Insegnamento APPROSSIMAZIONE NUMERICA E APPLICAZIONI
| Nome del corso di laurea | Matematica |
|---|---|
| Codice insegnamento | 55A00064 |
| Curriculum | Matematica per le applicazioni industriali e biomediche |
| Docente responsabile | Bruno Iannazzo |
| Docenti |
|
| Ore |
|
| CFU | 6 |
| Regolamento | Coorte 2020 |
| Erogato | Erogato nel 2021/22 |
| Erogato altro regolamento | |
| Attività | Affine/integrativa |
| Ambito | Attività formative affini o integrative |
| Settore | MAT/08 |
| Anno | 2 |
| Periodo | Primo Semestre |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | Italiano o Inglese (se scelto da tutti gli studenti). |
| Contenuti | Descrizione dei metodi numerici per il data science, machine learning and complex networks. |
| Testi di riferimento | J. Nocedal, S. Wright, Numerical Optimization, Springer, 2006. J. Demmel, Applied Numerical Linear Algebra, SIAM, 1996. E. Estrada, The structure of complex networks, OUP, 2011. |
| Obiettivi formativi | Approfondimento degli aspetti matematici relativi ad alcune importanti applicazioni informatiche. |
| Prerequisiti | Aspetti base dell'analisi numerica. |
| Metodi didattici | Lezioni frontali e laboratorio. |
| Modalità di verifica dell'apprendimento | Esame orale e seminario. L'orale può essere sostituito con degli esercizi o un seminario o un progetto, se disponibile. |
| Programma esteso | Metodi numerici per problemi di grande dimensione e dati sparsi. Metodi di Krylov. Fattorizzazioni di matrici. Approssimazione ai minimi quadrati e con rango basso (SVD). Metodi numerici per l'ottimizzazione nonlineare. |