Anno di corso: 1

Crediti: 6
Crediti: 6
Crediti: 9
Crediti: 6
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Altro

Anno di corso: 2

Anno di corso: 3

Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 6
Crediti: 12
Tipo: A scelta dello studente
Crediti: 6
Tipo: Lingua/Prova Finale

DATA MINING

Scheda dell'insegnamento

Anno accademico di regolamento: 
2013/2014
Anno di corso: 
3
Anno accademico di erogazione: 
2015/2016
Tipo di attività: 
Obbligatorio a scelta
Lingua: 
Italiano
Crediti: 
6
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
42
Prerequisiti: 

analisi statistica multivariata, statistica computazionale

Moduli

Metodi di valutazione

Tipo di esame: 
Orale
Modalita' di verifica dell'apprendimento: 

Orale e tesina

Valutazione: 
Voto Finale

Obiettivi formativi

Il corso intende fornire un’introduzione alle principali tecniche statistiche di Data Mining attraverso le più moderne tecniche e strategie per l’analisi di grandi moli di dati, illustrando le problematiche connesse.

Contenuti

Introduzione alla Business Intelligence , Modelli ed algoritmi di Data mining, Casi reali di Data Mining

Programma esteso

Il Data mining, robustezza, overfitting e problematiche di validazione dei risultati, Regole associative, Modelli statistici per la classificazione supervisionata (modello lineare e diagnostiche di influenza, analisi discriminante parametrica e canonica, modello logistico politomico e ordinale), Algoritmi per la classificazione supervisionata (Naive Bayes, Nearest Neighbour, Alberi decisionali e Classificativi).

Bibliografia consigliata

Materiale fornito dal docente. P. Giudici, Data mining, McGraw-Hill, 2001

Metodi didattici

Lezione frontale e laboratorio