Presentazione

Organizzazione della Didattica

DM270
DATA SCIENCE ORD. 2017


6

Corsi comuni

 

Frontali Esercizi Laboratorio Studio Individuale
ORE: 48 0 0 102

Periodo

AnnoPeriodo
I anno2 semestre

Frequenza

Facoltativa

Erogazione

Convenzionale

Lingua

Inglese

Calendario Attività Didattiche

InizioFine
26/02/201801/06/2018

Tipologia

TipologiaAmbitoSSDCFU
caratterizzanteAziendale-organizzativoMAT/096


Responsabile Insegnamento

ResponsabileSSDStruttura
Prof. RINALDI FRANCESCOMAT/09Dipartimento di Matematica

Altri Docenti

DocenteCoperturaSSDStruttura
DA ASSEGNARE-N.D.

Attività di Supporto alla Didattica

Non previste.

Bollettino

Conoscenze di base in - Analisi reale e Calcolo; - Algebra lineare.

Comprendere modelli e metodi di ottimizzazione nell'ambito del Data Science.

Il corso si baserà su lezioni frontali.

1. Ottimizzazione lineare: Teoria e algoritmi (a) Modelli di programmazione lineare in Data Science; (b) Dualità; (c) Metodo del Simplesso; (d) Metodo dei punti interni; 2. Insiemi convessi e funzioni convesse (a) Convessità, nozioni di base; (b) Funzioni convesse: nozioni di base e proprietà; 3. Ottimizzazione convessa non vincolata: (a) Modelli in Data Science; (b) Caratterizzazione delle soluzioni ottime; (c) Metodi tipo gradiente; 4. Ottimizzazione convessa vincolata; (a) Modelli in Data Science; (b) Caratterizzazione delle soluzioni ottime; (c) Metodi basati su approssimazioni poliedrali; (d) Metodi di proiezione; 5. Ottimizzazione su reti di grande dimensione (a) Modelli di reti in Data Science; (b) Metodi di clustering.

- Prova scritta alla fine del corso - Progetto (Opzionale)

La valutazione della preparazione dello studente si baserà: - sulla comprensione degli argomenti svolti in aula; - sull'acquisizione dei concetti di carattere teorico; - sulla capacità di utilizzare in maniera autonoma e consapevole i modelli e le metodologie risolutive proposte.

CONTENUTO NON PRESENTE

- Dispense fornite dal docente. - I testi di consultazione verranno indicati dal docente durante il corso