Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
DATA SCIENCE
Insegnamento
STOCHASTIC METHODS
SCP7079197, A.A. 2017/18

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
DATA SCIENCE
SC2377, ordinamento 2017/18, A.A. 2017/18
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese STOCHASTIC METHODS
Sito della struttura didattica http://datascience.scienze.unipd.it/2017/laurea_magistrale
Dipartimento di riferimento Dipartimento di Matematica
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile PAOLO DAI PRA MAT/06

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
AFFINE/INTEGRATIVA Attività formative affini o integrative MAT/06 6.0

Modalità di erogazione
Periodo di erogazione Primo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LEZIONE 6.0 48 102.0 Nessun turno

Calendario
Inizio attività didattiche 02/10/2017
Fine attività didattiche 19/01/2018

Commissioni d'esame
Commissione Dal Al Membri
1 Stochastic Methods - 2017/2018 01/10/2017 30/09/2018 DAI PRA PAOLO (Presidente)
VARGIOLU TIZIANO (Membro Effettivo)
BIANCHI ALESSANDRA (Supplente)
CALLEGARO GIORGIA (Supplente)
FORMENTIN MARCO (Supplente)

Syllabus
Prerequisiti: Nozioni di base di calcolo differenziale e integrale, algebra lineare e calcolo delle probabilità.
Conoscenze e abilita' da acquisire: Lo scopo del corso è di introdurre metodi e concetti di Calcolo delle Probabilità che hanno un forte impatto come strumenti algoritmici, computazionali e nello studio delle reti. Attraverso l'uso del software R (R development Core Team, 2006), alcuni problemi specifici saranno trattati con simulaizone al calcolatore.
Modalita' di esame: Esame scritto
Criteri di valutazione: Il voto finale è basato sul risultato della prova scritta, il cui scopo principale è verificare la capacità di usare in modo corretto ed efficente le tecniche esposte, applicandole a problemi concreti.
Contenuti: 1. Richiami di Calcolo delle Probabilità.
• distribuzioni discrete e continue
• variabili aleatorie, valor atteso e valor atteso condizionale
• approssimazione di distribuzioni di probabilità.

2. Catene di Markov e passeggiate aleatorie
• Catene di Markov e relative distribuzioni stazionarie
• Monte Carlo (MCMC), convergenza di algoritmi MCMC-based
• Electrical networks.

3. Grafi aleatori
• Grafi di Erdos-Renyi: connettività, componente gigante
• Grafi aleatori regolari
• Grafi dinamici. Preferential attachment.
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni frontali. Alcune esercitazioni prevedono simulazioni al calcolatore
Eventuali indicazioni sui materiali di studio: Il docente fornirà delle dispense, assieme ad altro materiale didattico: esercizi, eventuali estratti di articoli scientifici
Testi di riferimento:
  • P. Dai Pra, Stochastic Methods for Data Science. --: --, 2017. Lecture notes