Corso di modellazione

Lezione 1 • Etica e Responsabilità nella Modellatura

Tratta pregiudizi, trasparenza e responsabilità quando le modelle influenzano decisioni reali. Ancora la pratica professionale a standard etici.

Lezione 2 • Panoramica dei Tipi di Modelle

Passa in rassegna modelle concettuali, matematiche, statistiche e di simulazione. Aiuta gli studenti ad abbinare il tipo di modella al contesto del problema.

Lezione 3 • Cos'è la Modellatura e Perché è Importante

Definisce la modellatura e il suo scopo in vari settori. Stabilisce un vocabolario condiviso utilizzato in tutto il corso.

Lezione 4 • Presupposti e Semplificazioni

Spiega come i presupposti modellano il comportamento della modella e dove le semplificazioni introducono rischi. Gli studenti imparano a documentare e giustificare ogni presupposto.

Lezione 1 • Rappresentazioni Matriciali e di Rete

Spiega matrici e strutture a grafo come rappresentazioni compatte delle modelle. Prepara gli studenti alle modelle di sistema e di rete nei capitoli avanzati.

Lezione 2 • Tassi di Variazione e Ottimizzazione

Tratta i concetti di derivate e ottimizzazione senza richiedere calcolo avanzato. Gli studenti identificano massimi, minimi e sensibilità negli output delle modelle.

Lezione 3 • Algebra Essenziale per Modellatrici

Rivede variabili, equazioni e funzioni come elementi costitutivi della modellatura. Supporta direttamente la costruzione di formule nei capitoli successivi.

Lezione 4 • Basi di Probabilità e Incertezza

Introduce distribuzioni di probabilità, valore atteso e varianza. Fornisce le basi per la modellatura stocastica introdotta nei capitoli successivi.

Lezione 1 • Identificare i Requisiti dei Dati

Associa gli input della modella ai tipi e alle fonti di dati richiesti. Previene i fallimenti comuni causati da dati e progettazione della modella disallineati.

Lezione 2 • Metodi di Raccolta Dati

Esamina sondaggi, esperimenti, osservazione e raccolta automatizzata. Gli studenti selezionano i metodi appropriati per il loro contesto di modellatura.

Lezione 3 • Governance e Documentazione dei Dati

Stabilisce standard per la provenienza, il versionamento e il controllo degli accessi ai dati. Garantisce la riproducibilità e la verificabilità degli input della modella.

Lezione 4 • Analisi Esplorativa dei Dati

Utilizza la statistica descrittiva e la visualizzazione per comprendere i dati prima della modellatura. Rivela modelli, distribuzioni e anomalie in anticipo.

Lezione 1 • Logica di Ricerca e Condizionale

Incorpora commutazioni basate su regole e ricerche in tabelle nei calcoli della modella. Consente alle modelle di gestire categorie discrete e regole politiche.

Lezione 2 • Strutturare una Modella Deterministica

Definisce input, calcoli e output in un layout logico. Una buona struttura riduce gli errori e rende le modelle più facili da verificare.

Lezione 3 • Verifica della Modella e Controllo degli Errori

Applica controlli sistematici per rilevare errori di formula, collegamenti interrotti e difetti logici. La verifica è uno standard professionale prima di condividere qualsiasi modella.

Lezione 4 • Modelle Non Lineari e Basate su Rapporti

Estende la logica della modella a relazioni moltiplicative, esponenziali e di rapporto. Cattura dinamiche del mondo reale che le modelle lineari non possono rappresentare.

Lezione 1 • Selezione e Validazione della Modella

Applica criteri informativi, convalida incrociata e test di holdout per scegliere il modello migliore. Previene l'overfitting e garantisce la generalizzabilità.

Lezione 2 • Modelli di Regressione Multipla

Estende la regressione a più predittori e controlla i fattori confondenti. Gli studenti gestiscono la multicollinearità e interpretano gli effetti parziali.

Lezione 3 • Diagnostica e Presupposti del Modello

Verifica linearità, omoschedasticità, normalità e indipendenza dei residui. Le violazioni vengono diagnosticate e corrette prima dell'uso del modello.

Lezione 4 • Variabili Categoriche e Interazioni

Codifica i predittori categoriali e modella gli effetti di interazione. Amplia la gamma di problemi del mondo reale che la regressione può affrontare.

Lezione 1 • Dinamiche di Sistema e Cicli di Retroazione

Cattura stock, flussi e retroazioni nei sistemi dinamici nel tempo. Rivela comportamenti controintuitivi causati da ritardi e non linearità.

Lezione 2 • Introduzione al Pensiero Stocastico

Contrappone approcci deterministici e stocastici e spiega quando la casualità deve essere modellata. Motiva la simulazione come strumento pratico.

Lezione 3 • Simulazione a Eventi Discreti

Modella i sistemi come sequenze di eventi con code, risorse e tempistiche. Applicata all'ottimizzazione dei processi e alla pianificazione della capacità.

Lezione 4 • Analisi degli Output della Simulazione

Applica metodi statistici ai risultati della simulazione per trarre conclusioni valide. Tratta periodi di riscaldamento, durata dell'esecuzione e intervalli di confidenza.

Lezione 1 • Test di Scenario e di Stress

Definisce scenari coerenti e casi di stress estremo per testare la robustezza del modello. Prepara i modelli a condizioni avverse e inaspettate.

Lezione 2 • Concetti e Standard di Validazione

Distingue verifica, convalida e calibrazione e spiega gli standard professionali per ciascuno. Stabilisce il livello di qualità per tutti gli output del modello.

Lezione 3 • Backtesting e Convalida Storica

Testa le previsioni del modello rispetto a risultati storici noti per misurarne l'accuratezza. Rivela distorsioni sistematiche e debolezze strutturali.

Lezione 4 • Sensibilità Globale ed Effetti di Interazione

Applica metodi basati sulla varianza per misurare gli effetti combinati degli input sulla varianza dell'output. Cattura le interazioni non rilevate dall'analisi unidirezionale.

Lezione 1 • Visualizzazione dei Dati per i Risultati del Modello

Seleziona e progetta grafici che rappresentano accuratamente gli output e l'incertezza del modello. Le scelte di visualizzazione influenzano direttamente l'interpretazione degli stakeholder.

Lezione 2 • Strutturare gli Output del Modello per il Pubblico

Adatta il formato e la profondità dell'output agli stakeholder tecnici e non tecnici. Una comunicazione efficace determina se le intuizioni del modello portano all'azione.

Lezione 3 • Documentazione e Passaggio di Consegne del Modello

Crea guide per l'utente, specifiche tecniche e registri delle modifiche per il passaggio di consegne del modello. La documentazione garantisce la continuità quando la proprietà viene trasferita.

Lezione 4 • Integrare i Modelli nei Flussi di Lavoro

Integra i modelli nei processi aziendali tramite API, dashboard o pipeline automatizzate. L'integrazione operativa massimizza l'impatto del modello.