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: 2015/2016

Sedi: MESSINA

SSD	TAF	tipologia	frequenza	moduli
ING-INF/05	Affine/Integrativa	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

Legenda
CFU: 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
Learning Goals

Obiettivi Formativi

Il corso intende fornire nozioni di base nell'analisi statistica dei dati.

Learning Goals

This course provides an introduction to statistical learning methods.

Metodi didattici
Teaching Methods

Metodi didattici

Lezioni Frontali

Teaching Methods

Lectures

Prerequisiti
Prerequisites

Prerequisiti

Programmazione, Basi di Dati, Probabilità, Analisi Matematica e Algebra lineare

Prerequisites

Computer Programming, Databases, Probability, Calculus and Linear Algebra

Verifiche dell'apprendimento
Assessment

Verifiche dell'apprendimento

Esame Orale

Assessment

Oral exam

Programma del Corso
Course Syllabus

Programma del Corso

Introduction Statistical Learning Linear Regression Classification Resampling Methods Linear Model Selection and Regularization Tree-Based Methods Support Vector Machines Unsupervised Learning

Course Syllabus

Introduction Statistical Learning Linear Regression Classification Resampling Methods Linear Model Selection and Regularization Tree-Based Methods Support Vector Machines Unsupervised Learning

Testi di riferimento: “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: