Verranno presentati i metodi avanzati della statistica e i fondamenti matematici del
Machine Learning, con particolare approfondimento delle strette relazioni che
esistono tra le due materie.

Lo studente vedrà come i metodi di analisi dei dati che ha studiato in teoria vengono applicati in pratica, mettendone a frutto tutte le potenzialità metodologiche.

Una buona conoscenza dell'Algebra Lineare e
una preparazione equivalente a 15 crediti di Probabilità e Statistica Matematica.

Modelli lineari con predittori sia quantitativi sia qualitativi (inclusi quelli di rango non pieno)
Inferenza simultanea nei modelli lineari (confronti multipli, Tukey, Scheffé)

Rappresentazione dei dati (topologie, metriche, dissimilarità, spazi lineari, networks, ...)
Analisi discriminante (incluse lineare e quadratica)
Riduzione della dimensionalità (incluse PCA e ICA, MAPPER)
Fondamenti matematici del machine learning (e.g kernel trick, SVM, e altri)

Modelli lineari generalizzati (cioé regressione logistica, di Poisson e di Cox)
Modelli a effetti casuali e a effetti misti lineari e nonlineari,
Reti Bayesiane (Bayesian Networks)
Serie temporali (cenni a Box Jenkins) e spaziali (cenni al kriging)

Esercitazioni in forma tradizionale completeranno le lezioni e un software statistico appropriato sarà usato in laboratorio informatico.

James, G., Witten, D., Hastie, T., Tibshirani, R.
An Introduction to Statistical Learning with Applications in R
Springer
ISBN 978-1-4614-7138-7

Il libro che principalmente useremo sara'

An Introduction to Statistical Learning
with Applications in R
Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani

https://www.amazon.it/Introduction-Statistical-Learning-Applications/dp/1461471370/ref=sr_1_1?ie=UTF8&qid=1474898531&sr=8-1&keywords=An+Introduction+to+Statistical+Learning+with+Applications+in+R

reperibile gratuitamente e legamente dalla pagina web

http://www-bcf.usc.edu/~gareth/ISL/

il suo indice fornisce dec facto la scaletta delle lezioni, anche se non faremo tutti gli argomenti ivi riportati.

Ulteriore materiale ad-hoc sará messo sul sito secondo il calendario delle lezioni.

L'esame consisterà nella redazione di una tesina su un problema applicativo. In casi particolare si potrà dare un esame orale.