Apprendimento Automatico

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Apprendimento Automatico"

Transcript

1 Metodologie per Sistemi Intelligenti Apprendimento Automatico Prof. Pier Luca Lanzi Laurea in Ingegneria Informatica Politecnico di Milano Polo regionale di Como

2 Intelligenza Artificiale "making a machine behave in ways that would be called intelligent if a human were so behaving." John McCarthy 1955.

3 Quattro diverse definizioni Pensare come un essere umano L approccio del Test di Turing Agire come un essere umano L approccio della simulazione Pensare razionalmente L approccio delle leggi del pensiero Agire razionalmente L approccio degli agenti razionali

4 Apprendimento Automatico The field of machine learning studies the design of computer programs able to induce patterns, regularities, or rules from past experiences. Learner (a computer program) processes data representing past experiences and tries to either develop an appropriate response to future data, or describe in some meaningful way the data seen A branch of artificial intelligence in which a computer generates rules underlying or based on raw data that has been fed into it

5 Apprendimento Automatico This is the study of how to create computers that will learn from experience and modify their activity based on that learning (as opposed to traditional computers whose activity will not change unless the programmer explicitly changes it). This discipline is a sub-set of Artificial Intelligence The ability of a machine to improve its performance based on previous results The ability of a device to improve its performance based on its past performance

6 Esempio Problema: giocare a dama Intelligenza Artificiale Riesco a creare un sistema in grado di giocare sufficientemente bene da sembrare dotato di intelligenza? Apprendimento Automatico Riesco a creare un sistema in grado di imparare a giocare a partire da esempi di partite? O giocando contro altri? O giocando contro se stesso?

7 Apprendimento Automatico L'Apprendimento Automatico si occupa della ricerca di metodi algoritmici per sviluppare programmi che automaticamente migliorano la propria performance nel tempo.

8 Apprendimento Automatico Definizione (Mitchell, 1997) un programma apprende dall'esperienza E rispetto ad una classe di problemi T e alla misura di performance P, se la sua performance sui problemi in T, così come misurata da P migliora con le esperienze in E.

9 Esempio: gioco della dama Problema T giocare a dama Esperienza E partite giocate contro altri avversari o contro se stesso Performance P numero di partite vinte

10 Esempio: classificazione documenti Problema T Dato un insieme di articoli su argomenti medici vogliamo rispondere in maniera automatica alle seguenti domande: L articolo contiene risultati sperimentali che dovrebbero essere archiviati in un database? Se sì, quali geni e proteine sono citati nei risultati? Esperienza E Articoli preclassificati rispetto alle domande a cui vogliamo una risposta. Performance P Con quanta accuratezza riesco a rispondere alle domande?

11 Esempio Problema T Addestrare un agente autonomo per lo svolgimento di un certo compito. Ad es., sorveglianza, esplorazione, ecc. Esperienza E Il comportamento attuale dell'agente? Esempi del comportamento che vorrei l'agente eseguisse? Performance P Quanto il comportamento dell'agente si avvicina a quello desiderato? Rappresentazione della soluzione Regole? Macchina a stati finiti?

12 Esempio

13 Esempio Quale tipo di macchina mi piace?

14 Esempio

15 Tecniche, Paradigmi, Problemi Problemi Analisi di dati Agenti Autonomi Commercio Elettronico Paradigmi Apprendimento Supervisionato Apprendimento non-supervisionato Apprendimento per rinforzo Tecniche Clustering Regole di associazione Alberi di decisione

16 Paradigmi Apprendimento non supervisionato (unsupervised learning) Apprendimento supervisionato (supervised learning) Apprendimento per rinforzo (reinforcement learning)

17 Apprendimento non supervisionato Esperienza E E costituita da una serie di esempi raccolti di cui non sappiamo quasi nulla. Problema T Individuare qualcosa d interessante Performance P Dipende da quanto è interessante quello che è stato trovato.

18 Apprendimento non supervisionato Un motore di ricerca per ogni interrogazione restituisce solitamente migliaia di pagine. E possibile raggruppare insieme link simili, in modo da facilitare la consultazione dei risultati?

19 Apprendimento non supervisionato Un supermercato raccoglie le informazioni relative a tutti gli scontrini che vengono emessi Esisto dei pattern di acquisto interessanti? Ad esempio: Chi compra nutella, compra anche il pane e il latte Chi compra patatine, compra anche bevande gasate

20 Apprendimento non supervisionato

21 Apprendimento supervisionato Esperienza E Una serie di esempi che sono stati elaborati da un esperto, il supervisore L'esperto o supervisore classifica gli esempi individuando un particolare fenomeno interessante Problema T Estrarre dagli esempi una descrizione compatta del fenomeno descritto La descrizione può essere successivamente sfruttata per fare delle previsioni sul fenomeno. Performance P Dipende da quanto accurata è la previsione su esempi non considerati dal supervisore.

