Eugeniodamaso.it Academy

Intelligenza artificiale · Avanzato

Data Science e analisi quantitativa avanzata per decisioni aziendali

Inferenza statistica, causalità ed esperimenti, machine learning rigoroso, previsione, ottimizzazione e dati in produzione: il metodo di chi decide con i numeri

  • 26 ore e 10 minutidurata
  • 29lezioni
  • 45domande nel test
  • Gratissempre
Data Science e analisi quantitativa avanzata per decisioni aziendali

Cosa saprai fare

  • Impostare un problema decisionale e stimare il valore dell'informazione
  • Individuare e correggere problemi di qualità del dato e trappole dell'analisi esplorativa
  • Applicare inferenza frequentista e bayesiana, bootstrap e test di permutazione con dimensione del campione corretta
  • Progettare esperimenti e stimare effetti causali con metodi sperimentali e quasi-sperimentali
  • Costruire, validare, calibrare e interpretare modelli di machine learning in modo rigoroso
  • Prevedere serie temporali, ottimizzare sotto incertezza e analizzare la sopravvivenza
  • Portare analisi e modelli in produzione con qualità, monitoraggio, privacy e riproducibilità

Corso avanzato, oltre il livello Master, per analisti, data scientist, controller, risk manager, ricercatori e responsabili che vogliono usare i dati per decidere con rigore. Si parte dall'impostazione del problema e dal valore dell'informazione, dalla qualità del dato (dati mancanti, errori di misura, leakage) e dall'analisi esplorativa senza trappole (paradosso di Simpson, confronti multipli); si approfondisce l'inferenza (potenza e dimensione del campione, FDR, modelli lineari e generalizzati, approccio bayesiano, bootstrap e test di permutazione); si affrontano esperimenti e causalità (A/B test, riduzione della varianza, test sequenziali, DAG, differenze nelle differenze, variabili strumentali, propensity score, uplift); machine learning rigoroso (generalizzazione, validazione, boosting, calibrazione, soglie basate sul costo, interpretabilità ed equità); serie temporali, previsione probabilistica, ottimizzazione sotto incertezza e analisi di sopravvivenza; SQL avanzato, qualità e osservabilità dei dati, ML in produzione e drift, testo e LLM per l'analisi; comunicazione dell'incertezza, privacy (anonimizzazione, privacy differenziale), riproducibilità e un progetto finale con soluzione di riferimento. Ogni lezione contiene esempi numerici calcolati e verificati, esercitazioni con modelli pronti e frammenti di codice. Corso formativo di eugeniodamaso.it Academy, indipendente da fornitori e strumenti; i numeri dei casi sono illustrativi e i metodi vanno adattati ai dati reali.

Il programma

Modulo 1 · Dal problema ai dati

  1. Dal problema decisionale al problema di dati: valore dell'informazione e metriche — Come tradurre una decisione aziendale in una domanda analitica: decisione, alternative, metrica, costo dell'errore; il valore atteso dell'informazione, la soglia di pareggio e la scelta di metriche che non ingannano.
  2. Inferenza di base: frequentista e bayesiana a confronto — Che cosa dicono davvero intervalli di confidenza e p-value, che cosa dice un intervallo credibile, come si aggiorna una convinzione con i dati; errori di interpretazione comuni e quando scegliere un approccio o l'altro.
  3. Qualità del dato: dati mancanti, errori di misura e fughe di informazione — Meccanismi dei dati mancanti (MCAR, MAR, MNAR), effetti sui risultati, imputazione, errori di misura, data leakage; controlli di qualità sistematici prima di ogni modello.
  4. Analisi esplorativa rigorosa: paradosso di Simpson, confronti multipli e correlazioni — Come esplorare senza ingannarsi: aggregazione e stratificazione (Simpson), correlazione e causalità, quartetto di Anscombe, confronti multipli e piste ramificate, visualizzazioni oneste e documentazione dell'esplorazione.

