Vai al contenuto principale
Coronavirus: aggiornamenti per la comunità universitaria / Coronavirus: updates for UniTo Community
Oggetto:
Oggetto:

Data mining e statistical learning

Oggetto:

Data mining and statistical learning

Oggetto:

Anno accademico 2022/2023

Codice attività didattica
ECM0162
Docenti
Andrea Ghiglietti (Titolare del corso)
Natalia Golini (Titolare del corso)
Corso di studio
Laurea magistrale in Metodi statistici ed economici per le decisioni - a Torino [0402M21]
Anno
2° anno
Periodo
Primo semestre
Tipologia
Caratterizzante
Crediti/Valenza
12
SSD attività didattica
SECS-S/01 - statistica
Erogazione
Tradizionale
Lingua
Italiano
Frequenza
Fortemente consigliata/Recommended
Tipologia esame
Scritto ed orale
Tipologia unità didattica
corso
Prerequisiti

Conoscenze di algebra lineare, statistica inferenziale, modelli lineari, linguaggio R di base.

Per sostenere l'esame, come da regolamento didattico (art. 12), è necessario aver superato gli esami di:
• Matematica;
• Probabilità e inferenza statistica;
• Econometria.


Knowledge of linear algebra, inferential statistics, linear models, basic R language.

Propedeutico a
Oggetto:

Sommario insegnamento

Oggetto:

Avvisi

Cancellazione iscritti ai corsi sulla piattaforma del Dipartimento
Oggetto:

Obiettivi formativi

Il corso si propone di introdurre metodi e modelli per estrarre informazioni rilevanti da grandi moli di dati, con particolare attenzione all'apprendimento statistico (statistical learning) sia in contesto predittivo che non (apprendimento supervisionato e non). Al fine di fornire le competenze per l'analisi e la modellazione di dati reali, le lezioni saranno integrate da esercitazioni in R.

The main objective of this course is to introduce methods and models to extract important information from big data, with particular reference to statistical learning in both predictive and non-predictive frameworks (supervised and unsupervised learning). To develop skills for analyzing and modelling real data, lectures will be complemented by practice using R.

Oggetto:

Risultati dell'apprendimento attesi

Conoscenza delle principali tecniche di data mining e apprendimento statistico. Abilità nell'utilizzo della conoscenza acquisita in questo e in precedenti corsi per trattare problemi applicativi, anche attraverso l'uso di specifiche librerie del software statistico R.
Comprensione critica delle caratteristiche, delle potenzialità e dei limiti delle tecniche trattate, in modo da saper valutare quali siano gli strumenti più adatti nelle specifiche situazioni da sottoporre ad analisi.

 

Knowledge of main data mining and statistical learning techniques. Ability to use the knowledge acquired in this and previous courses to deal with real application problems, also by using specific packages of the statistical software R.
Critical understanding of the features, potentials and limitations of treated techniques to choose suitable tools in the specific situation to be analyzed.

Oggetto:

Programma

 

  • Introduzione al data mining e allo statistical learning.
  • Tecniche di visualizzazione dei dati (con ggplot2).
  • Modelli parametrici e nonparametrici. Valutazione dell'accuratezza di un modello. Contrasto tra bontà di adattamento e complessità di un modello.
  • Regressione e Classificazione: richiami su regressione lineare e regressione logistica; analisi discriminante e K-nearest neighbors.
  • Metodi di ricampionamento: validazione incrociata e bootstrap.
  • Selezione di un modello lineare e regolarizzazione: selezione stepwise, ridge regression, principal components regression, partial least squares, LASSO.
  • Metodi non-lineari (regressione flessibile): regressione polinomiale, splines di regressione, splines di lisciamento, modelli additivi generalizzati.
  • Metodi basati su alberi di decisione: alberi di regressione e classificazione, Bagging, foreste casuali, Boosting.
  • Support Vector Machines: classificatore con margine massimale, classificatore di tipo Support Vector, Classificazione con margini di decisione nonlineari, SVM con più di due classi.
  • Apprendimento non supervisionato: regole di associazione, analisi delle componenti principali, metodi di raggruppamento.

