Sillabo dell'insegnamento

• G - Basi di dati
BDA - Basi di Dati Avanzate
Architettura di un sistema per il data mining
BDA - Basi di Dati Avanzate
Introduzione al data warehousing: strumenti ETL, OLAP
BDA - Basi di Dati Avanzate
Algoritmi e metodi per il clearing dei dati
• M - Rappresentazione della conoscenza
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Tecniche di learning avanzate: cenni sui modelli di Markov Nascosit, Support Vector Machine
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Tecniche di clustering avanzate: DBSCAN, BIRCH
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Introduzione al learning unsupervised: clustering, tecniche di base
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Metodi per il testing dei sistemi di learning: k-fold cross validation, curve ROC.
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Tecniche per il boosting del learning: ADABOOST, Bootstrap
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Metodi per il calcolo della significatività dei risultati: Friedman Rank Test, Willcoxon Rank Test, Efron test