Modulo 2 · Inferenza statistica avanzata

  1. Potenza, dimensione del campione e confronti multipli (FWER e FDR) — Come dimensionare un esperimento (effetto minimo rilevabile, α, potenza), perché gli studi con poca potenza ingannano, e come controllare i confronti multipli con Bonferroni e Benjamini-Hochberg.
  2. Modelli lineari e generalizzati: ipotesi, diagnostica e interpretazione — Regressione lineare, logistica e di Poisson: che cosa stimano, ipotesi e come verificarle, errori standard robusti, multicollinearità (VIF), interpretazione di coefficienti, odds ratio e rate ratio, errori comuni.
  3. Metodi bayesiani pratici: A/B test, perdita attesa e modelli gerarchici — Decisioni con probabilità a posteriori e perdita attesa, test A/B bayesiano, regola di decisione, modelli gerarchici e shrinkage per molti gruppi con pochi dati.
  4. Bootstrap, test di permutazione e simulazione per l'incertezza — Quantificare l'incertezza senza formule chiuse: bootstrap per intervalli, test di permutazione, simulazione Monte Carlo; quando funzionano, quando falliscono (dipendenza, code pesanti, pochi dati) e come usarli bene.

Modulo 3 · Esperimenti e causalità

  1. Progettare esperimenti online: randomizzazione, SRM, CUPED e test sequenziali — Disegno di A/B test affidabili: unità di randomizzazione, controllo del rapporto di campionamento (SRM), metriche di controllo, riduzione della varianza con CUPED, rischio dello «sbirciare» e test sequenziali con confini di arresto.
  2. Inferenza causale: esiti potenziali, DAG, confondenti e collider — Il quadro degli esiti potenziali, effetto medio del trattamento, confrontabilità e distorsione da confondimento; grafi causali (DAG), criterio del back-door, mediatori, collider e che cosa aggiustare.
  3. Metodi quasi-sperimentali: differenze nelle differenze, discontinuità, strumenti e propensity score — Stimare effetti causali senza randomizzazione: differenza nelle differenze, regressione discontinua, variabili strumentali, propensity score e pesi inversi; ipotesi, verifiche e limiti.
  4. Uplift e valutazione delle politiche: a chi conviene intervenire — Effetti eterogenei del trattamento, modelli di uplift, segmenti persuadibili, indifferenti, «cani che dormono» e sicuri; valutazione con curve Qini e profitto incrementale; regole di targeting con vincoli di budget.

Modulo 4 · Machine learning rigoroso

  1. Generalizzazione: bias-varianza, validazione e selezione dei modelli — Errore di addestramento e di test, compromesso bias-varianza, sovradattamento, validazione incrociata, validazione temporale, ricerca degli iperparametri senza contaminare il test.
  2. Alberi, foreste e gradient boosting: quando battono i modelli lineari — Alberi decisionali, bagging e foreste casuali, boosting e iperparametri essenziali; confronto con modelli lineari su dati con interazioni e non linearità, rischio di sovradattamento e di fuga di informazione.
  3. Metriche, calibrazione e soglie di decisione basate sui costi — Matrice di confusione, precisione e richiamo, valore predittivo e prevalenza, AUC e limiti, calibrazione e punteggio di Brier, scelta della soglia in base ai costi degli errori.
  4. Interpretabilità, equità e responsabilità dei modelli — Importanza delle variabili, dipendenza parziale e SHAP; limiti delle spiegazioni; definizioni di equità (parità demografica, pari opportunità, parità predittiva), impossibilità di soddisfarle tutte, cenni al quadro europeo.

Modulo 5 · Tempo, previsione e ottimizzazione

  1. Serie temporali: struttura, autocorrelazione e modelli di base — Trend, stagionalità, stazionarietà, autocorrelazione, modelli AR, medie mobili e livellamento esponenziale; perché le osservazioni dipendenti cambiano l'inferenza.
  2. Valutare le previsioni: errori, backtesting e previsioni probabilistiche — MAE, RMSE, MAPE, sMAPE, MASE; backtesting a origine mobile; previsioni intervallari e quantili con pinball loss; confronto con una baseline e coerenza decisionale.
  3. Ottimizzazione sotto incertezza: newsvendor e programmazione lineare — Dal modello predittivo alla decisione: problema del newsvendor con rapporto critico, programmazione lineare con vincoli, sensibilità e prezzi ombra, decisioni robuste.
  4. Analisi di sopravvivenza: durata, censura e rischio — Tempo fino a un evento (abbandono, guasto, conversione), osservazioni censurate, stimatore di Kaplan-Meier, test log-rank, modello di Cox e rischi proporzionali, applicazioni al churn.

