Fondamenti Filosofici dell Analisi dei Dati

1

Che cosa conta come evidenza

Lezione introduttiva del modulo Fondamenti Filosofici dell'Analisi dei Dati.

2

Aristotele e le quattro cause

Come il framework aristotelico delle quattro cause aiuta a capire perché accadono i fenomeni nei dati.

Prerequisiti: 1

3

David Hume: esperienza, abitudine mentale e scetticismo

Perché l'induzione è un'abitudine mentale, non una legge logica, e cosa significa per l'analisi dati.

Prerequisiti: 1

4

Francis Bacon: induzione e idoli della mente

I bias cognitivi che distorcono la lettura dei dati, dal 1620 ad oggi.

Prerequisiti: 1

5

Immanuel Kant: causalità come categoria dell'intelletto

Kant e l'idea che la causalità non è nei dati ma nella struttura della mente umana.

Prerequisiti: 1

6

Karl Popper: falsificabilità e sperimentazione

Perché un test che conferma la tua ipotesi non vale quanto uno che potrebbe smentirla.

Prerequisiti: 1

7

Thomas Kuhn: paradigmi scientifici e cultura del dato

Come i paradigmi collettivi determinano cosa un'organizzazione considera "vero" nei dati.

Prerequisiti: 1

8

Judea Pearl, DAG e rivoluzione causale

Come Pearl ha trasformato la statistica da descrittiva a causale e cosa significa per l'analista.

Prerequisiti: 1

9

Frequentismo vs bayesianismo: due modi di leggere l'incertezza

Due filosofie della probabilità opposte e le loro conseguenze pratiche nell'analisi dati.

Prerequisiti: 1

10

Epistemologia dei dati: cosa puoi davvero sapere

I limiti della conoscenza ottenibile dai dati e come distinguere ciò che sai da ciò che credi di sapere.

Prerequisiti: 1

11

Etica degli algoritmi e responsabilità analitica

Cosa significa essere eticamente responsabili quando si lavora con dati e algoritmi.

Prerequisiti: 1

12

Correlazione, causalità e controfattuali

Perché 'correlazione non implica causalità è solo l'inizio della storia.

Prerequisiti: 1

13

Modelli, assunzioni e misspecification

Le assunzioni nascoste nei modelli statistici e come riconoscerle prima che facciano danni.

Prerequisiti: 1

14

Measurement theory: cosa significa misurare bene

Come distinguere tra ciò che misuri e ciò che vorresti misurare, e perché la differenza conta.

Prerequisiti: 1

15

Simpson's paradox e confounding

Perché i dati aggregati e i dati disaggregati raccontano storie opposte.

Prerequisiti: 1

17

Metodo scientifico applicato al lavoro sui dati

Come trasformare il lavoro analitico quotidiano in un processo scientifico rigoroso.

Prerequisiti: 1

18

Incertezza, rischio e ignoranza

Come distinguere ciò che sai, ciò che puoi stimare e ciò che non puoi nemmeno immaginare.

Prerequisiti: 1

19

Dalla causalità classica al futuro dell'analisi dati

Come il pensiero causale sta ridefinendo il ruolo dell'analista nell'era dell'AI.

Prerequisiti: 1

20

Caso studio: pensiero filosofico e decisione di business

Laboratorio pratico: applicare tutto il modulo di filosofia a un caso reale.

Prerequisiti: 1

20

Indice — Fondamenti filosofici dell'analisi dei dati

Mappa del modulo sui fondamenti filosofici per l'analista moderno.