Vai al contenuto principale
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
e-Learning - UNIMIB
  • Home
  • My Media
  • Altro
Ascolta questa pagina con ReadSpeaker
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
 Login
e-Learning - UNIMIB
Home My Media
Percorso della pagina
  1. Area Economico-Statistica
  2. Corso di Laurea Magistrale
  3. Scienze Statistiche ed Economiche [F8206B - F8204B]
  4. Insegnamenti
  5. A.A. 2024-2025
  6. 2° anno
  1. Data Science M
  2. Introduzione
Insegnamento con unità didattiche Titolo del corso
Data Science M
Codice identificativo del corso
2425-2-F8204B018
Descrizione del corso SYLLABUS

Blocchi

Salta Unità didattiche

Unità didattiche

Titolo del corso Statistical Learning Codice identificativo del corso 2425-2-F8204B018-F8204B033M
Descrizione del corso SYLLABUS
Titolo del corso Data Mining Codice identificativo del corso 2425-2-F8204B018-F8204B034M
Descrizione del corso SYLLABUS

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi formativi

Data Science M è composto da due moduli:

Data Mining M
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.
Per maggiorni informazioni: https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
Il corso si pone come obiettivo l'acquisizione delle principali tecniche di statistical learning (SL) e la loro implementazione nell’ambiente di programmazione R. Durante il corso verrà data particolare enfasi alla algorithmic modeling culture, prestando anche attenzione alla stima dell'incertezza nelle previsioni.
Per maggiori informazioni : https://elearning.unimib.it/course/info.php?id=55091

Entrambi i corsi contribuiscono al raggiungimento degli obiettivi formativi nell’area di apprendimento del CdS: “Statistica”.

Contenuti sintetici

Data Mining M
A-B-C: modelli lineari ed aspetti computazionali
Compromesso distorsione e varianza, ottimismo
Selezione del modello e metodi penalizzati per modelli lineari (regressione ridge, lasso, elastic-net)
Regressione nonparametrica (regressione lineare locale, splines di regressione e di lisciamento)
Modelli additivi (GAM and MARS)
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
Metodi basati sugli alberi e aspetti computazioni.
Deep Learning per dati non strutturati.
Stima dell'incertezza.
https://elearning.unimib.it/course/info.php?id=55091

Programma esteso

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Prerequisiti

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Metodi didattici

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Modalità di verifica dell'apprendimento

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Testi di riferimento

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Periodo di erogazione dell'insegnamento

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Lingua di insegnamento

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Sustainable Development Goals

ISTRUZIONE DI QUALITÁ
Esporta

Learning objectives

Data Science M is composed by two modules

Data Mining M
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.
For more details, please see: https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
The course aims to acquire the main techniques of statistical learning (SL) and their implementation in the R programming environment. During the course, emphasis will be placed on the algorithmic modelling culture, while also paying attention to the estimation of uncertainty in predictions.
For more details, please see : https://elearning.unimib.it/course/info.php?id=55091

Both courses contribute to the achievement of the learning objectives in the subject area of the MSc: "Statistics".

Contents

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Detailed program

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Prerequisites

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Teaching methods

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Assessment methods

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Textbooks and Reading Materials

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Semester

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Teaching language

Data Mining M
https://elearning.unimib.it/course/info.php?id=55081

Statistical Learning M
https://elearning.unimib.it/course/info.php?id=55091

Sustainable Development Goals

QUALITY EDUCATION
Entra

Scheda del corso

CFU
12
Periodo
Primo Semestre
Tipo di attività
Obbligatorio a scelta
Ore
84
Tipologia CdS
Laurea Magistrale
Lingua
Italiano

Opinione studenti

Vedi valutazione del precedente anno accademico

Bibliografia

Trova i libri per questo corso nella Biblioteca di Ateneo

Metodi di iscrizione

Iscrizione manuale
Accesso ospiti

Obiettivi di sviluppo sostenibile

ISTRUZIONE DI QUALITÁ - Assicurare un'istruzione di qualità, equa ed inclusiva, e promuovere opportunità di apprendimento permanente per tutti
ISTRUZIONE DI QUALITÁ

Non sei collegato. (Login)
Politiche
Ottieni l'app mobile
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy
  • Accessibilità
  • Statistiche