L'insegnamento si propone di fornire le conoscenze relative ai più recenti strumenti statistici per la modellazione di dati complessi. In particolare, i metodi trattati sono finalizzati all'individuazione automatica di strutture e regolarità nei dati (statistical learning), consentendo di apprendere dai dati stessi e di costruire modelli utilizzabili per effettuare previsioni accurate e supportare i processi decisionali in condizioni di incertezza.
Al termine del corso lo studente sarà in grado di:
L'esame consiste in:
Le due componenti della prova d'esame (teorica e pratica) contribuiscono in misura approssimativamente equivalente (50% ciascuna) alla valutazione finale.
L'insegnamento costituisce il secondo modulo del corso integrato "Coding and Machine Learning" (12 CFU). Il voto finale del corso integrato è determinato dalla media dei voti conseguiti nei due moduli ("Coding for Data Science" e "Machine Learning for Economics"). Gli esiti saranno pubblicati sulla pagina Moodle dell'insegnamento.
