STATISTICAL LEARNING M

Scheda dell'insegnamento

Anno accademico di regolamento: 
2015/2016
Anno di corso: 
2
Anno accademico di erogazione: 
2016/2017
Tipo di attività: 
Obbligatorio a scelta
Crediti: 
6
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
42
Prerequisiti: 

Si consiglia la conoscenza degli argomenti trattati negli insegnamenti di “Probabilità e Statistica Computazionale M”, “Statistica Avanzata M” e “Data Science M” (modulo “Data Mining”).

Moduli

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

Prova in laboratorio

Valutazione: 
Voto Finale

Obiettivi formativi

L’obiettivo del modulo è di presentare nuovi algoritmi e metodi inferenziali utilizzabili per l’analisi di data set complessi. L’enfasi del modulo è posta su problemi ad elevata dimensionalità.

Contenuti

Boosting algorithms
High-dimensional problems
Graphical models
Sparse multivariate methods

Programma esteso

Boosting algorithms
High-dimensional problems
Graphical models
Sparse multivariate methods

Bibliografia consigliata

Hastie, Tibshirani and Friedman (2009) The Elements of
Statistical Learning. Data Mining, Inference and Prediction,
Springer
Hastie, Tibshirani, Wainwright (2016) Statistical Learning with Sparsity: The Lasso and Generalizations. Chapman & Hall/CRC

Modalità di erogazione

Convenzionale

Metodi didattici

Lezioni in laboratorio

Contatti/Altre informazioni