Modulo 6 · Dati e produzione

  1. SQL avanzato per l'analisi: finestre, CTE e controlli di correttezza — Funzioni finestra, espressioni di tabella comuni, aggregazioni per coorte, join senza duplicazioni, controlli di granularità e test dei risultati; esempi verificati su una tabella di ordini.
  2. Pipeline di dati: qualità, osservabilità e responsabilità — Flussi di dati affidabili: ingestione, trasformazione, modelli a livelli, test di qualità, freschezza, osservabilità, contratti di dati e disponibilità composta di più fonti.
  3. Modelli in produzione: drift, monitoraggio e ciclo di vita — Dal notebook al servizio: versionamento, monitoraggio di dati e prestazioni, drift di covariate e di concetto, PSI e test di Kolmogorov-Smirnov, riaddestramento, rollback e responsabilità.
  4. Testo e modelli linguistici per l'analista: rappresentazioni, valutazione e rischi — Elaborazione del testo con rappresentazioni numeriche, similarità del coseno, classificazione e estrazione; uso di LLM per analisi di testo con valutazione, accordo fra annotatori (kappa) e dimensione del campione per stimare un'accuratezza.

Modulo 7 · Pratica professionale e progetto

  1. Comunicare i risultati: incertezza, effetti assoluti e decisioni — Riportare effetti con intervalli, rischio relativo e assoluto, NNT, grafici onesti, narrazione per decisori e raccomandazioni condizionate all'incertezza.
  2. Privacy, etica e sicurezza dei dati nell'analisi: k-anonimato, privacy differenziale e quadro europeo — Minimizzazione, pseudonimizzazione e anonimizzazione, rischio di re-identificazione, k-anonimato, privacy differenziale con rumore di Laplace, GDPR, AI Act e valutazione d'impatto.
  3. Riproducibilità e scienza onesta: p-hacking, winner's curse e pre-registrazione — Perché i risultati si ripetono poco: molteplicità, flessibilità analitica, potenza bassa e maledizione del vincitore; pre-registrazione, piani di analisi, codice e dati versionati, ambienti riproducibili.
  4. Progetto finale: dall'ipotesi alla raccomandazione con un esperimento simulato — Un progetto completo su un caso di abbandono e ritenzione: definizione della decisione, esperimento randomizzato, stima dell'effetto, modello di abbandono, uplift, politica di targeting con valutazione del profitto, rubrica di valutazione e relazione per il decisore.

In appendice: Trucchi del mestiere, 112 accorgimenti operativi dal lavoro sul campo.

Il docente

Eugenio Damaso, fondatore di eugeniodamaso.it Academy. Slide e dispensa in PDF incluse; test finale con attestato e Open Badge.

Programma

  1. 1

    Dal problema decisionale al problema di dati: valore dell'informazione e metriche

    Come tradurre una decisione aziendale in una domanda analitica: decisione, alternative, metrica, costo dell'errore; il valore atteso dell'informazione, la soglia di pareggio e la scelta di metriche che non ingannano.

    Lettura · 55 minuti
  2. 2

    Inferenza di base: frequentista e bayesiana a confronto

    Che cosa dicono davvero intervalli di confidenza e p-value, che cosa dice un intervallo credibile, come si aggiorna una convinzione con i dati; errori di interpretazione comuni e quando scegliere un approccio o l'altro.

    Lettura · 55 minuti
  3. 3

    Qualità del dato: dati mancanti, errori di misura e fughe di informazione

    Meccanismi dei dati mancanti (MCAR, MAR, MNAR), effetti sui risultati, imputazione, errori di misura, data leakage; controlli di qualità sistematici prima di ogni modello.

    Lettura · 55 minuti
  4. 4

    Analisi esplorativa rigorosa: paradosso di Simpson, confronti multipli e correlazioni

    Come esplorare senza ingannarsi: aggregazione e stratificazione (Simpson), correlazione e causalità, quartetto di Anscombe, confronti multipli e piste ramificate, visualizzazioni oneste e documentazione dell'esplorazion…

    Lettura · 55 minuti
  5. 5

    Potenza, dimensione del campione e confronti multipli (FWER e FDR)

    Come dimensionare un esperimento (effetto minimo rilevabile, α, potenza), perché gli studi con poca potenza ingannano, e come controllare i confronti multipli con Bonferroni e Benjamini-Hochberg.

