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.
Tipologia di Attività formativa D e F
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
2° | Elementi di Cosmologia e Relatività generale | D |
Claudia Daffara
(Coordinatore)
|
2° | Introduzione alla meccanica quantistica per il quantum computing | D |
Claudia Daffara
(Coordinatore)
|
2° | Linguaggio programmazione Python [English edition] | D |
Carlo Combi
(Coordinatore)
|
2° | Progettazione di app REACT | D |
Graziano Pravadelli
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
2° | Linguaggio programmazione Python [Edizione in italiano] | D |
Carlo Combi
(Coordinatore)
|
2° | Sfide di programmazione | D |
Romeo Rizzi
(Coordinatore)
|
2° | Tutela dei beni immateriali (SW e invenzione) tra diritto industriale e diritto d’autore | D |
Mila Dalla Preda
(Coordinatore)
|
Statistical learning - PART II (2022/2023)
Codice insegnamento
4S009067
Docente
Crediti
3
Offerto anche nei corsi:
- Statistical learning - PART II del corso Laurea magistrale in Mathematics [LM-40]
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Periodo
Secondo semestre dal 6 mar 2023 al 16 giu 2023.
Programma
Laboratorio:
- Introduzione all'analisi dati con Python
- Regressione lineare (Python)
- Metodi di selezione delle variabili in modelli lineari (Python)
- Regolarizzazione Ridge e Lasso per modelli di regressione lineare(Python)
- Classificazione con regressione logistica (Python)
- Partizionamento dei dati con approcci k-means e gerarchico (Python)
- Reti neurali artificiali (Python)
Bibliografia
Modalità didattiche
Esperienze di laboratorio, lezioni frontali, analisi di casi.
Saranno specificamente tutelati gli studenti e le studentesse in situazioni di limitazione agli spostamenti per effetto di disposizioni nazionali di contrasto al COVID o in situazioni particolari di fragilità. In questi casi gli studenti e le studentesse sono invitati a contattare direttamente il docente per organizzare le modalità di recupero più opportune.
Modalità di verifica dell'apprendimento
L'esame è costituito da una prova orale sugli argomenti trattati nella corso e le relative esercitazioni svolte in laboratorio. In caso di elevata partecipazione la prova orale sarà sostituita da un esame scritto con domande equivalenti. Compatibilmente con la numerosità degli studenti verrà anche richiesta la consegna e presentazione del codice di una delle esercitazioni svolte in laboratorio.
Criteri di valutazione
Conoscenza teorica ed applicata delle tecniche insegnate nel corso; capacità critica di selezione delle tecniche in base al problema; capacità di utilizzo delle tecniche insegnate nel corso.
Lingua dell'esame
Inglese