Fornire nozioni di base per l'analisi dei dati al fine di estrapolare informazione arricchite da dati semplici o complessi. Lo studente potrà comprendere l'importanza e l'impatto tecnologico del data mining in diversi ambiti applicativi, imparando a conoscere ed utilizzare le principali tecniche di trattamento e classificazione dati, e gli approcci per effettuare correlazioni tra termini.
Prerequisiti
Fondamenti di programmazione e interazione con le basi di dati.
Metodi didattici
Il corso si svolge attraverso lezioni frontali ed esercitazioni pratiche, supervisionate dal docente e basate sull'utilizzo di software open source.
Verifica Apprendimento
L'esame consiste in una prova orale e lo sviluppo di un progetto pratico sull’analisi dei dati in Python.
Testi
Dispense
Contenuti
- Introduzione al data mining and analytics. - Tipologie di dati e relazioni. - Metodi di pulizia e visualizzazione del dato. - Inferenza statistica. Correlazioni, Regressione lineare e logistica. - Introduzione all'elaborazione di serie temporali e immagini. - Metodi di estrazione e selezione di features per analizzare la multidimensionalità del dato. Analisi delle componenti principali. - Apprendimento supervisionato e non supervisionato. - Algoritmi di clustering, machine learning e deep learning. - Esercitazioni pratiche con Python e R studio (24 ore di LAB).