#acl SUAGroup:read,write,admin,delete,revert All:read

== Data Warehouse e Data Mining (Modulo 2) ==

'''Numero di crediti ECTS''': 5 (48 ore frontali)

'''SSD di riferimento''': INF/01

'''Docente''': P. Rullo


'''Prerequisiti''' 
<<BR>>

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'''
<<BR>>

 * J. Han, M. Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann
 * T.M. Mitchell, Machine Learning, Mc``Graw-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.