logo-polimi
Loading...
Manifesto
Struttura Corso di Studi
Cerca/Visualizza Manifesto
Dati Insegnamento
Scarica il Manifesto
Regolamento didattico
Consulta il Regolamento
Elenco docenti
Strutture didattiche
Dati quantitativi
Internazionalizzazione
Orario Personalizzato
Il tuo orario personalizzato è disabilitato
Abilita
Ricerche
Cerca Docenti
Cerca Insegnamenti
Cerca insegnamenti degli Ordinamenti precedenti al D.M.509
Erogati in lingua Inglese

Legenda
Semestre (Sem)
1Primo Semestre
2Secondo Semestre
AInsegnamento Annuale
(1)Primo Emisemestre
(2)Secondo Emisemestre
Attività formative
CAffini o integrative
Lingua d'erogazione
Insegnamento completamente offerto in lingua italiana
Insegnamento completamente offerto in lingua inglese
--Non definita
Didattica innovativa
I CFU riportati a fianco a questo simbolo indicano la parte dei CFU dell'insegnamento erogati con Didattica Innovativa.
Tali CFU riguardano:
  • Cotutela con mondo esterno
  • Blended Learning & Flipped Classroom
  • Massive Open Online Courses (MOOC)
  • Soft Skills
Dati Insegnamento
Contesto
Anno Accademico 2018/2019
Scuola Scuola di Ingegneria Industriale e dell'Informazione
Corso di Studi (Mag.)(ord. 270) - CO (482) Computer Science and Engineering - Ingegneria Informatica
Piano di Studio preventivamente approvato T2C - Web and Communication
Anno di Corso 2

Scheda Insegnamento
Codice Identificativo 088978
Denominazione Insegnamento MODEL IDENTIFICATION AND DATA ANALYSIS
Tipo Insegnamento Monodisciplinare
Crediti Formativi Universitari (CFU) 5.0
Semestre Secondo Semestre
Programma sintetico From Data to Model: Laws and models in engineering and science. Problems of prediction, time series analysis, clustering, control. Model accuracy versus complexity. Data treatment. Dynamical models for stationary processes, spectral analysis and prediction: Models for time series analysis and cause-effect systems (AR, MA, ARMA, ARX, ARMAX, BOX & JENKINS models). Correlation and spectral analysis. Kolmogorov-Wiener prediction. Simple non-linear models. Identification: Batch and recursive methods. Complexity selection. Yule-Walker equations and Durbin-Levinson algorithm. Spectral estimation from data. Use of models for minimum variance control. Applications: `Data mining` of WEBLOG files. Pattern recognition in bio-informatics. Data analysis for the best production of silicon wafers. Estimation of models for financial engineering. Identification and adaptive control of plants. Stochastic simulation. Lab activity: Data analysis and model identification are the subjects of many software tools available on the market and are extensively used in the work environment. The purpose of the lab activity is to expose the student to the main tools of this type. Thus any student will be presented some snapshots drawn from experimental data; from them the student`s task will be to estimate the parameters of a sensible model suitable in describing the underlying phenomenon or the systems, and then tackle problems of prediction, classification, control, etc. web site: www.elet.polimi.it\corsi\IMAD
Settori Scientifico Disciplinari (SSD)
Attività formative Codice SSD Descrizione SSD CFU
C
ING-INF/04
AUTOMATICA
5.0

Scaglione   da (compreso):  A   a (escluso):  ZZZZ
   Secondo Semestre    2   
manifesti v. 3.3.7 / 3.3.7
Area Servizi ICT
29/05/2020