Argomenc dl curs
- Ripasso dell'inferenza statistica: variabili casuali, intervalli di confidenza e test di ipotesi.
- Introduzione ai concetti di apprendimento statistico: vocabolario e nozioni di base, approcci parametrici e non parametrici, obiettivi predittivi e inferenziali, trade off bias-varianza, apprendimento supervisionato e non supervisionato.
- Regressione lineare ed estensioni: regressione lineare semplice e multipla, stima e valutazione del modello, assunzioni del modello, strumenti inferenziali, predittori qualitativi, effetti di interazione, regressione polinomiale, nozioni di base sulla regressione nonparametrica
- Classificazione: introduzione alla classificazione, regressione logistica, stima del modello, valutazione dei classificatori.
- Altre tecniche di apprendimento supervisionato: alberi, spline, modelli additivi
- Selezione/valutazione del modello e valutazione della sua complessità: metodi di ricampionamento, convalida incrociata e criteri informativi.
- Apprendimento non supervisionato: strumenti di clustering come k-means e clustering gerarchico, analisi delle componenti principali
- Applicazioni con il software R