• Edizioni di altri A.A.:
  • 2019/2020
  • 2020/2021
  • 2021/2022

  • Lingua Insegnamento:
    Gli incontri con gli studenti saranno svolti in Italiano. I libri di testo saranno in lingua Inglese 
  • Testi di riferimento:
    Kevin Murphy (2012) Machine learning : a probabilistic perspective, The MIT Press, Cambridge, Massachusetts, London, England
     
  • Obiettivi formativi:
    Obiettivo dell'attività formativa è di proporre agli studenti gli strumenti necessari per analizzare autonomamente dati statistici complessi.

    Risultati di apprendimento attesi
    Conoscenza e capacità di comprensione
    - Conoscenza di concetti statistici per l’analisi multivariata lineare e non di dati complessi
    - Capacità di applicare i principi di ragionamento statistico nell'elaborazione e nell'interpretazione di articoli pubblicati
    - Capacità di utilizzare il software R e Matlab per l’analisi statistica

    Autonomia di giudizio
    - Apprendere i concetti logici e statistici che sono indispensabili per lavorare autonomamente nella ricerca

    Abilità comunicative
    - Imparare la terminologia e le tecniche statistiche di analisi multivariata e object data anaysis
    per comunicare o discutere correttamente i risultati dell'analisi di dati a struttura complessa
     
  • Prerequisiti:
    È un corso avanzato di statistica che ha come prerequisiti gli insegnamenti di matematica, algebra lineare e inferenza, data mining
     
  • Metodi didattici:
    Incontri settimanali volti allo sviluppo di un progetto di analisi dei dati o approfondimento di uno o più argomenti avanzati di statistica
     
  • Modalità di verifica dell'apprendimento:
    L’esame si articola nella discussione di durata di 60 minuti del progetto redatto per l’analisi di
    data sets (effettuata mediante l’uso del software R) selezionati col docente. La prova si concluderà con una valutazione in trentesimi.
     
  • Sostenibilità:
    I temi trattati nel corso sono riconducibili ad alcuni dei 17 obiettivi caratterizzanti l'Agenda 2030 per lo sviluppo sostenibile. In particolare, le tematiche trattate faranno riferimento ad alcuni target dei goal "Salute e benessere", "Città e comunità sostenibili" e "Lotta al cambiamento climatico" 
  • Altre Informazioni:
    E-mail: ippoliti@unich.it

    Ricevimento studenti: Lunedì e Mercoledì 15:00 – 16:00 e per appuntamento da concordarsi via e-mail.
     

Il corso prevede la trattazione dei seguenti argomenti avanzati di Statistica Learning per il raggiungimento dei risultati di apprendimento attesi:

Tecniche di visualizzazione di dati complessi, analisi della dipendenza di dati complessi (dati non lineari), tecniche di regressione non parametrica, text mining, Object data analysis, Shape analysis.

Gli argomenti di studio utilizzati per lo sviluppo del progetto verranno tratti dal libro:

Kevin Murphy (2012) Machine learning : a probabilistic perspective, The MIT Press, Cambridge, Massachusetts, London, England

Avvisi

Nessun avviso in evidenza

Documenti

Nessun documento in evidenza

Scopri cosa vuol dire essere dell'Ud'A

SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551

SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371

email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693

icona Facebook   icona Twitter

icona Youtube   icona Instagram