Identificazione dei Modelli e Analisi dei Dati (6 CFU)

Il Corso di Identificazione dei Modelli ed Analisi dei Dati¬†(38003-1) √® destinato a studenti dei Corsi di¬†Laurea Magistrale in Ingegneria Informatica. Il corso di Identificazione dei Modelli e Analisi dei Dati (IMAD) ha l’obiettivo di fornire allo studente i concetti teorici e pratici per la stima di modelli matematici a partire da osservazioni del fenomeno che si vuole modellare. Il corso √® diviso in due parti. La prima parte tratta la stima di modelli statici e algoritmi di regressione e classificazione, i cui concetti sono propedeutici alla seconda parte del corso e ai corsi successivi di machine learning e statistical learning. La seconda parte del corso riguarda la stima di modelli dinamici, il cui utilizzo √® fondamentale per le tecniche di controllo e filtraggio dei sistemi dinamici.

Alla fine del corso lo studente sarà in grado di:

  • Formulare un problema di stima, individuando le variabili del problema (e.g. dati di input e output)
  • Stimare un modello statico o dinamico dai dati, attraverso la risoluzione di un problema di ottimizzazione
  • Scegliere il modello pi√Ļ opportuno per la tipologia di dati a disposizione
  • Valutare la bont√† del modello stimato dai dati
  • Applicare diverse metodologie di stima, a seconda della domanda a cui si vuol fornire una risposta tramite l‚Äôanalisi del dato

Per gli allievi informatici, il corso e’ un modulo integrato (38003) con il modulo di Controlli Automatici (38003-2 oppure 39067), ma puo’ essere seguito anche in modo indipendente.
Il superamento dell’esame vale 6 CFU.

 

Tutto il materiale è disponibile sul Teams del corso.


The Model Identification and Data Analysis (IMAD) course aims to provide the student with the theoretical and practical concepts for estimating mathematical models starting from observations of the phenomenon to be modeled. The course is divided into two parts. The first part deals with the estimation of static models, regression and classification algorithms,
the concepts of which are preparatory to the second part of the course and to subsequent machine learning and statistical learning courses. The second part of the course concerns the estimation of dynamic models, the use of which is fundamental for control and filtering of dynamical systems.