Data mining

Data Mining

Settore scientifico disciplinare: SECS-S/01
Crediti: 6

Docente responsabile: Pietro Giorgio Lovaglio
piergiorgio.lovaglio@unimib.it ● + 39 02 64483217

1 Obiettivi dell’attività formativa

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.

2 Programma riassuntivo

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

3 Propedeuticità

Si consiglia la conoscenza degli argomenti trattati nel corso di Analisi Statistica Multivariata.

4 Tipologia didattica

Lezioni frontali e laboratorio.

5 Modalità dell’esame

L’esame consiste in una prova orale e nello svolgimento di una tesina.

6 Programma dettagliato

  •  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)

7 Materiale didattico

Testi di riferimento

P. Giudici, Data Mining, McGraw-Hill, 2001.

Altro materiale sarà fornito dal docente.

 

Comments are closed.