Offerta Didattica
ENGINEERING AND COMPUTER SCIENCE
ADVANCED TECHNIQUES OF DATA ANALYSIS
Classe di corso: LM-32, 18 - Classe delle lauree magistrali in Ingegneria informatica
AA: 2017/2018
Sedi: MESSINA
| SSD | TAF | tipologia | frequenza | moduli |
|---|---|---|---|---|
| ING-INF/05 | Caratterizzante | Libera | Libera | No |
| CFU | CFU LEZ | CFU LAB | CFU ESE | ORE | ORE LEZ | ORE LAB | ORE ESE |
|---|---|---|---|---|---|---|---|
| 6 | 4.5 | 0 | 1.5 | 60 | 36 | 0 | 24 |
LegendaCFU: n. crediti dell’insegnamento CFU LEZ: n. cfu di lezione in aula CFU LAB: n. cfu di laboratorio CFU ESE: n. cfu di esercitazione FREQUENZA:Libera/Obbligatoria MODULI:SI - L'insegnamento prevede la suddivisione in moduli, NO - non sono previsti moduli ORE: n. ore programmate ORE LEZ: n. ore programmate di lezione in aula ORE LAB: n. ore programmate di laboratorio ORE ESE: n. ore programmate di esercitazione SSD:sigla del settore scientifico disciplinare dell’insegnamento TAF:sigla della tipologia di attività formativa TIPOLOGIA:LEZ - lezioni frontali, ESE - esercitazioni, LAB - laboratorio
Obiettivi Formativi
Il corso intende fornire nozioni di base nell'analisi statistica dei dati.Learning Goals
This course provides an introduction to statistical learning methodsMetodi didattici
Lezioni FrontaliTeaching Methods
LecturesPrerequisiti
Programmazione, Basi di Dati, Probabilità, Analisi Matematica e Algebra linearePrerequisites
Computer Programming, Databases, Probability, Calculus and Linear AlgebraVerifiche dell'apprendimento
Esame OraleAssessment
Oral ExamProgramma del Corso
Introduction Statistical Learning Linear Regression Classification Resampling Methods Linear Model Selection and Regularization Tree-Based Methods Support Vector Machines Unsupervised LearningCourse Syllabus
Introduction Statistical Learning Linear Regression Classification Resampling Methods Linear Model Selection and Regularization Tree-Based Methods Support Vector Machines Unsupervised LearningTesti di riferimento: R. Walpole, R. Myers, S. Myers, K. Ye. Analisi statistica dei dati per l'Ingegneria - Strumenti ed Applicazioni in R, Pearson, 2016.
“An Introduction to Statistical Learning with Applications in R”, by James, Witten, Hastie, Tibshirani.
Scaricabile gratuitamente al seguente URL:
http://www.bcf.usc.edu/~gareth/ISL/index.html
Esami: Elenco degli appelli
Elenco delle unità didattiche costituenti l'insegnamento
ADVANCED TECHNIQUES OF DATA ANALYSIS
Docente: PASQUALE DE MEO
Orario di Ricevimento - PASQUALE DE MEO
| Giorno | Ora inizio | Ora fine | Luogo |
|---|---|---|---|
| Mercoledì | 15:00 | 16:30 | DICAM, stanza n. 246 |
Note:
- Segui Unime su:
