Libri UniversitariApri il catalogo

Statistical Methods For High Dimensional Data – Padova

Università degli Studi di Padova · Dipartimento di Matematica "Tullio Levi-Civita" - DM · tutti i canali con docenti e libri, a.a. 2026/2027

Prof. Manuela Cattelan Canale unico

Corso di laurea: Data Science – sede di Padova · Laurea magistrale (LM Data) · esame facoltativo · Data Science · 6 CFU

Padova · Dipartimento di Matematica "Tullio Levi-Civita" - DM · 6 CFU · apri nel catalogo · Data Science – sede di Padova · 2º anno · 1º semestre ›

Theory and applicationsCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Libri consigliati nell'a.a. 2025/2026
Trevor – Boca RatonCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
de – Heidelberg BerlinCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: Metodi di regressione per data set con elevata dimensionalità; penalizzazioni convesse (ridge, lasso) e non (SCAD, MCP). Applicazioni a modelli lineari generalizzati, al modello di Cox per dati di sopravvivenza e ad ulteriori metodi di classificazione. Cenni alle proprietà teoriche degli stimatori sparsi. Cenni agli algoritmi per l'implementazione dei metodi sparsi.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Prof. Manuela Cattelan Canale unico

Corso di laurea: Scienze Statistiche – sede di Padova · Laurea magistrale (LM-82) · esame facoltativo · 9 CFU

Padova · Dipartimento di Scienze Statistiche · 9 CFU · apri nel catalogo · Scienze Statistiche – sede di Padova · 2º anno · 1º semestre ›

Theory and applicationsCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Libri consigliati nell'a.a. 2025/2026
Trevor – Boca RatonCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
de – Heidelberg BerlinCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare

Argomenti del programma: Metodi di regressione per data set con elevata dimensionalità; penalizzazioni convesse (ridge, lasso) e non (SCAD, MCP). Applicazioni a modelli lineari generalizzati, al modello di Cox per dati di sopravvivenza e ad ulteriori metodi di classificazione. Cenni alle proprietà teoriche degli stimatori sparsi. Cenni agli algoritmi per l'implementazione dei metodi sparsi.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.