Data Warehouse e Data Mining (Modulo 2)
Numero di crediti ECTS: 5 (48 ore frontali)
SSD di riferimento: INF/01
Docente: P. Rullo
Prerequisiti
Concetti di statistica e calcolo delle probabilità, logica proposizionale, elementi di calcolo combinatorio.
Obiettivi
Fornire agli studenti conoscenze teoriche e pratiche sulle tecniche di analisi descrittive e predittive dei dati.
Programma
Il corso fornisce i concetti di base del knowledge discovery from databases (KDD). A tal fine, vengono intrdotti gli algoritmi fondamentali di apprendimento da dati di training di modelli di classificazione (naive bayes, classificatori a regole, alberi di decisione, ecc.), nonché tecniche di clustering e di induzione di regole associative. Vengono anche trattate tecniche di classificazione testuale. Il corso prevede lo sviluppo in laboratorio di un progetto di KDD.
Bibliografia
- J. Han, M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann
T.M. Mitchell, Machine Learning, McGraw-Hill, 1997
- P.N. Tan, M. Steinbach, V. Kumar, , Introduction to Data Mining, Addison Wesley, 2006
Tipologia di attività didattiche
Lezioni frontali e attività di laboratorio.
Metodi di valutazione
La prova finale prevede un esame orale e la discussione del progetto sviluppato in laboratorio.