    Lettura · 55 minuti
  6. 6

    Modelli lineari e generalizzati: ipotesi, diagnostica e interpretazione

    Regressione lineare, logistica e di Poisson: che cosa stimano, ipotesi e come verificarle, errori standard robusti, multicollinearità (VIF), interpretazione di coefficienti, odds ratio e rate ratio, errori comuni.

    Lettura · 55 minuti
  7. 7

    Metodi bayesiani pratici: A/B test, perdita attesa e modelli gerarchici

    Decisioni con probabilità a posteriori e perdita attesa, test A/B bayesiano, regola di decisione, modelli gerarchici e shrinkage per molti gruppi con pochi dati.

    Lettura · 55 minuti
  8. 8

    Bootstrap, test di permutazione e simulazione per l'incertezza

    Quantificare l'incertezza senza formule chiuse: bootstrap per intervalli, test di permutazione, simulazione Monte Carlo; quando funzionano, quando falliscono (dipendenza, code pesanti, pochi dati) e come usarli bene.

    Lettura · 55 minuti
  9. 9

    Progettare esperimenti online: randomizzazione, SRM, CUPED e test sequenziali

    Disegno di A/B test affidabili: unità di randomizzazione, controllo del rapporto di campionamento (SRM), metriche di controllo, riduzione della varianza con CUPED, rischio dello «sbirciare» e test sequenziali con confin…

    Lettura · 55 minuti
  10. 10

    Inferenza causale: esiti potenziali, DAG, confondenti e collider

    Il quadro degli esiti potenziali, effetto medio del trattamento, confrontabilità e distorsione da confondimento; grafi causali (DAG), criterio del back-door, mediatori, collider e che cosa aggiustare.

    Lettura · 55 minuti
  11. 11

    Metodi quasi-sperimentali: differenze nelle differenze, discontinuità, strumenti e propensity score

    Stimare effetti causali senza randomizzazione: differenza nelle differenze, regressione discontinua, variabili strumentali, propensity score e pesi inversi; ipotesi, verifiche e limiti.

    Lettura · 55 minuti
  12. 12

    Uplift e valutazione delle politiche: a chi conviene intervenire

    Effetti eterogenei del trattamento, modelli di uplift, segmenti persuadibili, indifferenti, «cani che dormono» e sicuri; valutazione con curve Qini e profitto incrementale; regole di targeting con vincoli di budget.

    Lettura · 55 minuti
  13. 13

    Generalizzazione: bias-varianza, validazione e selezione dei modelli

    Errore di addestramento e di test, compromesso bias-varianza, sovradattamento, validazione incrociata, validazione temporale, ricerca degli iperparametri senza contaminare il test.

    Lettura · 55 minuti
  14. 14

    Alberi, foreste e gradient boosting: quando battono i modelli lineari

    Alberi decisionali, bagging e foreste casuali, boosting e iperparametri essenziali; confronto con modelli lineari su dati con interazioni e non linearità, rischio di sovradattamento e di fuga di informazione.

    Lettura · 55 minuti
  15. 15

    Metriche, calibrazione e soglie di decisione basate sui costi

    Matrice di confusione, precisione e richiamo, valore predittivo e prevalenza, AUC e limiti, calibrazione e punteggio di Brier, scelta della soglia in base ai costi degli errori.

    Lettura · 55 minuti
  16. 16

    Interpretabilità, equità e responsabilità dei modelli

    Importanza delle variabili, dipendenza parziale e SHAP; limiti delle spiegazioni; definizioni di equità (parità demografica, pari opportunità, parità predittiva), impossibilità di soddisfarle tutte, cenni al quadro euro…

    Lettura · 55 minuti
  17. 17

    Serie temporali: struttura, autocorrelazione e modelli di base

    Trend, stagionalità, stazionarietà, autocorrelazione, modelli AR, medie mobili e livellamento esponenziale; perché le osservazioni dipendenti cambiano l'inferenza.

