Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
DATA SCIENCE
Insegnamento
STATISTICAL LEARNING 1 (MOD. A)
SCP7079227, A.A. 2017/18

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
DATA SCIENCE
SC2377, ordinamento 2017/18, A.A. 2017/18
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese STATISTICAL LEARNING 1 (MOD. A)
Sito della struttura didattica http://datascience.scienze.unipd.it/2017/laurea_magistrale
Dipartimento di riferimento Dipartimento di Matematica
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile MONICA CHIOGNA SECS-S/01

Corso integrato di appartenenza
Codice Insegnamento Responsabile
SCP7079226 STATISTICAL LEARNING (C.I.) --

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Aziendale-organizzativo SECS-S/01 6.0

Modalità di erogazione
Periodo di erogazione Annuale
Anno di corso I Anno
Modalità di erogazione frontale

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LEZIONE 6.0 48 102.0 Nessun turno

Calendario
Inizio attività didattiche 02/10/2017
Fine attività didattiche 15/06/2018

Syllabus

Caratteristiche comuni al Corso Integrato

Prerequisiti: basic probability theory; multivariable calculus; linear algebra; basic computing skills
Conoscenze e abilita' da acquisire: become familiar with statistical thinking; gain adequate proficiency in the development and use of standard statistical inference tools; be able to analyse datasets using a modern programming language such as R
Modalita' di esame: written test
Criteri di valutazione: the successful student should show knowledge of the key concepts, skills in the analysis of data and competency in applications

Caratteristiche proprie del modulo

Contenuti: Part 1: Modes of Inference
- Data: summary statistics, displaying distributions; exploring relationships
- Likelihood: the likelihood, likelihood for several parameters
- Estimation: maximum likelihood estimation; accuracy of estimation; the sampling distribution of an estimator; the bootstrap
- Hypothesis testing
- Other approaches to inference
Attivita' di apprendimento previste e metodologie di insegnamento: Lectures and Laboratories
Eventuali indicazioni sui materiali di studio: Applications can be found in:
- Nolan, D.A. & Speed, T. (2000). Stat Labs: Mathematical Statistics Through Applications. Springer.
- Torgo, L. (2011). Data Mining with R: Learning with Case Studies. Chapman & Hall/CRC.

Methods for specific fields of applications can be found in the following books:
-Campbell, R.C. (1989). Statistics for Biologists (3rd ed.). Cambridge University Press.
-Devore, J.L. (2000). Probability and Statistics for Engineering and the Sciences (5th ed.). Duxbury Press, Pacific Grove, CA.
-Agresti, A. & Finlay. B. (2007). Statistical Methods for the Social Sciences (4th ed.). Prentice Hall
Testi di riferimento:
  • Hastie, T., Tibshirani, R., and Friedman, J., The Elements of Statistical Learning: Data Mining, Inference, and Prediction. --: Springer, 2001. Cerca nel catalogo
  • Lavine, M., Introduction to Statistical Thought. --: None, 2013. http://people.math.umass.edu/~lavine/Book/book.html