 

  • Introduction to data mining and statistical learning.
  • Tools for Data Visualization (with ggplot2).
  • Parametric and nonparametric models. Assessing Model Accuracy. Trade-off between goodness-of-fit and model complexity.
  • Regression and Classification: review of linear regression and logistic regression; discriminant analysis, and K-nearest neighbors.
  • Resampling Methods: cross-validation and bootstrap.
  • Linear Model Selection and Regularization: stepwise selection, ridge regression, principal components regression, partial least squares, and lasso.
  • Non-linear methods (Flexible Regression): Polynomial Regression, Regression Splines, Smoothing Splines, Generalized Additive Models.
  • Tree-Based Methods: Regression and Classification Trees, Bagging, Random Forests, Boosting.
  • Support Vector Machines: Maximal Margin Classifier, Support Vector Classifiers, Classification with Non-linear Decision Boundaries, SVMs with More than Two Classes.
  • Unsupervised Learning: Association Rules, Principal Components Analysis, Clustering Methods.

Oggetto:

Modalità di insegnamento

L’insegnamento è strutturato in 72 ore di didattica (12 CFU), suddivise in lezioni da 2 ore in base al calendario accademico. La didattica, che si costituisce di lezioni teoriche e pratiche (con utilizzo del software R), è erogata in presenza.

I materiali dell’insegnamento saranno fruibili sulla pagina Moodle dell'insegnamento. Verranno, inoltre, organizzati momenti d’interazione con gruppi di studenti in presenza e/o, dove non possibile, online.

 

The course consists of 72 hours (12 CFU) of teaching, divided into classes of 2 hours according to the academic calendar. The teaching consists of theoretical and practical lessons (with R) and will be held in presence.

All the teaching materials will be available on the Moodle page. Moreover, face-to-face (or/and online, if not possible) interaction sessions will be held with groups of students.

Oggetto:

Modalità di verifica dell'apprendimento

 

Esame scritto seguito da una prova orale. Entrambe le prove si svolgeranno in presenza.

Sono anche previste attività di valutazione formativa in itinere con esercizi da risolvere in gruppo utilizzando il software R. 

Nella prova scritta lo studente sarà chiamato a rispondere a domande aperte concernenti algoritmi, nonché grafici, output o codice R relativi all’analisi di dati reali.

La prova orale è obbligatoria.

Data la complessità organizzativa degli appelli d'esame, si raccomanda di iscriversi con largo anticipo (ALMENO dieci giorni prima dell'appello) e di cancellare la propria iscrizione tempestivamente nel caso non si intenda più partecipare all'esame.

 

A written exam with a mandatory oral examination will be held in the presence. Moreover, there will be group exercises to solve by using R software during the course.

The written test contains open questions on algorithms and plots, outputs or R code related to real data analysis.

Due to the complex logistics involved, please register for exams as early as possible (at least ten days before);  remember to unsubscribe ASAP if you change your mind and do not want to try an exam anymore.

Oggetto:

Attività di supporto

Testi consigliati e bibliografia

Oggetto:

 

Azzalini, Scarpa (2004), Analisi dei dati e data mining, Springer-Verlag

James, Witten, Hastie, Tibshirani (2013), An Introduction to Statistical Learning (with Applications in R), Springer-Verlag

Hastie, Tibshirani, Friedman (2009), The elements of statistical learning: data mining, inference and prediction. 2nd edition, Springer-Verlag

Maindonald, Braun (2010) Data Analysis and Graphics Using R: An Example-Based Approach. 3rd edition, Cambridge University Press

Wickham (2016), ggplot2. Elegant Graphics for Data Analysis. 2nd Edition, Springer-Verlag

 

 

Azzalini, Scarpa (2004), Analisi dei dati e data mining, Springer-Verlag

James, Witten, Hastie, Tibshirani (2013), An Introduction to Statistical Learning (with Applications in R), Springer-Verlag

Hastie, Tibshirani, Friedman (2009), The elements of statistical learning: data mining, inference and prediction. 2nd edition, Springer-Verlag

Maindonald, Braun (2010) Data Analysis and Graphics Using R: An Example-Based Approach . 3rd edition, Cambridge University Press

Wickham (2016), ggplot2. Elegant Graphics for Data Analysis. 2nd Edition, Springer-Verlag



Oggetto:

Note

Registrazione
  • Aperta
    Oggetto:
    Ultimo aggiornamento: 29/06/2022 14:13