    Lettura · 55 minuti
  18. 18

    Valutare le previsioni: errori, backtesting e previsioni probabilistiche

    MAE, RMSE, MAPE, sMAPE, MASE; backtesting a origine mobile; previsioni intervallari e quantili con pinball loss; confronto con una baseline e coerenza decisionale.

    Lettura · 55 minuti
  19. 19

    Ottimizzazione sotto incertezza: newsvendor e programmazione lineare

    Dal modello predittivo alla decisione: problema del newsvendor con rapporto critico, programmazione lineare con vincoli, sensibilità e prezzi ombra, decisioni robuste.

    Lettura · 55 minuti
  20. 20

    Analisi di sopravvivenza: durata, censura e rischio

    Tempo fino a un evento (abbandono, guasto, conversione), osservazioni censurate, stimatore di Kaplan-Meier, test log-rank, modello di Cox e rischi proporzionali, applicazioni al churn.

    Lettura · 55 minuti
  21. 21

    SQL avanzato per l'analisi: finestre, CTE e controlli di correttezza

    Funzioni finestra, espressioni di tabella comuni, aggregazioni per coorte, join senza duplicazioni, controlli di granularità e test dei risultati; esempi verificati su una tabella di ordini.

    Lettura · 55 minuti
  22. 22

    Pipeline di dati: qualità, osservabilità e responsabilità

    Flussi di dati affidabili: ingestione, trasformazione, modelli a livelli, test di qualità, freschezza, osservabilità, contratti di dati e disponibilità composta di più fonti.

    Lettura · 55 minuti
  23. 23

    Modelli in produzione: drift, monitoraggio e ciclo di vita

    Dal notebook al servizio: versionamento, monitoraggio di dati e prestazioni, drift di covariate e di concetto, PSI e test di Kolmogorov-Smirnov, riaddestramento, rollback e responsabilità.

    Lettura · 55 minuti
  24. 24

    Testo e modelli linguistici per l'analista: rappresentazioni, valutazione e rischi

    Elaborazione del testo con rappresentazioni numeriche, similarità del coseno, classificazione e estrazione; uso di LLM per analisi di testo con valutazione, accordo fra annotatori (kappa) e dimensione del campione per s…

    Lettura · 55 minuti
  25. 25

    Comunicare i risultati: incertezza, effetti assoluti e decisioni

    Riportare effetti con intervalli, rischio relativo e assoluto, NNT, grafici onesti, narrazione per decisori e raccomandazioni condizionate all'incertezza.

    Lettura · 55 minuti
  26. 26

    Privacy, etica e sicurezza dei dati nell'analisi: k-anonimato, privacy differenziale e quadro europeo

    Minimizzazione, pseudonimizzazione e anonimizzazione, rischio di re-identificazione, k-anonimato, privacy differenziale con rumore di Laplace, GDPR, AI Act e valutazione d'impatto.

    Lettura · 55 minuti
  27. 27

    Riproducibilità e scienza onesta: p-hacking, winner's curse e pre-registrazione

    Perché i risultati si ripetono poco: molteplicità, flessibilità analitica, potenza bassa e maledizione del vincitore; pre-registrazione, piani di analisi, codice e dati versionati, ambienti riproducibili.

    Lettura · 55 minuti
  28. 28

    Progetto finale: dall'ipotesi alla raccomandazione con un esperimento simulato

    Un progetto completo su un caso di abbandono e ritenzione: definizione della decisione, esperimento randomizzato, stima dell'effetto, modello di abbandono, uplift, politica di targeting con valutazione del profitto, rub…

    Lettura · 55 minuti
  29. 29

    Appendice · Trucchi del mestiere

    Gli accorgimenti di chi usa i dati per decidere: come impostare la domanda, come non ingannarsi con i confronti multipli, come stimare un effetto causale, come validare un modello senza fughe di informazione, come comun…

    Lettura · 30 minuti
  30. Test finale

    45 domande, si supera con il 85%, 55 minuti, fino a 3 tentativi.

    Verifica

A chi è rivolto

Analisti dei dati, data scientist, controller e analisti finanziari, risk manager, ricercatori, product e business analyst e manager con responsabilità decisionali basate sui dati.