STATISTICAL LEARNING & LARGE DATA 1

Questo corso introdurrà gli studenti a vari argomenti di Statistical Learning contemporaneo e a metodi utilizzati per l'analisi di dataset complessi di grandi dimensione che sono sempre più comuni in molti campi scientifici.
 Il contenuto sarà organizzato in due moduli che gli allievi possono seguire in anni diversi. Rispetto ai corsi tradizionali, il focus riguarderà l'analisi di dataset concreti di interesse per gli studenti attraverso progetti di gruppo e sessioni di 'practicum' associati a ciascuna lezione.
 
 Modulo 1
 - Unsupervised classification; Clustering methods
 - Unsupervised dimension reduction; Principal Components Analysis and related techniques
 - Supervised classification methods
 - Non-parametric regression methods
 - Resampling methods, Cross Validation, the Bootstrap and permutation-based techniques.
 Prerequisiti: una conoscenza pratica dell'inferenza statistica di base (stima puntuale, intervalli di confidenza, testing) e dei modelli lineari e lineari generalizzati. Questo può essere ottenuto, o aggiornato, tramite il corso Applied Statistics.
 Valutazione: Progetto di gruppo con presentazione finale e relazione scritta.
 Materiali: An Introduction to Statistical Learning - with Applications in R (James, Witten, Hastie, Tibshirani; Springer). Se necessario, verranno forniti collegamenti a ulteriore materiale.