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