazione dei risultati e sulla valutazione critica delle performance dei metodi considerati.

Le slide, i codici di esempio in R (file di script) relativi alle tecniche di apprendimento supervisionato e non supervisionato, i dati in diversi formati (testo, CSV, Excel) e i materiali integrativi sono caricati nella cartella del materiale didattico del docente sulla piattaforma web del Dipartimento.

-Introduzione
–Analisi descrittiva: Apprendimento statistico non supervisionato: classificazione automatica gerarchica (algoritmiin R: agnes, diana), e non gerarchica (algoritmi in R: kmeans, pam)
–Analisi predittiva: Apprendimento statistico supervisionato: Albero decisionale: Albero di Classificazione, Albero di Regressione (algoritmo in R: rpart).
-Riduzione dimensionale: analisi delle componenti principali e analisi delle corrispondenze (library in R: FactoMiner)
-Misure del performance: Matrice di confusione, curva ROC.
Metodi di validazione: Cross-validation;
Bootstrap; Bagging e Boosting.

Italian. Some supplementary materials and references may also be available in English.

This module introduces the main data analysis tools for machine learning. Machine learning is a field of artificial intelligence that enables computers to learn best practices without being explicitly programmed.
The module covers selected techniques in supervised and unsupervised statistical learning, as well as their implementation through algorithms written in the R programming language.
The module also presents the introductory foundations of the R programming language within the RStudio environment. Two supervised learning techniques are analysed, namely multiple linear regression and classification and regression trees, as well as two unsupervised learning techniques, namely principal component analysis and automated data classification.
This teaching module plays an important role in the study of financial markets and, in particular, in the assessment of financing risk.

1) Machine learning con R. Conoscere le tecniche per costruire modelli predittivi di Brett Lantz (Autore) Apogeo, 2020
La Feltrinelli

2) Introduction to statistical learning. Application in R (2021) autori: Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani,
PICCIN editore. https://www.statlearning.com/

3) Teaching handouts
For non-attending students:
4) Appunti di analisi dei dati multidimensionali / Gherghi, Marco; C., Lauro. - STAMPA. - (2008).

The module aims to foster in students:

A. the development of knowledge and understanding of the R programming language and the R-Studio software environment;
B. the development of the ability to apply knowledge and understanding of the main statistical learning methods to financial and business datasets;
C. the development of evaluative skills regarding the performance of different supervised and unsupervised learning methods, as well as the validation of such methods using appropriate statistical measures;
D. the development of communication skills in presenting analyses carried out using algorithms written in R and the solutions developed;
E. the development of learning skills useful for independently interpreting quantitative and qualitative data, as well as the relationships of dependence or interdependence that can be explored in large datasets.

At the end of the module, students will be able to: understand the key concepts of Machine Learning; apply the main supervised and unsupervised learning algorithms to real-world economic and financial data; formulate well-reasoned evaluations of the results obtained from different statistical learning techniques; independently interpret and analyse the results of supervised and unsupervised methods; and use the RStudio programming environment appropriately.

Statistics

The module is delivered through lectures, guided data analysis involving both quantitative and qualitative variables, project work of student groups, simulations, and practical exercises in the R and R-Studio programming environment.
Activities are organised into thematic modules covering two supervised learning techniques and two unsupervised learning techniques; supporting materials are made available online.

The exam consists of the discussion of a case study analysed using the R package, assigned during the course to a group of students. The case study will be discussed in an oral examination.

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.

Students who did not attend the course may present, for the exam, a case study discussed in class, using the R command files and the data already available in the instructor’s course materials folder. The instructor will be available for any clarification regarding the syntax of the R commands, the interpretation of the results, and the critical evaluation of the performance of the methods considered.

The slides, the example R code (script files) for supervised and unsupervised learning techniques, 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.

-Introduction
–Descriptive task: Unsupervised statistical learning: Hierarchical Cluster Analysis (algorithms in R: agnes, diana), Non-hierarchical Cluster analysis (algorithms in R: kmeans, pam)
–Predictive task: Supervised learning: Decision Tree: Classification Tree, and Regression Tree (algorithm: rpart)
-Dimensionality Reduction: Principal Component Analysis and Correspondence Analysis (library in R: FactoMiner)
-Performance Measures: Confusion matrix, ROC curve;
Validation methods: Cross-validation;
Bootstrap, Bagging and Boosting