ANALISI DI DATI SPERIMENTALIC(CON JULIA)
Informations
- Responsabile didattico: Stefano Palagi
- Semestre: 2° semestre
- Data inizio: da concordare con la classe
- CFU: 3
- Durata (ore): 30
- Corso: Ingegneria
Details
Contenuti
1. Introduzione a Julia per l'analisi dati (6 ore)
- Panoramica del linguaggio di programmazione Julia
- Sintassi di base e tipi di dati
- Strutture dati: Array, DataFrames e altro
- Gestione dei pacchetti con Pkg
- Ambienti locali
- Controllo di versione (Git)
- Notebook reattivi Julia con Pluto
2. Caricamento e pulizia dei dati (4 ore)
- Lettura di dati da vari formati di file (CSV, Excel, ecc.)
- Lettura di immagini e video
- Pulizia e pre-elaborazione dei dati
- Gestione di dati mancanti e outlier
3. Visualizzazione dei dati (4 ore)
- Introduzione alle librerie di plotting (Plots, Makie)
- Creazione di vari tipi di grafici (scatter plot, line plot, istogrammi, ecc.)
- Personalizzazione dei grafici per chiarezza ed estetica
4. Analisi statistica e fitting (6 ore)
- Statistiche descrittive (media, mediana, moda, deviazione standard, ecc.)
- Test di ipotesi
- Grafici statistici con StatsPlots
- Analisi di correlazione e regressione
- Curve fitting
5. Miglioramento e riproducibilità del codice (4 ore)
- Pulizia del codice e miglioramento della sua robustezza con le funzioni
- Miglioramento delle prestazioni del codice
- Commentare e documentare il codice
- Ambienti e riproducibilità
- Condivisione del codice di analisi dei dati (GitHub)
6. Progetto finale (6 ore)
Gli studenti e le studentesse lavoreranno a un progetto finale per applicare i concetti appresi nel corso a un dataset reale
Obiettivi formativi
Al termine di questo corso, sarai in grado di:
- padroneggiare l'intero processo di analisi dei dati sperimentali, dalla raccolta alla interpretazione
- creare visualizzazioni chiare e informative per presentare i tuoi risultati
- sviluppare analisi che possono essere ripetute e verificate da altri
- estrarre informazioni preziose dai dati per rispondere a domande scientifiche.
- programmare in Julia e utilizzare questo linguaggio per analizzare i dati in modo efficace
Prerequisiti
Basi di programmazione
Modalità di verifica dell'apprendimento
Presentazione del progetto di analisi dati
Testi di riferimento
Think Julia: How to Think Like a Computer Scientist
https://benlauwens.github.io/ThinkJulia.jl/latest/book.html
Altre informazioni
-