Course Syllabus
Obiettivi formativi
Il corso si pone come obiettivo l'approfondimento di tecniche per l'analisi dei dati e di data mining e il perfezionamento delle abilità di modellizzazione con finalità previsiva, con relative implementazioni nell’ambiente di programmazione R.
Contenuti sintetici
Approfondimento dell'insieme delle metodologie di data mining e dell'apprendimento supervisionato e dei suoi principi generali.
Verrà fornito un quadro del processo di modellizzazione dei dati con finalità previsiva fruibile attraverso R. Questo processo include la pre-elaborazione dei dati, la suddivisione in dati di training e di test, la messa a punto dei modelli e la stima delle dell'errore di previsione.
Programma esteso
- Principi fondamentali: sovra-adattamento, compromesso tra distorsione e varianza, ottimismo
- Splines di regressione e modelli addittivi
- Selezione delle variabili
- Riduzione della dimensionalità
- Metodi di ensemble
- Il modello e il processo di modellizzazione
Prerequisiti
Si consiglia la conoscenza degli argomenti trattati nei corsi Probabilità e Statistica Computazionale M e Statistica Avanzata M.
Metodi didattici
Le lezioni si svolgono sia in aula che in laboratorio, integrando aspetti di carattere teorico con quelli pratico-applicativi di analisi dei dati e di programmazione in R.
Modalità di verifica dell'apprendimento
La modalità di verifica consiste nell'analisi di un dataset e in una prova orale.
L'analisi dei dati ha come obiettivo la verifica delle abilità di modellizzazione dei dati a fini previsivi. La prova orale riguarderà sia l'esposizione dell'analisi dei dati sia la verifica dello studio degli argomenti trattati a lezione.
Per l'analisi dei dati, oltre alle previsioni, bisognerà produrre una relazione contenete la descrizione dell’analisi e il codice utilizzato da consegnare entro la scadenza prevista (almeno una settimana prima dell'appello d'esame). Sarà possibile consegnare le previsioni una volta sola per A.A.
Testi di riferimento
- Azzalini, Scarpa (2004). Analisi dei dati e data mining. Springer-Verlag Italia
- Hastie, Tibshirani, Friedman (2009). The Elements of Statistical Learning. Springer
Approfondimenti :
- Kuhn, Silge (2022). Tidy Modeling with R. O'Reilly Media, Inc.
- Lewis, Kane, Arnold (2019) A Computational Approach to Statistical Learning. Chapman And Hall/Crc.
- Kuhn, Johnson (2019). Feature Engineering and Selection. Chapman and Hall/CRC
Periodo di erogazione dell'insegnamento
Primo semestre, secondo periodo.
Lingua di insegnamento
Le lezioni si svolgono in italiano, tuttavia i libri di testo sono in lingua inglese.
Learning objectives
The course aims to provide data analysis and data mining tecniques and to improve predictive modelling skills by using the R software environment for statistical computing.
Contents
Study the set of exploitable data mining and supervised learning methods.
Elucidate a framework for constructing models that generate accurate predictions by means of R. This framework includes pre-processing the data, splitting the data into training and testing sets, selecting an approach for identifying optimal tuning parameters, building models, and estimating predictive performance.
Detailed program
- Important concepts: overfitting, bias and variance tradeoff, optimism
- Regression splines and additive models
- Features selection
- Dimensionality reduction
- Ensemble methods
- The model and the modelling process
Prerequisites
Knowledge of topics covered in the courses Probability and Statistics M and Advanced Statistics M is highly recommended.
Teaching methods
Lessons are held both in classroom and in lab, integrating theoretical principles with practicals of data analysis and programming in R.
Assessment methods
The exam consists in a data analysis and an oral examination
The data analysis, in addition to the predictions, requires to submit a report containing the description of the analysis and the code used must be submitted by the deadline (at least one week before the exam session). It will be possible to submit the predictions only once per Academic Year.
Textbooks and Reading Materials
Required
- Azzalini, Scarpa (2004). Analisi dei dati e data mining. Springer-Verlag Italia
- Hastie, Tibshirani, Friedman (2009). The Elements of Statistical Learning. Springer
Optional :
- Kuhn, Silge (2022). Tidy Modeling with R. O'Reilly Media, Inc.
- Lewis, Kane, Arnold (2019) A Computational Approach to Statistical Learning. Chapman And Hall/Crc.
- Kuhn, Johnson (2019). Feature Engineering and Selection. Chapman and Hall/CRC
Semester
First semester, second period.
Teaching language
The lessons are held in Italian, but the textbooks are in English.
Staff
-
Aldo Solari