85302 - DATA SCIENCE

Conoscenze e abilità da conseguire

Al termine del corso, lo studente conosce i metodi correnti delle tecniche applicati ai data-science usando metodi e software computazionali moderni con una particolare enfasi sul ragionamento rigoroso in statistica. Lo studente è capace di rappresentare e organizzare le conoscenze riguardo a collezioni di dati su larga scala, trasformare i dati in informazioni pratiche usando concetti di "statistical learning" e " data mining" combinati con le tecniche di visualizzazione dei dati e di riproducibilità delle analisi dei dati.

Contenuti

Part 0: Introduction to Statistical Learning

Part I: Classification

• Naïve Bayes
• Logistic Regression;
• Linear Discriminant Analysis
• k-Nearest Neighbors

Part II: Resampling Methods

• Cross-Validation
• The Bootstrap

Part III: Tree-Based Methods

• Classification trees
• Bagging; Random Forests; Boosting

Part IV: Unsupervised Learning

• k-means
• Hierarchical clustering

Part V: Overview of the main machine learning methods

• Support Vector Machines
• Neural Networks

Testi/Bibliografia

The primary text for the course:

• James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An introduction to Statistical Learning. New York: Springer.
  Freely available at: http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Seventh%20Printing.pdf

In addition, we will use:

• T. Hastie, R. Tibshirani, and J. Friedman (2001) The Elements of Statistical Learning: data mining, inference and prediction. Springer Verlag.
  Freely available at: https://web.stanford.edu/~hastie/Papers/ESLII.pdf
• J. Han and M. Kamber (2000) Data mining: concepts and techniques. Morgan Kaufman.
  Freely available at: http://myweb.sabanciuniv.edu/rdehkharghani/files/2016/02/The-Morgan-Kaufmann-Series-in-Data-Management-Systems-Jiawei-Han-Micheline-Kamber-Jian-Pei-Data-Mining.-Concepts-and-Techniques-3rd-Edition-Morgan-Kaufmann-2011.pdf

Metodi didattici

Lectures and practical sessions.

Modalità di verifica e valutazione dell'apprendimento

Written exam.

Strumenti a supporto della didattica

The following material will be provided: slides of the lectures, exercises with solutions, mock exam.

Orario di ricevimento

Consulta il sito web di Laura Anderlucci