INTRODUZIONE AL MACHINE LEARNING
cod. 1009068

Anno accademico 2023/24
1° anno di corso - Secondo semestre
Docente
Francesco MORANDIN
Settore scientifico disciplinare
Probabilità e statistica matematica (MAT/06)
Ambito
Attività formative affini o integrative
Tipologia attività formativa
Affine/Integrativa
56 ore
di attività frontali
6 crediti
sede:
insegnamento
in ITALIANO

Obiettivi formativi

"Lo studente dovrebbe acquisire le competenze teoriche e le capacità pratiche necessarie a sviluppare analisi statistiche avanzate basandosi sui metodi affrontati.
È anche richiesto di maturare un utilizzo versatile, approfondito e veloce di Microsoft Excel."

Prerequisiti

Analisi matematica 2, geometria 1, elementi di probabilità

Contenuti dell'insegnamento

"1. Regressione multipla lineare e polinomiale, anche eteroschedastica.
2. Design of Experiments (DoE).
3. Analisi della varianza (ANOVA) a una via, a due vie e con interazioni.
4. Test del chi-quadro (test di adattamento e tabelle di contingenza).
5. Test statistici da un punto di vista superiore: curve OC e potenza; test per p con legge binomiale non approssimata. Test di Fisher-Irwin.
6. Simulazione Montecarlo."

Programma esteso

- - -

Bibliografia

"1. Sheldon M. Ross - Probabilità e statistica per l'ingegneria e le scienze 2a edizione - Apogeo, 2008 - ISBN 9788850325801
2. Richard A. Johnson, Dean W. Wichern - Applied Multivariate Statistical Analysis - Pearson, 2007 - ISBN 9780131877153
3. Michael Middleton - Analisi statistica con Excel - Apogeo, 2006 - ISBN 9788850324750
4. Andrew Sleeper - Design for Six Sigma Statistics - McGraw-Hill, 2005 - ISBN 978-0071451628"

Metodi didattici

Lezione frontale (32 ore) e laboratorio informatico di Microsoft Excel 2016 (24 ore)

Modalità verifica apprendimento

"1. Prova pratica di statistica multivariata su MS Excel.
2. Orale"

Altre informazioni

- - -

Obiettivi agenda 2030 per lo sviluppo sostenibile

- - -