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
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 2019/2020
Scuola Scuola di Ingegneria Industriale e dell'Informazione
Corso di Studi (Mag.)(ord. 270) - MI (475) Electrical Engineering - Ingegneria Elettrica
Piano di Studio preventivamente approvato R2F - MOBILITY ENGINEERING
Anno di Corso 2

Scheda Insegnamento
Codice Identificativo 052712
Denominazione Insegnamento DATA SCIENCE FOR MOBILITY
Tipo Insegnamento Monodisciplinare
Crediti Formativi Universitari (CFU) 5.0
Semestre Primo Semestre
Programma sintetico Data science aims at developing processes to analyze and ultimately understand phenomena through data. It stands at the intersection of several broad areas (statistics, information science, and computer science) and it employs methods from machine learning, classification, clustering, data mining, data bases, visualization, and cloud computing. This course presents the structure of the typical data science pipeline and, for each of the process, it overviews the most relevant methods and algorithms used to analyze mobility data. The course follows a problem-driven approach in that the techniques are presented based on the type of data they can tackle may these be structured (tables), unstructured (plain text, xml files), graphs, or time-series. All the methods are discussed focusing on the fundamental theory underlying them and their peculiarity, next they are demonstrated using either Python or R notebooks. Topics discussed during the course include, but are not limited to, data and data representation, data preparation, regression, classification, clustering, evaluation of classification and clustering models, methods to analyze text, graphs, and time series.
Settori Scientifico Disciplinari (SSD)
Attività formative Codice SSD Descrizione SSD CFU
--
ING-INF/05
SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
5.0

Orario: aggiungi e rimuoviScaglioneDocenteLingua offertaProgramma dettagliato
Da (compreso)A (escluso)
--AZZZZCarman Mark James
manifesti v. 3.4.13 / 3.4.13
Area Servizi ICT
28/07/2021