Foundations of data analysis (2019/2020)

Codice insegnamento
4S008278
Docente
Giacomo Albi
Coordinatore
Giacomo Albi
crediti
6
Settore disciplinare
MAT/08 - ANALISI NUMERICA
Lingua di erogazione
Inglese
Sede
VERONA
Periodo
II semestre dal 2-mar-2020 al 12-giu-2020.

Orario lezioni

Vai all'orario delle lezioni

Obiettivi formativi

Al termine di questo insegnamento gli studenti dovranno essere in grado di capire ed applicare le nozioni di base, i concetti e i metodi dell’algebra lineare computazionale, dell’ottimizzazione convessa e della geometria differenziale applicate all’analisi dei dati. In particolare, dovranno padroneggiare il metodo della decomposizione ai valori singolari e delle matrici random per la rappresentazione di dati in dimensione bassa, le nozioni fondamentali dei problemi di ricostruzione di dati sparsi (ad esempio compressed sensing, ricostruzione di matrici di rango basso, dictionary learning algorithms). Saranno in grado anche di trattare la rappresentazione di dati come cluster attorno a varietà in dimensione alta ed in grafi random e apprenderanno tecniche per costruire carte locali e cluster di dati. Nelle sessioni di laboratorio gli studenti si familiarizzeranno con gli strumenti e gli ambienti di programmazione utili ad affrontare alcuni casi di studio.

Programma


- Algebra lineare computazionale: SVD, matrici random, sparse recovery (compressed sensing, low rank matrix recovery, dictionary learning).

- Ottimizzazione convessa.

- Geometria dei dati (ISOMAP, diffusion map, random graphs).


Testi di riferimento
Autore Titolo Casa editrice Anno ISBN Note
Stephane Mallat A Wavelet Tour of Signal Processing (Edizione 2) Academic Press 1999 9780124666061
Avrim Blum, John Hopcroft, Ravi Kannan, Foundations of Data Science Cambridge University Press 2020
John A. Lee, Michel Verleysen Nonlinear Dimensionality Reduction Springer 2006
I.T. Jolliffe Principal Component Analysis Springer 2002

Modalità d'esame

L'esame consiste di due parti: la risoluzione di esercizi e domande per iscritto e un esame orale.
Si incoraggia lo sviluppo di un progetto finale (non obbligatorio) ad integrazione dell'esame orale.