22 Apprendimento Supervisionato Dati i record dei clienti di un certo supermercato, un esperto etichetta con interessanti e non interessati i clienti in base ad alcuni parametri commerciali. E possibile costruire un modello dei clienti affezionati su cui è conveniente mirare le campagne pubblicitarie future? E costruire un modello dei clienti non-affezionati che si vorrebbero acquisire? oppure per ridurre fenomeni di abbandono?

23 Apprendimento Supervisionato Dato un certo numero di cartelle cliniche relative a pazienti affetti da una certa patologia Vogliamo costruire un modello descrittivo della patologia, che possa essere sfruttatato per predire se un nuovo paziente sarà affetto dalla stessa patologia Oppure per capire quali sono se le cause di una certa patologia dai dati sperimentali

24 Apprendimento per rinforzo Il sistema agisce direttamente sul problema per tentativi Un istruttore premia o punisce il sistema attraverso un segnale numerico di rinforzo a seconda del comportamento istantaneo del sistema

25 Apprendimento per rinforzo Esperienza (E) Le esperienze che il sistema colleziona Problema(T) E quello di ottenere quanto più rinforzo possibile Performance (P) Dipende dalla quantità di rinforzo ottenuta

26 Apprendimento per rinforzo Un agente per il trading on-line compra/vende titoli L'agente interagisce con altri agenti L'agente riceve un rinforzo positivo se guadagna, negativo altrimenti Qual è la strategia che porta ad un maggior guadagno?

27 In questo corso Apprendimento non-supervisionato Clustering Regole di associazione e pattern sequenziali Apprendimento supervisionato Alberi di decisione Regole di decisione Reti Bayesiane Apprendimento per rinforzo Sistemi a classificatori (applicazione a problemi di apprendimento supervisionato)

Machine Learning -1. Seminari di Sistemi Informatici. F.Sciarrone-Università Roma Tre

Machine Learning -1. Seminari di Sistemi Informatici. F.Sciarrone-Università Roma Tre Machine Learning -1 Seminari di Sistemi Informatici Sommario Problemi di apprendimento Well-Posed Esempi di problemi well-posed Progettazione di un sistema di apprendimento Scelta della Training Experience

Dettagli

Data mining e rischi aziendali

Data mining e rischi aziendali Data mining e rischi aziendali Antonella Ferrari La piramide delle componenti di un ambiente di Bi Decision maker La decisione migliore Decisioni Ottimizzazione Scelta tra alternative Modelli di apprendimento

Dettagli

Introduzione al Data Mining Parte 1

Introduzione al Data Mining Parte 1 Introduzione al Data Mining Parte 1 Corso di Laurea Specialistica in Ingegneria Informatica II Facoltà di Ingegneria, sede di Cesena (a.a. 2009/2010) Prof. Gianluca Moro Dipartimento di Elettronica, Informatica

Dettagli

CAPITOLO 3 Previsione

CAPITOLO 3 Previsione CAPITOLO 3 Previsione 3.1 La previsione I sistemi evoluti, che apprendono le regole di funzionamento attraverso l interazione con l ambiente, si rivelano una risorsa essenziale nella rappresentazione di

Dettagli

Internet of Things, Big Data e Intelligenza Artificiale.

Internet of Things, Big Data e Intelligenza Artificiale. Oracle Ticino Day Lugano 26 Marzo 2015 Internet of Things, Big Data e Intelligenza Artificiale. Prof. Luca Maria Gambardella direttore IDSIA, istituto USI-SUPSI, Manno Le nuove sfide La società globale

Dettagli

Intelligenza Artificiale (lucidi lezione introduttiva)

Intelligenza Artificiale (lucidi lezione introduttiva) Intelligenza Artificiale (lucidi lezione introduttiva) Prof. Alfonso Gerevini Dipartimento di Elettronica per l Automazione Facoltà di Ingegneria Università degli Studi di Brescia 1 Che cosa è l Intelligenza

Dettagli

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale Esperienze di Apprendimento Automatico per il corso di lippi@dsi.unifi.it Dipartimento Sistemi e Informatica Università di Firenze Dipartimento Ingegneria dell Informazione Università di Siena Introduzione

Dettagli

PDF created with pdffactory trial version www.pdffactory.com. Il processo di KDD

PDF created with pdffactory trial version www.pdffactory.com. Il processo di KDD Il processo di KDD Introduzione Crescita notevole degli strumenti e delle tecniche per generare e raccogliere dati (introduzione codici a barre, transazioni economiche tramite carta di credito, dati da

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

Dettagli

MACHINE LEARNING E STRUMENTI ANTICRIMINE NELL ERA DEI BIG DATA. Gaetano Bruno Ronsivalle

