PRESENTAZIONE

Nell'era dell'informazione qualunque sistema o dispositivo genera una qualche forma di dati per scopi diagnostici o di analisi. Il corso dettaglia le tecniche di base per la raccolta, l'elaborazione e l'analisi dei dati allo scopo di ricavarne informazioni e nuova conoscenza per il supporto alle decisioni.

OBIETTIVI FORMATIVI

Students will be provided with advanced skills related to data analysis. Students will learn insights on data mining methodologies and specific applications of these methodologies to particular data organization.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Lo studente sarà in grado di applicare le conoscenze acquisite ad un caso di studio ricavando il modello del fenomeno che ha generato i dati in esame.

Modalità didattiche

Il corso alterna lezioni frontali con sessioni di esercitazioni pratiche al calcolatore in linguaggio MATLAB. 

PROGRAMMA/CONTENUTO

1. Introduction
2. Data, Uncertainty and Learning Problems
3. ​Data preprocessing and Exploratory Data Analysis
4. Association Mining
5. Statistical inference
6. Naïve methods
7. Rule based methods
8. Linear methods
9. Kernel methods
10. Advances in kernel methods
11. Neural networks

TESTI/BIBLIOGRAFIA

C.C.Aggarwal, "Data Mining - The textbook", 2015

T.Hastie, R.Tibshirani, J.Friedman, "The Elements of Statistical Learning: Data Mining, Inference, and Prediction", 2009.

M.R.Berthold, C.Borgelt, F.Hoppner, F.Klawonn, "Guide to Intelligent Data Analysis", 2010.

Commissione d'esame

LUCA ONETO (Presidente)

MARCO MARATEA

DAVIDE ANGUITA

Modalità didattiche

Il corso alterna lezioni frontali con sessioni di esercitazioni pratiche al calcolatore in linguaggio MATLAB. 

Modalità d'esame

Orale

Modalità di accertamento

Lo studente svilupperà un caso di studio applicando le tecniche apprese ad un dataset di propria scelta.