Studiare

In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.

Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.
Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:

Laurea magistrale in Mathematics - Immatricolazione dal 2025/2026

Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.

CURRICULUM TIPO:

1° Anno 

InsegnamentiCreditiTAFSSD

2° Anno   Attivato nell'A.A. 2022/2023

InsegnamentiCreditiTAFSSD
6
B
MAT/05
Final exam
32
E
-
Attivato nell'A.A. 2022/2023
InsegnamentiCreditiTAFSSD
6
B
MAT/05
Final exam
32
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
1 module between the following
Tra gli anni: 1°- 2°
1 module between the following
Tra gli anni: 1°- 2°
Tra gli anni: 1°- 2°
Further activities
4
F
-

Legenda | Tipo Attività Formativa (TAF)

TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S008279

Crediti

6

Coordinatore

Paolo Dai Pra

Lingua di erogazione

Inglese en

L'insegnamento è organizzato come segue:

PART I en

Crediti

3

Periodo

Secondo semestre

PART II en

Crediti

3

Periodo

Secondo semestre

Obiettivi formativi

Obiettivo dell’insegnamento è introdurre gli studenti alla modellazione statistica ed all’analisi esplorativa dei dati. I fondamenti dello Statistical Learning (supervised e unsupervised, deep learning) sono sviluppati con particolare enfasi sugli aspetti teorici e sulle strutture matematiche sottostanti, allo scopo di fornire una derivazione ed analisi rigorosa ed autocontenuta dei principali modelli usati correntemente per le applicazioni. Sessioni complementari di laboratorio permetteranno di illustrare gli algoritmi chiave in connessione con alcuni casi di studio rilevanti, usando principalmente gli ambienti software standard come R o Python.