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
- 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.
- 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.
- 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.
- 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
- 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.
- 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.
- 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.
- 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
- 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.
- 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.
- 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.
- 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
- 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.
- 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.
- 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.
- 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
- 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.
- 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.
- 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.
- 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
- 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.
- 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.
- 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.
- 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
- 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.
- 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.
- 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.
- 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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
-
✓
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.