| Modulo | Crediti | Settore disciplinare | Periodo | Docenti |
|---|---|---|---|---|
| PART I | 3 | MAT/06-PROBABILITÀ E STATISTICA MATEMATICA | I semestre |
Paolo Dai Pra
|
| PART II | 3 | INF/01-INFORMATICA | I semestre |
Alberto Castellini
|
Obiettivo dell’insegnamento è introdurre gli studenti alla modellazione statistica ed all’analisi esplorativa dei dati. I fondamenti dello Statistical Learning (supervised e unsupervised, deep learning) sono sviluppati con particolare enfasi sugli aspetti teorici e sulle strutture matematiche sottostanti, allo scopo di fornire una derivazione ed analisi rigorosa ed autocontenuta dei principali modelli usati correntemente per le applicazioni. Sessioni complementari di laboratorio permetteranno di illustrare gli algoritmi chiave in connessione con alcuni casi di studio rilevanti, usando principalmente gli ambienti software standard come R o Python.
Tutte le ore dell'insegnamento saranno disponibili online. Inoltre, una parte delle lezioni/tutte le lezioni (si veda l'orario)
saranno tenute anche in aula.
Obiettivo dell’insegnamento è introdurre gli studenti alla modellazione statistica ed all’analisi esplorativa dei dati. I fondamenti dello Statistical Learning (supervised e unsupervised, deep learning) sono sviluppati con particolare enfasi sugli aspetti teorici e sulle strutture matematiche sottostanti, allo scopo di fornire una derivazione ed analisi rigorosa ed autocontenuta dei principali modelli usati correntemente per le applicazioni. Sessioni complementari di laboratorio permetteranno di illustrare gli algoritmi chiave in connessione con alcuni casi di studio rilevanti, usando principalmente gli ambienti software standard come R o Python.
Si vedano le modalità per i singoli moduli
La modalità d'esame potrebbe subire delle variazioni in funzione
dell'evolversi della situazione.
| Autore | Titolo | Casa editrice | Anno | ISBN | Note |
| T. Hastie, R. Tibshirani, J. Friedman. | The elements of statistical learning. Data mining, inference, and prediction. (Edizione 2) | Springer | 2009 |
