FONDAMENTI DI ANALISI DATI E LABORATORIO
Anno accademico 2016/2017 - 1° anno - Curriculum Data Science
Docenti
Organizzazione didattica: 225 ore d'impegno totale, 189 di studio individuale, 36 di lezione frontale
Semestre: 1°
ENGLISH VERSION
- FONDAMENTI DI ANALISI DATI: Giovanni GALLO
- LABORATORIO: Giovanni GALLO
Organizzazione didattica: 225 ore d'impegno totale, 189 di studio individuale, 36 di lezione frontale
Semestre: 1°
ENGLISH VERSION
Programmazione del corso
| FONDAMENTI DI ANALISI DATI | |||
| Argomenti | Riferimenti testi | ||
|---|---|---|---|
| 1 | Statistica descrittiva | ||
| 2 | Modalità più comuni di visualizzaizone dati | ||
| 3 | correlazione e indici di correlazione lineare | ||
| 4 | confronto tra popolazioni, cenni di statistica inferenziale | ||
| 5 | il problema della classificazione automatica, Ts, CS e errore | ||
| 6 | Regressione lineare | ||
| 7 | regressione non lineare e logistica | ||
| 8 | Formula di Bayes, classificazione MAP | ||
| 9 | Analisi discriminante: LDA, percettrone | ||
| 10 | SVM, SVM e kernel trick | ||
| 11 | Alberi decisionali: CART | ||
| 12 | Riduzione di dimensionalità lineare: PCA | ||
| 13 | Riduzione di dimensionalità non lineare | ||
| 14 | K-nn e parzen methods (metodi non parametrici) | ||
| 15 | Clustering: k-means, medoids, clustering gerarchico | ||
| 16 | Ensamble techniques, boosting | ||
| LABORATORIO | |||
| Argomenti | Riferimenti testi | ||
| 1 | introduzione a Python | ||
| 2 | librerie Python per l'analisi dati | ||
| 3 | casi di studio notevoli | ||
| 4 | esempi di analisi, visualizzazione, calssificazione in Python | ||