| Corsi di Laurea | Corsi di Laurea Magistrale | Corsi di Laurea Magistrale a Ciclo Unico |
| Scuola di Scienze | ||
| INFORMATICA | ||
Insegnamento
DATA MINING
SC01111799, A.A. 2017/18
Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18
DATA MINING
SC01111799, A.A. 2017/18
Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18
Principali informazioni sull'insegnamento
| Corso di studio |
Corso di laurea magistrale in INFORMATICA SC1176, ordinamento 2014/15, A.A. 2017/18 |
 porta questa pagina con te |
|---|---|---|
| Crediti formativi | 6.0 | |
| Tipo di valutazione | Voto | |
| Denominazione inglese | DATA MINING | |
| Sito della struttura didattica | http://informatica.scienze.unipd.it/2017/laurea_magistrale | |
| Dipartimento di riferimento | Dipartimento di Matematica | |
| Obbligo di frequenza | No | |
| Lingua di erogazione | INGLESE | |
| Sede | PADOVA | |
| Corso singolo | È possibile iscriversi all'insegnamento come corso singolo | |
| Corso a libera scelta | È possibile utilizzare l'insegnamento come corso a libera scelta |
Docenti
| Responsabile | ANNAMARIA GUOLO | SECS-S/01 |
|---|
Dettaglio crediti formativi
| Tipologia | Ambito Disciplinare | Settore Scientifico-Disciplinare | Crediti |
|---|---|---|---|
| AFFINE/INTEGRATIVA | Attività formative affini o integrative | SECS-S/01 | 6.0 |
Organizzazione dell'insegnamento
| Periodo di erogazione | Secondo semestre |
|---|---|
| Anno di corso | I Anno |
| Modalità di erogazione | frontale |
| Tipo ore | Crediti | Ore di didattica assistita |
Ore Studio Individuale |
|---|---|---|---|
| LABORATORIO | 2.0 | 16 | 34.0 |
| LEZIONE | 4.0 | 34 | 66.0 |
Commissioni d'esame
| Commissione | Dal | Al | Membri |
|---|---|---|---|
| 8 a.a. 2018/2019 | 01/10/2018 | 28/02/2020 |
GUOLO
ANNAMARIA
(Presidente)
SCARPA BRUNO (Membro Effettivo) BRESOLIN DAVIDE (Supplente) CRAFA SILVIA (Supplente) SPERDUTI ALESSANDRO (Supplente) |
| 7 a.a. 2017/2018 | 01/10/2017 | 28/02/2019 |
GUOLO
ANNAMARIA
(Presidente)
BRESOLIN DAVIDE (Membro Effettivo) CRAFA SILVIA (Membro Effettivo) SCARPA BRUNO (Membro Effettivo) SPERDUTI ALESSANDRO (Membro Effettivo) |
| Prerequisiti: | Conoscenze di Informatica di base, Basi di Dati |
| Conoscenze e abilita' da acquisire: | Il corso intende fornire una panoramica sui concetti e sulle metodologie per l’analisi di dati, nonché sugli strumenti necessari per una valutazione critica dei risultati conseguiti. |
| Modalita' di esame: | Scritta / Pratica |
| Criteri di valutazione: | Le prove d'esame sono finalizzate a valutare le conoscenze acquisite da ciascuno studente ed il loro utilizzo per l’analisi di un insieme di dati. |
| Contenuti: | - Introduzione al corso: l’analisi dei dati come strumento di supporto per le decisioni. Motivazioni e contesto per il data mining.
- Modelli previsivi lineari e lineari generalizzati - Metodi di classificazione: regressione logistica, analisi discriminante lineare e generalizzazioni - Validazione incrociata - Tecniche di scelta fra modelli e regolarizzazione - Modelli non lineari: regressione semiparametrica e non parametrica - Metodi basati su alberi |
| Attivita' di apprendimento previste e metodologie di insegnamento: | Il corso prevede lezioni frontali e laboratori con analisi di dati reali tramite l’utilizzo dell’ambiente di programmazione R. |
| Eventuali indicazioni sui materiali di studio: | Libri di testo. Materiale didattico fornito dal docente e reso disponibile tramite la piattaforma Moodle. |
| Testi di riferimento: |
|
