Servizi per la didattica
PORTALE DELLA DIDATTICA

Statistical learning

03REURT

A.A. 2019/20

Lingua dell'insegnamento

Italiano

Corsi di studio

Dottorato di ricerca in Matematica Pura E Applicata - Torino

Organizzazione dell'insegnamento
Didattica Ore
Lezioni 15
Docenti
Docente Qualifica Settore h.Lez h.Es h.Lab h.Tut Anni incarico
Fontana Roberto Professore Ordinario SECS-S/01 5 0 0 0 5
Collaboratori
Espandi

Didattica
SSD CFU Attivita' formative Ambiti disciplinari
*** N/A ***    
2019/20
PERIODO: GIUGNO - LUGLIO FinalitÓ del corso: in italiano e in inglese Il corso, che ha come prerequisito la conoscenza dei fondamenti della teoria delle probabilitÓ e della statistica inferenziale, completa la formazione dello studente di dottorato su: 1. modelli gerarchici e statistica bayesiana; 2. metodi statistici di analisi multivariata;; 3. metodi statistici per la pianificazione degli esperimenti. I metodi verranno illustrati in concreto mediante applicazioni del software R e/o SAS a problemi di tipo industriale, scientifico e gestionale, in modo da rendere il corso di interesse per un ampio spettro di studenti di dottorato. Knowledge of
PERIOD: JUNE - JULY Knowledge of the basics of probability theory and inferential statistics is a prerequisite. The course aims at completing the education of Ph.D. students about: 1. Bayesian Networks and Bayesian Statistics; 2. methods for multivariate statistical analysis; 3. statistical methods for the Design of Experiments (DOE). All methods will be illustrated in practice using the R or the SAS software on applications to industrial, scientific and management problems, in order to make the course useful and appealing to a broad audience of Ph.D. students.
Bayesian Networks and Bayesian Statistics:  naive Bayesian networks;  fundamentals of Bayesian Statistics;  industrial and scientific applications. Multivariate analysis methods:  principal component analysis;  cluster analysis;  applications to industrial and management problems. Design of Experiments:  orthogonal fractional factorial
Bayesian Networks and Bayesian Statistics:  naive Bayesian networks;  fundamentals of Bayesian Statistics;  industrial and scientific applications. Multivariate analysis methods:  principal component analysis;  cluster analysis;  applications to industrial and management problems. Design of Experiments:  orthogonal fractional factorial Bayesian Networks and Bayesian Statistics:  naive Bayesian networks;  fundamentals of Bayesian Statistics;  industrial and scientific applications. Multivariate analysis methods:  principal component analysis;  cluster analysis;  applications to industrial and management problems. Design of Experiments:  orthogonal fractional factorial
ModalitÓ di esame:
Exam:
Gli studenti e le studentesse con disabilitÓ o con Disturbi Specifici di Apprendimento (DSA), oltre alla segnalazione tramite procedura informatizzata, sono invitati a comunicare anche direttamente al/la docente titolare dell'insegnamento, con un preavviso non inferiore ad una settimana dall'avvio della sessione d'esame, gli strumenti compensativi concordati con l'UnitÓ Special Needs, al fine di permettere al/la docente la declinazione pi¨ idonea in riferimento alla specifica tipologia di esame.
Exam:
In addition to the message sent by the online system, students with disabilities or Specific Learning Disorders (SLD) are invited to directly inform the professor in charge of the course about the special arrangements for the exam that have been agreed with the Special Needs Unit. The professor has to be informed at least one week before the beginning of the examination session in order to provide students with the most suitable arrangements for each specific type of exam.
Esporta Word


© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti