Page begin -
Logo DISCO
|
Go to the Highly accessible area
|
Go to the Content page
|
Go to the End of content
|
Go to the Main menu
|
Go to the Navigation Bar (location)
|
Go to the Navigation menu (tree)
|
Go to the Commands list
|
Go to the Further readings
|
Go to the Bottom Menu
|
Logo Ateneo
   
Education
Data mining

Docente: Prof. Enrico Fagiuoli

Crediti: 4

Conoscenze: lo studente apprenderà metodi atti alla risoluzione di problemi di classificazione, con esempi tratti da vari contesti applicativi, e di problemi di associazione. Inoltre apprenderà concetti di base per la modellazione di fenomeni basati su relazioni di causa-effetto, e i principali algoritmi inferenziali.

Abilità: lo studente acquisirà competenze specifiche che lo porranno in grado di affrontare e risolvere, in termini operativi, problemi di classificazione, supervisionata e no, e di modellizzazione di fenomeni attraverso reti bayesiane. Inoltre, lo studente apprenderà  l'uso di software specifici.

Programma:

·         Introduzione al Data Mining

·        Preprocessing: Data Cleaning , feature selection; discretization.

·        Generalità sulla classificazione supervisionata: Alberi di decisione; classificatori Bayesiani; cenni a metodi di insieme.

·         Reti Bayesiane: Teoria; cenni agli algoritmi di Pearl e di Lauritzen-Spiegelhalter.

·         Classificazione non supervisionata: metodi di clustering: metodi di aggregazione, metodi gerarchici; cenno a metodi probabilistici.

·         Cenni a metodi di associazione.

·       Software: utilizzo di Weka, Hugin, Genie.

Further readings
(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - last update of this page 25/03/2011