Articoli sulla data literacy

Nel quinto episodio di "Dati senza segreti", offriamo una panoramica delle basi della statistica descrittiva, una delle aree fondamentali della data science.

Nella parte 11 di "Dati senza misteri" analizziamo come l'IA viene trattata nelle notizie, come può portare alla trappola dell'hype e come evitarla.

Scopri la differenza fondamentale tra correlazione e causalità nell'analisi dei dati. Comprendi esempi reali ed evita gli errori più comuni nell'interpretazione dei dati.

Nella parte 10 di "Dati senza segreti", entreremo nel mondo della data visualization, continuando con le visualizzazioni che catturano le distribuzioni.

Nella parte nove di "Dati senza segreti", entreremo a fondo nel mondo della data visualization, continuando con le visualizzazioni che catturano le relazioni.

Nella parte otto di "dati senza segreti", approfondiamo il mondo della visualizzazione dei dati, partendo dalle visualizzazioni che catturano i trend.

Nel secondo episodio di "dati senza segreti" daremo un'occhiata ai due tipi di dati più comuni: dati quantitativi vs qualitativi. Per altri articoli della serie, leggi la prima puntata.

Nel terzo episodio di "dati senza misteri", definiremo i termini gergali più comuni che senti oggi nella data science. Dal machine learning al deep learning, ecco tutti i sotto-campi dei dati che devi conoscere.

Nella parte finale di “Dati senza segreti” illustriamo i tipi di bias dell’IA più comuni e perché la data literacy aiuta a evitare impatti dannosi dell’IA.

Nel quarto capitolo di "Dati senza segreti" analizzeremo i quattro tipi di analisi. Dalla descrittiva alla prescrittiva, vedremo come l’analisi dei dati può rispondere alle domande più urgenti.

Benvenuto in Data Demystified! Una serie di articoli che scompone i concetti chiave che tutti dovrebbero conoscere sui dati. Nella prima puntata della serie risponderemo alla domanda più fondamentale di tutte: che cos'è esattamente il dato?

Nella settima parte di "dati senza segreti", analizzeremo uno dei casi d’uso più comuni dell’analisi statistica nella data science: l’A/B testing.