I materiali pubblicati sul sito costituiscono rielaborazioni personali del Publisher di informazioni apprese con la frequenza delle lezioni e lo studio autonomo di eventuali testi di riferimento in preparazione all’esame finale o della tesi. Non devono intendersi come materiale ufficiale dell’università attribuibile al docente del corso.
…continua
Ultimi appunti inseriti
Appunti più scaricati
Appunti per nome

Filtra per

Tutte le tipologie

Ordina

Filtra

Appunti degli studenti per corsi ed esami del Prof. Fattore Marco

icona-appunti
icona-appunti

Trattamento dei dati non strutturati Premium

Esame Data science e modelli statistici per il trattamento di dati non strutturati

Facoltà Scienze statistiche

Dal corso del Prof. M. Fattore

Università Università degli Studi di Milano - Bicocca

Appunti esame
Scarica
Appunti delle lezioni di Data science e modelli statistici per il trattamento di dati non strutturati del professore seguite completamente in presenza. Il documento affronta tutti gli argomenti richiesti all’esame in modo dettagliato. Gli argomenti sono compresi di formule e schemi.
...continua
icona-appunti
icona-appunti

Analisi dei dati spaziali e temporali - SGI, secondo anno Premium

Esame Analisi dei dati spaziali e temporali

Facoltà Scienze statistiche

Dal corso del Prof. M. Fattore

Università Università degli Studi di Milano - Bicocca

Appunti esame
4 / 5
Scarica
Appunti delle lezioni seguite in presenza di Dati spaziali e temporali. Appunti discorsivi che trattano tutti gli argomenti visti in classe. Contengono anche le formule con le eventuali dimostrazioni. Questi appunti mi hanno permesso di passare l’esame, piccolo consiglio: il prof fa domande molto dettagliate.
...continua
icona-appunti
icona-appunti

Appunti completi - Data Science Premium

Esame Data science e modelli statistici per il trattamento di dati non strutturati

Facoltà Scienze statistiche

Dal corso del Prof. M. Fattore

Università Università degli Studi di Milano - Bicocca

Appunti esame
Scarica
Appunti realizzati sia a mano (con iPad) che a computer, integrando il materiale fornito dal docente e gli appunti annotati durante le lezioni. Programma trattato durante il corso: 1. Il problema della classificazione non-supervisionata e della riduzione della dimensionalità dei dati: esempi di analisi di dati sociali, di dati economici e di dati provenienti da discipline umanistiche. 2. Richiami di algebra lineare: spazi vettoriali, prodotti scalari, proiezioni ortogonali, norme matriciali. 3. Tecniche di analisi lineari (Decomposizione a Valori Singolari (SVD) e suo legame con l'analisi delle Componenti Principali; Non-negative Matrix Factorization e suo confronto con SVD; Il lemma di Johnson-Lindestrauss e la riduzione della dimensionalità a distorsione limitata: Proiezioni Casuali; Multidimensional Scaling). 4. Tecniche non-lineari (Dati su varietà differenziabili: Isomap; Self-organizing map (SOM); Entropia, divergenza di Kullback-Liebler e riduzione della dimensionalità: SNE e t-SNE; Dati categoriali e parzialmente ordinati: Analisi delle Corrispondenze). 5. Estrazione di ranking da dati multidimensionali.
...continua
icona-appunti
icona-appunti

Previsione serie storiche applicando la foresta casuale Premium

Esame Machine learning, serie storiche, previsioni con modelli ARIMA

Facoltà Scienze statistiche

Dal corso del Prof. M. Fattore

Università Università degli Studi di Milano - Bicocca

Tesi
5 / 5
Scarica
Tesi per la facoltà di Scienze statistiche, dell'università degli Studi di Milano - Unimib elaborata dall’autore nell’ambito del corso di Machine learning, serie storiche, previsioni con modelli ARIMA tenuto dal professor Fattore dal titolo Previsione serie storiche applicando la foresta casuale. Scarica il file in formato PDF!
...continua