Questo sito utilizza solo cookie tecnici, propri e di terze parti: continuando la navigazione ne accetti l'uso. Acconsento Vorrei maggiori informazioni

Naviga nel sito del Dipartimento:

Naviga nel sito della Didattica:

Dettagli sull'Insegnamento per l'A.A. 2018/2019

Le informazioni che state leggendo si riferiscono all'anno accademico 2018/2019. Per questo molti collegamenti non sono disponibili e i dati potrebbero essere incompleti. Per leggere le informazioni correnti sul corso, se ancora erogato, consulta il catalogo corsi di ateneo. Per consultare le informazioni relative ad altri anni accademici, usa la lista in fondo a questa pagina.

A. Accademico:

2018/2019

Nome:

Data Analytics and Data Driven Decision / Data Analytics and Data Driven Decision

Tipo:

Corso singolo

Informazioni

Codice:

DT0440

SSD:

MAT/09

Crediti:

: Master Degree in Mathematics 6 CFU (c)
: Master Degree in Computer Science 6 CFU (c)

Periodo:

2^nd semester

Erogazione:

Master Degree in Computer Science curriculum GSEEM Elective
Master Degree in Computer Science 1^st anno curriculum NEDAS Compulsory
Master Degree in Computer Science 2^nd anno curriculum SEAS Elective
Master Degree in Computer Science curriculum UBIDIS Elective
Master Degree in Mathematics 1^st anno curriculum Generale Compulsory

Lingua:

Inglese

Docenti:

Giovanni Felici
Fabrizio Rossi

Mutua:

Data Analytics and Data Driven Decision
Data analytics and data mining
Data Driven Decision

Prerequisiti

Programmazione, conoscenze base di statistica, ottimizzazione lineare

Obiettivi

Apprendere le tecniche fondamentali per estrarre ed esaminare dati per supportare processi decisionali complessi. Conoscere i metodi principali per l'apprendimento supervisionato e non supervisionato. Conoscere i fondamenti di statistica per l'apprendimento. Apprendere le tecniche più diffuse per estrarre dati per orientare le decisioni. Capacità di utilizzare i tool open source più diffusi.

Sillabo

Introduzione al "Data Analytics"
Raccolta, "cleaning" e preprocessamento dei dati
"Exploratory Data Analysis" e visualizzazione
Inferenza statistica e modelli di regressione
Modelli di ottimizzazione per problemi di apprendimento e di analisi dei dati
Fondamenti statistici dell'apprendimento automatico
Clustering e altri metodi non supervisionati
Alberi di decisione - Metodi logici
Support Vector Machines - Feature selection
Presentazione di tool per l'apprendimento supervisionato e non supervisionato

Descrittori di Dublino

Alla fine del corso, lo studente dovrebbe

conoscere le principali problematiche connesse al tema del corso
conoscere i metodi di apprendimento non supervisionato
conoscere i metodi di apprendimento supervisionato
saper identificare tra le tecniche studiate quelle piu adatte a risolverere un dato problema applicativo
saper usare strumenti imformatici per l'implementazione dei metodi di apprendimento studiat

Modalità d'esame

Progetto

Aggiornamenti alla pagina del corso

Le informazioni sulle editioni passate di questo corso sono disponibili per i seguenti anni accademici:

Per leggere le informazioni correnti sul corso, se ancora erogato, consulta il catalogo corsi di ateneo.

Ultimo aggiornamento delle informazioni sul corso: 20 settembre 2018, 14:41

Il DISIM

Il DISIM svolge la sua attivà di formazione e ricerca nell'ambito della matematica pura e delle sue applicazioni e nell'ambito delle aree scientifiche e ingegneristiche che caratterizzano il mondo dell'ICT.

Link Rapidi

Come Raggiungerci

Via Vetoio, Coppito, 67100 L'Aquila

disim

sad

strutture.univaq

+39 0862 433002

+39 0862 433180 (fax)