Il corso ha lo scopo di fornire agli studenti di dottorato i principi base e le funzioni del linguaggio R necessari per la messa a punto e lo sviluppo di modelli statistici e probablistici di tipo data-driven o machine learning per la risoluzione di problemi e la stima di varibili e parametri, nel settore delle Scienze della Terra e dell’Ambiente. I concetti espressi nel corso saranno applicati a casi studio ed esempi provenienti da vari ambiti di studio delle Scienze della Terra e dell’Ambiente.

Il corso proposto sarà composto da diverse lezioni, per un totale di 24 ore, secondo il seguente programma:

-Introduzione al linguaggio R: principi e comandi di base per realizzare modelli data-driven e machine learning – 4 ore

-Modelli di regressione semplice e multivariata: come mettere in relazione variabili predittive e parametri da predire in un modello – 6 ore

-Modelli data-driven e machine learning per la stima della distribuzione spaziale di variabili – 5 ore

-Modelli data-driven e machine learning per la stima delle serie storiche e la previsione temporale di variabili – 5 ore

-Esercitazione e verifica finale: utilizzo di R per la costruzione di un modello data-driven o machine learning per la previsione di una variabile o di un processo – 4 ore

Verifica finale: sì. La verifica di apprendimento del corso riguarderà la messa a punto dello schema di un modello, tra quelli visti a lezione, a partire da dati dell’ambito Scienze della Terra e dell’Ambiente