Laureandi magistrali in Scienze Statistiche e Data Science
Bonora Elisabetta(2021/22)
Bosin Francesca (2021/22)
Moro Silvia (2021/22)
Zornetta Emma (2021/22)
Dilda Giorgio (2021/22)
Sinigaglia Andrea (2021/22)
Laureati magistrali in Scienze Statistiche e Data Science
Belli Chiara, 2018/2019, Le regole dell’affitto perfetto: uno studio sui fattori che vanno ad influenzare i livelli dei prezzi degli affitti su Airbnb.
Campedelli Fabia, 2019/2020, Dinamiche temporali di diffusione del covid-19: analisi della “prima ondata” nei paesi europei.
Cantagallo, Francesco Maria, 2020/21, Novelty Detection: the importance of looking at the big picture without forgetting the smaller one.
Custodero Angela, 2019/2020, Il fenomeno di Airbnb in puglia: analisi dei fattori che influenzano i prezzi e la soddisfazione degli ospiti.
D’Angelo Arianna, 2016/17, Open Data come opportunità per il business: analisi di un caso pratico.
Danzo Leonardo, 2018/2019, Il fenomeno della volatilità nell’ambito del consumo di energia elettrica – il caso italiano.
De Michieli Clelia, 2019/2020, Open data al servizio del bene pubblico: analisi di un caso pratico a New York.
Desiro’ Gianluca, 2018/2019, Pratiche di economia circolare nelle PMI europee: analisi statistica dei fattori determinanti.
Di Flavia Vanessa, 2018/2019, Combinazione efficiente di gerarchie contemporanee e temporali per la previsione di sistemi di serie storiche.
Di Vincenzo Davide, 2018/2019, Esposizione al rischio di frodi ipotecarie: problematiche e soluzioni statistiche.
Faehnle Alexander, 2018/2019, Dynamic pricing nel mercato online di smartphone: analisi della competizione sul prezzo con processi VAR.
Fiorin Lisa, 2018/2019, Feature-based clustering di serie storiche: un’applicazione ai consumi di energia elettrica.
Gambatesa Roberta, 2019/2020, Airbnb e l’importanza delle parole: analisi di text mining per valutare l’attrattività di un annuncio in tre città italiane.
Gazzea Daniel, 2017/2018, Previsione della domanda commerciale promozionale nella GDO.
Gennaro Alberto, 2019/2020, Sviluppo di uno strumento di previsione automatica in Knime: descrizione e confronto con procedure di previsione manuale.
Giacon Anna, 2020/21, Pricing dinamico nell’e-commerce: modelli VAR e modelli per dati di rete per le politiche di prezzo su Amazon.
Irianni Yari, 2019/2020, Sistemi di raccomandazione: analisi tramite i filtri collaborativi e interpretazione nel contesto del Reinforcement Learning.
Italiano Simone, 2019/2020, Fattori di rischio nello sviluppo di malattie otorinolaringoiatriche: un’analisi multilivello.
Longhi Lavinia, 2017/2018, Previsione di serie storiche gerarchiche per il demand planning nel settore dell’occhialeria.
Moressa Ester, 2019/2020, Web-mining con finalità di marketing: applicazione di regole associative sequenziali e modelli per reti dirette e pesate.
Pallotti Alessio, 2019/2020, Capacità previsiva di modelli per dati di rete: analisi e confronto su reti di prodotti acquistati su Amazon.
Ragana Andrea, 2019/2020, Trasferimenti diretti di merce tra stores: un’analisi tramite modelli per reti.
Rapisarda Lucia, 2018/2019, Modelli di diffusione per serie in competizione: un’applicazione del modello di Lotka-Volterra al mercato delle auto elettriche statunitensi.
Savio Andrea, 2020/21, Modelli di diffusione multivariati: rappresentazione mediante equazioni differenziali e System Dynamics.
Speranza Giulia, 2019/2020, Analisi di una rete di prodotti acquistati su Amazon in presenza di dati mancanti.
Valpiola Martina, 2019/2020, Hedging di prodotti illiquidi sul mercato power: una proposta per la copertura delle esposizioni di Sorgenia s.p.a.