- Oggetto:
- Oggetto:
Data Mining: Modellazione Statistica e Apprendimento Automatico dei Dati
- Oggetto:
Anno accademico 2011/2012
- Codice dell'attività didattica
- INT0833
- Docente
- Dott. Ciro Cattuto (Titolare del corso)
- Corso di studi
- Laurea Magistrale Interateneo in Fisica dei sistemi complessi
- Anno
- 1° anno 2° anno
- Tipologia
- C=Affine o integrativo
- Crediti/Valenza
- 6
- SSD dell'attività didattica
- FIS/02 - fisica teorica, modelli e metodi matematici
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
Il corso si pone l'obiettivo di fornire competenze di base per l'analisi e la modellazione statistica dei dati, con speciale attenzione alle tecniche di apprendimento automatico (machine learning) in contesti sia descrittivi che predittivi. Il corso ha un forte carattere interdisciplinare e copre argomenti tradizionalmente trattati in corsi di laurea di computer science e statistica. Un importante obiettivo del corso è la conoscenza operativa delle tecniche e degli algoritmi trattati. Le lezioni teoriche si alterneranno perciò ad esercitazioni al computer.
- Oggetto:
Programma
- Measurement, Uncertainty, and Data Analysis: statistical inference, maximum likelihood estimation and Bayesian estimation, bias and variance, hypothesis testing
- The architecture of data mining algorithms: model structure, scoring, and search
- Models and Patterns: parametric and non-parametric models, regression models
- Score functions and optimization techniques
- Descriptive Modeling: density models, mixture models, the Expectation-Maximization algorithm, cluster analysis, the K-means algorithm, hierarchical clustering
- Predictive Modeling for Classification: linear discriminants, tree models, nearest-neighbor methods, Naive Bayes, evaluation and feature selection
- Predictive Modeling for Regression: linear regression, generalized linear models
- Mining Patterns and Rules: association rule learning, frequent itemset mining
- Content-based retrieval (text representation and classification, term weighting, latent semantic indexing)
Testi consigliati e bibliografia
- Oggetto:
- David J. Hand, Heikki Mannila, Padhraic Smyth, "Principles of Data Mining", MIT Press 2011
- Oggetto:
Note
Le esercitazioni del corso richiedono la capacità di scrivere ed eseguire semplici programmi in Python. La conoscenza del linguaggio di programmazione Python non è richiesta ma ci si aspetta che gli studenti si impegnino per acquisire una sufficiente competenza nell'uso di Python in parallelo alle lezioni del corso.
- Oggetto: