Syllabus
- the flow of data science
- network science
- text mining
- blockchain
Methodology
- The course is a sequence of teaching units
- Each teaching unit has three components:
- a brief explanation (plug)
- an exercise to be solved (play)
- the solution of the exercise (solution)
- Some case studies will be proposed to be carried out (data challenges)
- The course ends with a general test (exam)
Telegram
- Join Telegram group
- Join Teams group
Learning
Exam
Secondo Bill Gates, tra due o tre anni la maggior parte degli incontri di lavoro sarà nel metaverso. Considerando queste previsioni e date le caratteristiche della prova di esame (discussione orale di un progetto a scelta dello studente), indipendentemente dalla situazione pandemica, si è optato per svolgere l’esame online.
L’esame consiste in un progetto obbligatorio discusso in videoconferenza. L’orale consiste nella discussione del progetto e in alcune domande di teoria sul programma del corso. Lo studente deve iscriversi all’appello su ESSE3. All’ora dell’esame il docente apre una riunione sul canale Teams del corso (esattamente come fatto per le lezioni) alla quale gli studenti dovranno partecipare per discutere il progetto attraverso la condivisione dello schermo. Studenti non iscritti non potranno fare l’esame ma potranno assistere alla prova.
Lo studente dovrà collegarsi alla riunione all’ora stabilita con un dispositivo dotato di microfono e videocamera. Ogni studente avrà a disposizione 20 minuti di tempo per presentare il progetto più 5 minuti per le domande. Il voto verrà registrato su ESSE3 dopo la chiusura dell’appello con la possibilità per lo studente di rifiutare il voto e presentarsi ad un appello successivo (eventualmente portando lo stesso progetto migliorato). Per la determinazione del voto verrà valutato sia il contenuto del progetto che la forma dell’esposizione.
Le modalità per lo svolgimento del progetto sono le seguenti:
- fai il progetto individualmente e usa i metodi e i linguaggi visti durante il corso
- scegli un caso di studio significativo
- poniti delle domande guidato dalla curiosità
- usa la scienza dei dati per trovare le risposte alle domande che ti sei fatto
- crea un repository su GitHub in cui metti il dataset usato e l’analisi fatta in R Markdown (codice e prosa). Invia il link al docente per posta elettronica almeno 2 giorni (48 ore) prima della data dell’esame
- prepara una presentazione in R Markdown che ti servirà per discutere il progetto il giorno dell’esame. Ricorda che la presentazione è la punta dell’iceberg del tuo lavoro e dovrà essere discussa in al massimo 20 minuti. Evita di aggiungere il codice nella presentazione
Classes
Se le lezioni non sono accessibili provare ad iscriversi prima al Team del corso passato.
- Lezione 1 (29 Settembre 2020) - Introduzione a R
- Lezione 2 (2 Ottobre 2020) - Introduzione a R
- Lezione 3 (6 Ottobre 2020) - readr, tydyr, dplyr
- Lezione 4 (9 Ottobre 2020) - dplyr
- Lezione 5 (13 Ottobre 2020) - dplyr, ggplot
- Lezione 6 (16 Ottobre 2020) - ggplot
- Lezione 7 (20 Ottobre 2020) - ggplot, modelr
- Lezione 8 (23 Ottobre 2020) - modelr
- Lezione 9 (27 Ottobre 2020) - blockchain
- Lezione 10 (30 Ottobre 2020) - blockchain
- Lezione 11 (3 Novembre 2020) - blockchain
- Lezione 12 (6 Novembre 2020) - blockchain
- Lezione 13 (10 Novembre 2020) - centrality
- Lezione 14 (13 Novembre 2020) - centrality
- Lezione 15 (17 Novembre 2020) - centrality
- Lezione 16 (20 Novembre 2020) - centrality
- Lezione 17 (24 Novembre 2020) - similarity
- Lezione 18 (27 Novembre 2020) - similarity
- Lezione 19 (1 Dicembre 2020) - community
- Lezione 20 (4 Dicembre 2020) - community
- Lezione 21 (7 Dicembre 2020) - structural invariant properties
- Lezione 22 (11 Dicembre 2020) - structural invariant properties
- Lezione 23 (15 Dicembre 2020) - text mining
- Lezione 24 (18 Dicembre 2020) - text mining