Caricamento in corso...
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 | STAT-01/A | 5 | 0 | 0 | 0 | 6 |
Collaboratori
Didattica
| SSD | CFU | Attivita' formative | Ambiti disciplinari | *** N/A *** | 3 |
|---|
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