21210514 - Statistical learning

FORTUNA FRANCESCA

Obiettivi

Il corso mira ad esplorare i concetti fondamentali dell'apprendimento statistico, introducendo una vasta gamma di strumenti e tecniche, quali modelli lineari e non lineari, alberi decisionali, reti neurali e metodi di riduzione della dimensionalità. L'obiettivo principale è quello di fornire sia conoscenze teoriche che competenze pratiche nella manipolazione e nell'analisi dei dati, nonché nella valutazione e nell'interpretazione dei risultati dei modelli con particolare attenzione ai problemi di apprendimento supervisionato. Saranno affrontati problemi reali, al fine di comprendere i principi teorici alla base degli algoritmi di apprendimento ed apprenderne l'applicazione efficace utilizzando specifiche librerie del software statistico R.

Risultati Apprendimento Attesi

Obiettivi formativi:
Il corso mira ad esplorare i concetti fondamentali dell'apprendimento statistico, introducendo una vasta gamma di strumenti e tecniche, quali modelli lineari e non lineari, alberi decisionali, reti neurali e metodi di riduzione della dimensionalità. L'obiettivo principale è quello di fornire sia conoscenze teoriche che competenze pratiche nella manipolazione e nell'analisi dei dati, nonché nella valutazione e nell'interpretazione dei risultati dei modelli con particolare attenzione ai problemi di apprendimento supervisionato. Saranno affrontati problemi reali, al fine di comprendere i principi teorici alla base degli algoritmi di apprendimento ed apprenderne l'applicazione efficace utilizzando specifiche librerie del software statistico R.

Programma

Il corso affronterà le seguenti tematiche:
• Introduzione ai principali modelli di statistical learning (apprendimento statistico);
• problemi di previsione e classificazione;
• confronto tra metodi di classificazione;
• Metodi di ricampionamento: cross validation e bootstrap;
• Metodi di riduzione della dimensionalità: metodo lasso;
• Metodi basati su alberi decisionali: regression trees, classification trees, bagging, random forests, boosting;
• Uso dell’ambiente statistico R

Prerequisiti

Conoscenze di algebra lineare, statistica inferenziale, modelli lineari. Conoscenza base del software statistico R.

Testi Adottati

G. James, D. Witten, T. Hastie, R. Tibshirani (2020) Introduzione all’apprendimento statistico, Casa editrice Piccin

Modalità Frequenza

La frequenza non è obbligatoria, ma fortemente raccomandata

Modalità Valutazione

esame orale