Riepilogo dell'insegnamento: Data mining: problemi, strumenti ed applicazioni
6 cfu così ripartiti nelle aree:
- 6 CFU nell'area M - Rappresentazione della conoscenza
Sillabo dell'insegnamento
- M - Rappresentazione della conoscenza
-
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Mining di regole di associazione e pattern sequenziali.
-
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Alberi di decisione, classificazione lineare e lineare generalizzata; metodi di aggregazione.
-
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Prolemi e metodi di apprendimento ad informazioni parziali (tradeoff esplorazione-sfruttamento, "bandit problems", crowdsourcing).
-
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Classificazione gerarchica, ranking, collaborative filtering.
-
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Data mining su reti (co-training, transfer learning.
-
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Active learning e semi-supervised learning su reti di task, pagerank per la classificazione di strutture testuali linkate, community discovery e problem similari.
Le sottoaree "obbligatorie" sono prefisse da un segno più (+). Le sottoare "suggerite" sono prefisse da un segno asterisco (*).