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

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
INFORMATICA
SC1176, ordinamento 2014/15, A.A. 2017/18
N0
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

Calendario
Inizio attività didattiche 26/02/2018
Fine attività didattiche 01/06/2018

Commissioni d'esame
Commissione Dal Al Membri
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)

Syllabus
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. Cerca nel catalogo
  • Gareth, J., Witten, D., Hastie, T., Tibshirani, R., An Introduction to Statistical Learning with Applications in R. --: Springer, 2013. Cerca nel catalogo