Data Mining and Data Analysis with R

NUMERO DI ORE(CFU)/LEZIONI

Il corso avrà una durata di almeno 20 ore (5 CFU), e sarà suddiviso in 5 incontri. Possono essere frequentati anche singoli incontri.

COMITATO SCIENTIFICO

Prof Luisa Bernardinelli, Prof. Mario Grassi, Dr Davide Gentilini, Prof.ssa Elisa Fazia

COMITATO ORGANIZZATORE

Dipartimento di Scienze del Sistema Nervoso e del Comportamento e Residenza Biomedica – Fondazione Collegio Universitario S. Caterina da Siena, Pavia

OBIETTIVI FORMATIVI

La gestione e l’analisi dei dati rappresenta uno dei fattori più importanti e simultaneamente più critici in molti ambiti lavorativi; spesso ci si avvale di strumenti e software proprietari che sono soventemente costosi o risultano essere in definitiva limitati nella loro applicazione.

Il corso ha l’obiettivo di fornire ai partecipanti le conoscenze necessarie e sufficienti per introdurre ed utilizzare il linguaggio e le potenzialità di R nel proprio lavoro.

R può essere definito come un sistema di analisi statistica e contemporaneamente un linguaggio ed un software. E’ uno strumento open source potentissimo e largamente utilizzato, per l’analisi statistica dei dati, inoltre, essendo un vero e proprio linguaggio di programmazione, racchiude in se la potenzialità per creare e sviluppare in autonomia svariate applicazioni utili alla manipolazione, gestio ne ed analisi di ogni tipo di dato. Le sue caratteristiche principali comprendono infatti la semplicità nella gestione e manipolazione dei dati, la disponibilità di una suite di strumenti per calcoli su vettori, matrici ed altre operazioni complesse, l’ accesso ad un vasto insieme di strumenti integrati e funzioni sviluppate da altri e resi disponibili per l'analisi statistica, la produzione di numerose potenzialità grafiche particolarmente flessibili, possibilità di adoperare un vero e proprio linguaggio di programmazione orientato ad oggetti che consente l'uso di strutture condizionali e cicliche, nonché di funzioni create dall'utente.

Offrendo un’elaborata introduzione alla programmazione con R questo corso ha lo scopo di intercettare le esigenze dei partecipanti focalizzandosi in particolar modo su alcuni aspetti fondamentali come la manipolazione e gestione dei dati, la loro analisi attraverso l’identificazione del test statistico più appropriato e la visualizzazione di dati e risultati utilizzando le potenzialità grafiche messe a disposizione da R.

Il corso prevede l’impiego di numerosi “dataset “ ed esempi che possano essere familiari alle varie aree di interesse in modo da agevolare i partecipanti nella comprensione ed applicazione delle nozioni acquisite.

POTENZIALI DOTTORATI INTERESSATI

Il corso ha l’intento di essere trasversale e di fornire competenze utili in ogni ambito che abbia a che fare con dati e con la necessità di elaborarli e gestirli. Per tale ragione il corso ha l’obiettivo di essere utile ad ogni tipologia di dottorato, in particolare macroarea di Scienze della vita, Bioingengneria e Bionformatica, Economics, Political Studies, DREAMT. Nell’attività pratica verranno utilizzati esempi e dati nei vari ambiti applicativi di interesse per i diversi Dottorati.

MODALITA’ DI VERIFICA DELL’APPRENDIMENTO

Il grado di apprendimento verrà testato al termine di ogni lezione sottoponendo i partecipanti ad un test.

Il test sarà composto da una serie di 10 domande a scelta multipla riguardanti la parte teorica a cui verrà aggiunto un esercizio inerente le argomentazioni trattate.

PROGRAMMA

4 Giugno 2018 , 9.30-12.30; 14.00-17.00

Titolo: “L’ambiente di programmazione R generalità e i principali oggetti”

Obiettivo della lezione è introdurre i partecipanti all’ambiente R, illustrandone le principali funzionalità, l’architettura e presentando i principali oggetti.

