1) Richiami di algebra lineare;

2) Data science:
2a) cosa è e perché è utile;
2b) dati e big data;

3) Metodi di analisi non supervisionati:
3a) Il modello di analisi fattoriale;
3b) Analisi in componenti principali
3c) Analisi delle corrispondenze;
3d) Cluster analysis;

4) Metodi di analisi supervisionati:
4a) Modello di regressione lineare;
4b) Regressione locale;
4c) Alberi di classicazione e di regressione;

Bolasco. Analisi multidimensionale dei dati. Carocci
A. Azzalini, B. Scarpa (2004). Analisi dei dati e data mining. Spriger Verlag
Appunti distribuiti dalla docente