|
Insegnamento
DATA MINING
SC01111799, A.A. 2017/18
Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18
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 |
Inizio attività didattiche |
26/02/2018 |
Fine attività didattiche |
01/06/2018 |
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: |
-
Azzalini A., Scarpa B., Analisi dei dati e data mining. --: Springer, 2004.
-
Gareth, J., Witten, D., Hastie, T., Tibshirani, R., An Introduction to Statistical Learning with Applications in R. --: Springer, 2013.
|
|
|