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
  • Calendario
  • My Media
  • Altro
Ascolta questa pagina con ReadSpeaker
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
Ospite
 Login
e-Learning - UNIMIB
Home Calendario 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. 2025-2026
  6. 2° anno
  1. Metodi per la Data Science M
  2. Introduzione
Insegnamento con unità didattiche Titolo del corso
Metodi per la Data Science M
Codice identificativo del corso
2526-2-F8204B044
Descrizione del corso SYLLABUS

Blocchi

Salta Unità didattiche

Unità didattiche

Titolo del corso Machine Learning Codice identificativo del corso 2526-2-F8204B044-F8204B044-1
Descrizione del corso
Titolo del corso Statistical Learning Codice identificativo del corso 2526-2-F8204B044-F8204B044-2
Descrizione del corso

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi formativi

Metodi per la Data Science M è composto da due moduli:

Machine Learning M
Il corso si pone come obiettivo l'apprendimento delle tecniche di Machine Learning (ML) più efficaci, comprendendo i fondamenti teorici di ogni tecnica e acquisendo il know-how per poterle applicare con successo alla risoluzione di problemi pratici.
Per maggiorni informazioni: https://elearning.unimib.it/course/view.php?id=61220

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/view.php?id=61214

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

Contenuti sintetici

Data Mining M
Concetti basi del Machine Learning: tipologie di dati, istanze, features, tasks e scenarios, parametri e iper-parametri, misure di performance.
Tecniche di apprendimento non-supervisionato.
Tecniche di apprendimento supervisionato: classificazione e regressione.
Modellare non-linearità nei dati: tecniche basate sul concetto di kernel.
Automated Machine Learning: configurazione automatica di un modello di Machine Learning.
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
Metodi basati sugli alberi e aspetti computazioni.
Deep Learning per dati non strutturati.
Stima dell'incertezza.
https://elearning.unimib.it/course/view.php?id=61214

Programma esteso

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Prerequisiti

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Metodi didattici

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Modalità di verifica dell'apprendimento

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Testi di riferimento

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Periodo di erogazione dell'insegnamento

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Lingua di insegnamento

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Sustainable Development Goals

ISTRUZIONE DI QUALITÁ
Esporta

Learning objectives

Data Science methods M is composed by two modules

Machine Learning M
The course aims at learning the most effective Machine Learning (ML) techniques, understanding the theoretical foundations of each technique and acquiring the know-how to successfully apply them to solving practical problems.
For more details, please see: https://elearning.unimib.it/course/view.php?id=61220

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/view.php?id=61214

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

Contents

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Detailed program

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Prerequisites

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Teaching methods

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Assessment methods

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Textbooks and Reading Materials

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Semester

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

Teaching language

Machine Learning M
https://elearning.unimib.it/course/view.php?id=61220

Statistical Learning M
https://elearning.unimib.it/course/view.php?id=61214

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

Ospite (Login)
Politiche
Ottieni l'app mobile
Powered by Moodle
© 2026 Università degli Studi di Milano-Bicocca
  • Privacy
  • Accessibilità
  • Statistiche