• Introduzione del Corso e Generalità

• Installazione di R e configurazione

• Nozioni preliminari sulla sua architettura sui pacchetti e sulle funzioni

• Utilizzo dei I pacchetti

• Utilizzo dell’Help

• Gli oggetti principali

• I vettori

o Assegnazione Vettori (Vettori aritmetici, Logici, di Caratteri)

o Operazioni e funzioni per lavorare con i vettori

• Matrici ed Array

o Operatori e funzioni per il calcolo Matriciale

• Liste e Data Frames

o Operatori e funzioni per lavorare con Data Frames e Liste

• Esempi

• Esercitazione Pratica

5 Giugno 2018 , 9.30-12.30; 14.00-17.00

Titolo: “Data import e data mining con R”

Obiettivo della lezione è insegnare ai partecipanti ad importare dati di varia tipologia e formato nell’ambiente R. La lezione ha inoltre lo scopo di insegnare “data mining” ovvero ad utilizzare R per visualizzare gestire, estrarre e manipolare i dati. La lezione tratterà le funzioni grafiche di R in modo che i partecipanti al corso acquisiscano le conoscenze base per poter visualizzare i propri dati e i propri risultati in modo autonomo. Esempi ed esercizi guidati avranno lo scopo di verificare e consolidare le nozioni.

• Importazione e pulizia di data-set

• Funzioni di importazione dei dati in base alla loro natura e formato

• Funzioni di visualizzazione e manipolazione dei dati

• Quality Control dei dati

• Trattamento dei dati mancanti

• Imputazione

• Metodi di riclassificazione delle variabili

• Funzioni per la manipolazione dei dati

• L’ambiente grafico

• Pacchetto Base

• Pacchetto Grid

• Pacchetto ggplot2

• I parametri grafici

o Funzioni di alto e basso livello

o Funzioni interattive

• Tipi di grafici e funzioni

o Grafici standard

o Grafici speciali

o Grafici dinamici

• Classificazione del tipo di dati e discussione sulla modalità di visualizzazione

• Esempi

• Esercitazione Pratica

6 Giugno 2018 , 9.30-12.30; 14.00-17.00

Titolo: “Statistica di base con R”

Obiettivo della lezione è entrare nel merito della statistica descrittiva/inferenziale e fornire gli strumenti essenziali per poter scegliere e applicare il metodo statistico più approriato

• Misure descrittive univariate/bivariate

• Test statistici

o Test parametrici su media, differenza fra medie, proporzione, differenza fra proporzioni e correlazione

o Test non parametrici su media, differenza fra medie, differenza fra mediane, proporzione, differenza fra proporzioni e correlazione

o Test di associazione per tabelle 2x2 e JxK

• Esempi

• Esercitazione Pratica

7 Giugno 2018 , 9.30-12.30; 14.00-17.00

Titolo: “Statistica di base con R”

Obiettivo della lezione è entrare nel merito della statistica descrittiva/inferenziale e fornire gli strumenti essenziali per poter scegliere e applicare il metodo statistico più approriato

• Analisi della varianza ad una via, a due vie e problema dei confonti multipli

• Regressione lineare semplice e multipla

• Regressione logistica

• Analisi delle componenti principali

• Analisi dei cluster

• Esempi

• Esercitazione Pratica

8 Giugno 2018 , 9.30-12.30; 14.00-17.00

Titolo: “Principi Base di programmazione con R”

Obiettivo della lezione: esplorare i rudimenti di programmazione “Object Oriented” con R e fornire le basi affinché il partecipante sia in grado di sviluppare semplici programmi che possano automatizzare alcuni processi di lavoro o di analisi. La lezione offre anche una visione sulla possibilità di sviluppare applicazioni web e on site.

• Istruzioni condizionali

• Istruzioni iterative

• Definizione e richiamo di funzioni

• Applicazioni in R e Shiny

• Esempi

• Esercitazione Pratica

Si richiede l'utilizzo di un proprio computer per la partecipazione al corso