Inizio della pagina -
Logo DISCO
|
Visita la Versione ad elevata leggibilità
|
Vai al Contenuto della pagina
|
Vai alla Fine dei contenuti
|
Vai al Menu Principale
|
Vai alla Barra di navigazione (sei in)
|
Vai al Menu di navigazione (albero)
|
Vai alla Lista dei comandi
|
Vai alla Lista degli approfondimenti
|
Vai al Menu inferiore
|
Logo Ateneo
   
Didattica
Modelli e analisi dei dati

Docenti: E. Fagiuoli,  F. Archetti, V. Messina

Crediti: 12 CFU

Modulo Modelli ed Analisi dei Dati 1 – 4 CFU

Conoscenze: elementi base di reti Bayesiane per l’analisi dati. Relazioni di dipendenza/indipendenza condizionata e di causalità (causa-effetto). Ragionamento in condizioni di incertezza, diagnosi e spiegazione più probabile. Apprendimento del modello causale (struttura, parametri) a partire dai dati. Modelli per decisioni in contesti incerti e dinamici.

Capacità: formulazione e risoluzione di problemi di analisi dati: utilizzo, modifica ed adattamento delle principali risorse software, basate su Reti Bayesiane e diagrammi di influenza, per l’analisi dati in contesti statici e dinamici. Redazione della documentazione tecnica e della presentazione dello studio e dei  risultati ottenuti.

Programma:

1)      Reti Bayesiane

1.1)            Indipendenza condizionata e  d-separazione

1.2)            Condizioni Markoviane

1.3)            Causalità

1.4)            Fattorizzazione

2)      Inferenza

2.1)            Tipologie di inferenza

2.2)            Algoritmi esatti

                   Algoritmi approssimati

3)      Apprendimento

3.1)            Parametrico

3.2)            Strutturale

 

 

4)      Modelli Decisionali Dinamici

4.1)            Diagrammi di influenza

4.2)            Reti Bayesiane dinamiche

4.3)            Diagrammi di influenza dinamici

5)      Applicazioni

6)      Strumenti Software

7)      Dataset e risorse di rete

-         


Modulo Modelli ed Analisi dei Dati 2  – 4 CFU

Obiettivi

Obiettivo del corso è quello fornire gli strumenti di modellizzazione ed analisi di problemi decisionali, con particolare riguardo ai modelli di ottimizzazione per l’allocazione delle risorse e modelli per la rappresentazione di problemi di decisione sequenziali in condizioni di incertezza. I concetti di valore dell’informazione e di interazione verranno articolati ed integrati in modelli decisionali in diversi ambiti applicativi quali economia e finanza, e-commerce e supply chain, ambient intelligence.

Capacità

Gli studenti acquisiranno la capacità di sviluppare ed analizzare modelli decisionali in diversi ambiti applicativi caratterizzti da informazione incerta o incompleta. Saranno in grado di valutare l’informazione e il suo effetto sulle decisioni al fine di sviluppare modelli e sistemi di pianificazione alla base di avanzati sistemi di supporto alle decisioni.

Contenuti

- Mercati ( Struttura dei mercati di Knowledge products )

- Indici di redditività

- Analisi di portafogli di progetti

- Schemi di Pricing

- Valore dell’informazione e decisioni

- Schemi di Pricing dinamico per l’allocazione delle risorse

- Applicazioni: finanza, e-commerce, supply chain, ambient intelligence


Modulo Laboratorio di Modelli ed Analisi dei Dati -  – 4 CFU

Conoscenze

Scopo del corso è dare allo studente le basi metodologiche e applicative che gli consentano di utilizzare correttamente gli strumenti di analisi e modellazione dei problemi decisionali in condizioni di incertezza. I diversi scenari saranno definiti a partire da casi di studio, presentati sia durante le lezioni che nel corso delle esercitazioni svolte in laboratorio informatico.

Capacità

Lo studente sarà in grado di modellare ed implementare problemi decisionali in condizioni di incertezza, e di analizzarne criticamente le soluzioni. Inoltre, sarà in grado di progettare e sviluppare soluzioni per problemi di modellazione ed analisi dei dati, basate sull’impiego di software open source e commerciale.

Contenuti

-          Modelli Markoviani per la rappresentazione del comportamento e la profilatura degli utenti in ambito WEB,

-          Modelli di pianificazione strategica e allocazione delle risorse: a decisore singolo e a decisori multipli,

-          Modelli di pricing dinamico: Meccanismi d’Asta, Sponsored Search Advertisement,

-          Modelli ed algoritmi per la misurazione, il controllo e gestione del rischio finanziario,

-          Modelli ed algoritmi per la trattazione di dati strutturati,

-          Modelli ed algoritmi per la trattazione di dati semi e non-strutturati,

-          Modelli ed algoritmi per l’identificazione di comunità WEB, il loro monitoring e controllo,

-          Modelli ed algoritmi di analisi dei dati per l’apprendimento di ontologie.

Approfondimenti

Google Translate
Translate to English Translate to French Translate to German Translate to Spanish Translate to Chinese Translate to Portuguese Translate to Arabic
Translate to Albanian Translate to Bulgarian Translate to Croatian Translate to Czech Translate to Danish Translate to Dutch Translate to Finnish Translate to Greek Translate to Hindi
Translate to Hungarian Translate to Irish Translate to Japanese Translate to Korean Translate to Norwegian Translate to Polish Translate to Romanian Translate to Russian Translate to Serbian
Translate to Slovenian Translate to Swedish Translate to Thai Translate to Turkish

(C) Copyright 2016 - Dipartimento Informatica Sistemistica e Comunicazione - Viale Sarca, 336
20126 Milano - Edificio U14
redazioneweb@disco.unimib.it - ultimo aggiornamento di questa pagina 28/03/2011