logo-polimi
Loading...
Manifesto
Struttura Corso di Studi
Cerca/Visualizza Manifesto
Dati Insegnamento
Scarica il Manifesto
Regolamento didattico
Consulta il Regolamento
Indicatori corsi di studio
Elenco docenti
Strutture didattiche
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
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 2020/2021
Scuola Scuola di Ingegneria Industriale e dell'Informazione
Corso di Studi (Mag.)(ord. 270) - MI (471) Biomedical Engineering - Ingegneria Biomedica
Piano di Studio preventivamente approvato BCI - Ingegneria clinica - Clinical engineering
Anno di Corso 1

Scheda Insegnamento
Codice Identificativo 054102
Denominazione Insegnamento MACHINE LEARNING
Tipo Insegnamento Monodisciplinare
Crediti Formativi Universitari (CFU) 5.0
Semestre Primo Semestre
Programma sintetico The goal of the course is to provide the background for advanced modelling and data analysis, together with Kalman Filter techniques for parameters and virtual sensors estimation. The course is also intended to illustrate data mining concepts and methods, and to provide an introduction to optimization theory. The course has both a theoretical and a practical flavour, and is focused on the following topics: Stationary stochastic processes generated as output of dynamic systems. ARMA and ARMAX models. Prediction. Non-parametric models based on the spectral characteristics of a process. Estimation methods based on minimum prediction error. Model complexity analysis and parameters identification. Virtual sensors: Kalman Filter; Extended Kalman Filter for gray-box parameters identification. Data mining process. Exploratory data analysis, data preparation and feature selection techniques. Classification methods. Clustering. Association rules. Introduction to linear optimization.
Settori Scientifico Disciplinari (SSD)
Attività formative Codice SSD Descrizione SSD CFU
C
INF/01
INFORMATICA
5.0

Orario: aggiungi e rimuoviScaglioneDocente/iLingua offertaProgramma dettagliato
Da (compreso)A (escluso)
---AZZZZVercellis Carlo
manifesti v. 3.13.7 / 3.13.7
Area Servizi ICT
09/03/2026