1. [I]nfo
  2. [M]oduli
  3. [B]acheca
  4. [P]rogramma
  5. [O]rari
  6. [E]sami
  7. E[v]enti
  8. [F]iles

Programma di Big Data Analysis For Economics And Finance:

Caratteristiche dei Big Data. Fonti di Big data. Architetture per i big data (4 ore) Apprendimento non-supervisionato: k-medie, PAM, k-medie trimmata (4 ore) Apprendimento supervisionato: screening, regolarizzazione. Regressione ridge, LASSO, elastic net. (10 ore) Metodi informatici: k-nn, C&RT, random forests, reti neurali. Principi di previsione e scelta dei parametri di tuning. (10 ore) Principali applicazioni: analisi testuale, di immagini, di suoni. Latent Dirichlet Allocation, sentiment analysis. (8 ore)

Caratteristiche dei Big Data. Fonti di Big data. Architetture per i big data (4 ore) Apprendimento non-supervisionato: k-medie, PAM, k-medie trimmata (4 ore) Apprendimento supervisionato: screening, regolarizzazione. Regressione ridge, LASSO, elastic net. (10 ore) Metodi informatici: k-nn, C&RT, random forests, reti neurali. Principi di previsione e scelta dei parametri di tuning. (10 ore) Principali applicazioni: analisi testuale, di immagini, di suoni. Latent Dirichlet Allocation, sentiment analysis. (8 ore)

2021 © Università di TorVergata  |  FAQ  |  Contatta la Redazione  |