Servizi per la didattica
PORTALE DELLA DIDATTICA

Statistical learning

03REURT

A.A. 2021/22

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 6
Collaboratori
Espandi
Didattica
SSD CFU Attivita' formative Ambiti disciplinari
*** N/A ***    
Date d'appello
Orario delle lezioni
Statistiche superamento esami
Il corso, che ha come prerequisito la conoscenza dei fondamenti della teoria delle probabilità e della statistica inferenziale, completa la formazione dello studente di dottorato su: 1. modelli gerarchici e statistica bayesiana; 2. modelli per dati dipendenti; 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.
The course aims at completing the education of Ph.D. students about: 1. Bayesian Networks and Bayesian Statistics; 2. models for dependent data; 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.
Conoscenza delle basi della teoria della probabilità e della statistica inferenziale.
Knowledge of the basics of probability theory and inferential statistics.
Bayesian Networks and Bayesian Statistics: - naive Bayesian networks; - fundamentals of Bayesian Statistics; - industrial and scientific applications. Models for dependent data: - time-series; - spatial data; - mixtures. Design of Experiments: - orthogonal fractional factorial designs - saturated designs
Bayesian Networks and Bayesian Statistics: - naive Bayesian networks; - fundamentals of Bayesian Statistics; - industrial and scientific applications. Models for dependent data: - time-series; - spatial data; - mixtures. Design of Experiments: - orthogonal fractional factorial designs - saturated designs
In presenza
On site
Presentazione report scritto
Written report presentation
P.D.2-2 - Giugno
P.D.2-2 - June
PERIODO: GIUGNO - LUGLIO
PERIOD: JUNE - JULY
© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti