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.