| Politecnico di Torino | |||||||||||||||||
| Anno Accademico 2016/17 | |||||||||||||||||
| 01RLPNG, 01RLPOV Data spaces |
|||||||||||||||||
|
Corso di Laurea Magistrale in Ingegneria Matematica - Torino Corso di Laurea Magistrale in Ingegneria Informatica (Computer Engineering) - Torino |
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
| Esclusioni: 01RLO |
|||||||||||||||||
|
Programma
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) |
|
Testi richiesti o raccomandati: letture, dispense, altro materiale didattico (Prof. F. Vaccarino)
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. |
| Orario delle lezioni |
| Statistiche superamento esami |
|
|