Processi Cognitivi e Tecnologie (Ακαδημαϊκό έτος 2018/2019) - Human Computer Interaction e E-Learning (ad esaurimento)

Analisi dei dati

ν. μαθήματος 1: Introduzione al software R Introduzione all'ambiente R ed esplorazione del menu Operazioni di conversione, arrotondamento, troncamento, date Le funzioni ls ed rm Help in linea		Domenica Fioredistella Iezzi
ν. μαθήματος 2: Costruzione di un Dataset Strutture di dati in R Vettori Matrici Array		Domenica Fioredistella Iezzi
ν. μαθήματος 3: Costruzione e importazione di un Dataset Dataframe Importazione ed esportazione dati in formato testo Importazione dati da Excel e da un database Importazione da altri software statistici (SPSS, SAS, Stata)		Domenica Fioredistella Iezzi
ν. μαθήματος 4: Le rappresentazioni grafiche in R Principali comandi per realizzare grafici in R Grafici per dati qualitativi Grafici per dati quantitativi		Domenica Fioredistella Iezzi
ν. μαθήματος 5: Analisi delle componenti principali Problema e dati Pre-trattamento Studio delle unità statistiche e delle variabili Interpretazione delle componenti Caso di studio		Domenica Fioredistella Iezzi
ν. μαθήματος 6: Introduzione all’analisi automatica di dati testuali e al text mining Scenario e origini Il Corpus Le dimensioni di un corpus Il vocabolario		Domenica Fioredistella Iezzi
ν. μαθήματος 7: Le fasi di un processo di TM Costruzione del corpus e pre-processing Dal dato non strutturato al dato strutturato Il sistema di ponderazione		Domenica Fioredistella Iezzi
ν. μαθήματος 8: La Cluster Analysis - Parte I Introduzione alla CA Operazioni preliminari per la costruzione di una procedura di CA La scelta delle misure di prossimità		Domenica Fioredistella Iezzi
ν. μαθήματος 9: La Cluster Analysis - Parte II Metodi di formazione dei gruppi Alcuni algoritmi di CA La validazione dei risultati		Domenica Fioredistella Iezzi
ν. μαθήματος 10: La cluster analysis in R Calcolare una matrice di prossimità Alcuni algoritmi gerarchici Il metodo k-medie La validazione dei risultati		Domenica Fioredistella Iezzi
ν. μαθήματος 11: Analisi delle corrispondenze semplici Introduzione La metrica del chi quadrato L'inerzia Esempio di AC in R		Domenica Fioredistella Iezzi
ν. μαθήματος 12: Analisi delle corrispondenze multiple Introduzione Le fasi dell'analisi Interpretazione Confronto tra ACP e ACM		Domenica Fioredistella Iezzi
ν. μαθήματος 13: Elementi di social network analysis La Social Network Analysis (SNA) La rappresentazione di dati relazionali Peculiarità di alcune strutture di SNA Indici di rete		Domenica Fioredistella Iezzi
ν. μαθήματος 14: Elementi di sentiment analyisis Introduzione Livelli di analisi Classificare il sentimento Elaborazioni in R		Domenica Fioredistella Iezzi
ν. μαθήματος 15: Aspetti quantitativi di dati linguistici Il vocabolario di frequenza Legge di Zipf Ricchezza lessicale Elaborazioni in R		Domenica Fioredistella Iezzi
ν. μαθήματος 16: Confronto fra testi Estrazione di informazione Il lessico peculiare Analisi di specificità Prossimità fra testi		Domenica Fioredistella Iezzi
ν. μαθήματος 17: Analisi esplorative di dati testuali in IRAMUTEQ Introduzione Analisi statistica testuale Specificità e analisi delle corrispondenze lessicali Classificazione con il metodo di Reinert		Domenica Fioredistella Iezzi
ν. μαθήματος 18: Analisi esplorative di dati multivariati Dati Matrici Analisi esplorativa multidimensionale di dati quantitativi Analisi esplorativa multidimensionale di dati qualitativi		Domenica Fioredistella Iezzi
ν. μαθήματος 19: I modelli di equazioni strutturali - Parte I Introduzione ai SEM Path Analysis Path Analysis con R Mediazione		Stefano Guidi
ν. μαθήματος 20: I modelli di equazioni strutturali - Parte II Introduzione Identificazione Valutazione del modello Esempio di CFA a 2 fattori		Stefano Guidi

Menu secondario

Processi Cognitivi e Tecnologie (Ακαδημαϊκό έτος 2018/2019) - Human Computer Interaction e E-Learning (ad esaurimento)

Analisi dei dati

Μαγνητοσκοπημένο μάθημα

Please login

Please login

Menu secondario

Processi Cognitivi e Tecnologie (Ακαδημαϊκό έτος 2018/2019) - Human Computer Interaction e E-Learning (ad esaurimento)

Analisi dei dati

Μαγνητοσκοπημένο μάθημα