Data Analytics
Insegnamento: Data Analytics
Titolo insegnamento in inglese: Data Analytics
Lingua: italiano
Anno di corso: 1
Semestre: 1
CFU: 6
Insegnamenti propedeutici previsti: Nessuno.
Docenti:
- Domenico Ciuonzo
Obiettivi Formativi
Lo studente acquisirà familiarità con le principali metodologie per l’estrazione di informazione da un insieme dati. Il percorso formativo comprende sia la teoria classica della stima /classificazione bayesiana e non sia la sua connessione alle più recenti tecniche di elaborazione e rappresentazione efficienti dei dati.
Programma
Richiami di algebra lineare e calcolo delle probabilità̀. Teoria della stima. Generalità, parametri di qualità. Rappresentazione ed elaborazione dei dati: Statistica Sufficiente, Riduzione della dimensionalità, estrazione delle feature. Stima di parametri: Principio della massima verosimiglianza e Stima a massima verosimiglianza di modelli lineari. Metodo dei minimi quadrati. Stima bayesiana: Stima massima probabilità a posteriori (MAP). Stima a minimo errore quadratico medio (MMSE), Stima lineare MMSE. Classificazione: Generalità, parametri di qualità. Classificazione: non bayesiana: Classificazione a massima verosimiglianza, Criterio di Neyman-Pearson, Test di ipotesi composte. Classificazione bayesiana: regola MAP ed a massima verosimiglianza.
Modalità didattiche
Lezioni e piccoli progetti fatti da gruppi di lavoro con elaborati a calcolatore.
Materiale didattico
Appunti del corso:
S.M. Kay: "Fundamentals of Statistical Signal Processing, Volume I e II: Estimation Theory ", Prentice Hall, 1993.
S.M. Kay: "Fundamentals of Statistical Signal Processing, Volume II: Detection Theory ", Prentice Hall, 1998
Modalità di esame
L'esame si articola in prova solo orale.