Matematica applicata

ALESSANDRO ALLA

1. Conoscenza e capacità di comprensione
Gli studenti che abbiano superato l'esame conosceranno e comprenderanno i principali strumenti per la Data Analisys: modelli Gaussiani, modelli lineari, analisi in componenti principali, analisi fattoriale, analisi discriminante, analisi della
correlazione canonica, multi-dimensional scaling, modelli causali, catene di Markov, grafi aleatori, algoritmi basati su grafi.

2. Conoscenza e capacità di comprensione applicata
Gli studenti che abbiano superato l'esame saranno in grado di risolvere problemi di Data Mining, tra cui model selection, prediction, classification, clustering, dimension reduction, feature extraction, inferenza causale.

3. Autonomia di giudizio
Gli studenti saranno in grado di valutare i risultati prodotti dai loro programmi, effettuare test e simulazioni.

4. Capacità comunicative
Gli studenti sapranno esporre e spiegare la soluzione di alcuni esercizi proposti, sia alla lavagna che su computer.

5. Capacità di apprendimento
Le conoscenze acquisite permetteranno agli studenti di costruire le basi per lo studio degli aspetti più specialistici della Data Science e dei metodi numerici in questa area.