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 | |