MACHINE LEARNING E STRUMENTI ANTICRIMINE NELL ERA DEI BIG DATA. Gaetano Bruno Ronsivalle Gaetano Bruno Ronsivalle Università degli Studi di Verona Tecnologie informatiche e multimediali MACHINE LEARNING E STRUMENTI ANTICRIMINE NELL ERA DEI BIG DATA Argomenti Big Data: una galassia online Machine

Dettagli

Estendere Lean e Operational Excellence a tutta la Supply Chain

Estendere Lean e Operational Excellence a tutta la Supply Chain Estendere Lean e Operational Excellence a tutta la Supply Chain Prof. Alberto Portioli Staudacher www.lean-excellence.it Dipartimento Ing. Gestionale Politecnico di Milano alberto.portioli@polimi.it Lean

Dettagli

The information contained in this document belongs to ignition consulting s.r.l. and to the recipient of the document. The information is strictly

The information contained in this document belongs to ignition consulting s.r.l. and to the recipient of the document. The information is strictly The information contained in this document belongs to ignition consulting s.r.l. and to the recipient of the document. The information is strictly linked to the oral comments which were made at its presentation,

Dettagli

Service Design Programme

Service Design Programme Service Design Programme SERVICE DESIGN - cosa è Il Service Design è l attività di pianificazione e organizzazione di un servizio, con lo scopo di migliorarne l esperienza in termini di qualità ed interazione

Dettagli

Data Mining: Applicazioni

Data Mining: Applicazioni Sistemi Informativi Universitá degli Studi di Milano Facoltá di Scienze Matematiche, Fisiche e Naturali Dipartimento di Tecnologie dell Informazione 1 Giugno 2007 Data Mining Perché il Data Mining Il Data

Dettagli

Data Mining. Gabriella Trucco gabriella.trucco@unimi.it

Data Mining. Gabriella Trucco gabriella.trucco@unimi.it Data Mining Gabriella Trucco gabriella.trucco@unimi.it Perché fare data mining La quantità dei dati memorizzata su supporti informatici è in continuo aumento Pagine Web, sistemi di e-commerce Dati relativi

Dettagli

Sinossi dei disegni di studio

Sinossi dei disegni di studio Sinossi dei disegni di studio di intervento osservazionali serie di casi trasversale ecologici individuali quasisperimentali sperimentali (RCT) coorte caso-controllo Studi caso-controllo Il punto di partenza

Dettagli

07150 - METODOL.E DETERMINAZ. QUANTITATIVE D'AZIENDA

07150 - METODOL.E DETERMINAZ. QUANTITATIVE D'AZIENDA Testi del Syllabus Docente AZZALI STEFANO Matricola: 004466 Anno offerta: 2014/2015 Insegnamento: 07150 - METODOL.E DETERMINAZ. QUANTITATIVE D'AZIENDA Corso di studio: 3004 - ECONOMIA E MANAGEMENT Anno

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1 Data Mining. Introduzione La crescente popolarità

Dettagli

INDICE INTRODUZIONE... 1. Capitolo 1: RETI WIRELESS... 5. 1.1 Reti Wireless... 5. 1.2 Lo standard IEEE 802.11... 10. 1.3 Le Vanet...

INDICE INTRODUZIONE... 1. Capitolo 1: RETI WIRELESS... 5. 1.1 Reti Wireless... 5. 1.2 Lo standard IEEE 802.11... 10. 1.3 Le Vanet... Indice INDICE INTRODUZIONE... 1 Capitolo 1: RETI WIRELESS... 5 1.1 Reti Wireless... 5 1.2 Lo standard IEEE 802.11... 10 1.3 Le Vanet... 14 1.4 LTE (Long Term Evolution)... 19 1.5 5G... 21 Capitolo 2: RETI

Dettagli

Data mining. Vincenzo D Elia. vincenzo.delia@polito.it. DBDMG - Politecnico di Torino

Data mining. Vincenzo D Elia. vincenzo.delia@polito.it. DBDMG - Politecnico di Torino Data mining Vincenzo D Elia vincenzo.delia@polito.it DBDMG - Politecnico di Torino vincenzo.delia@polito.it Archivi Multimediali e Data Mining - p. 1 Rapid Miner vincenzo.delia@polito.it Archivi Multimediali

Dettagli

ITI ENRICO MEDI PIANO DELLA DISCIPLINA: INGLESE

ITI ENRICO MEDI PIANO DELLA DISCIPLINA: INGLESE UDA UDA N. 1 About me Ore: 25 ore UDA N. 2 Meeting up Ore: 25 ore ITI ENRICO MEDI PIANO DELLA DISCIPLINA: INGLESE PIANO DELLE UDA ANNO 2013-2014 PRIMA Bi Frof. Filomena De Rosa COMPETENZE DELLA UDA Utilizzare

Dettagli

sdforexcontest2009 Tool

sdforexcontest2009 Tool sdforexcontest2009 Tool Guida all istallazione e rimozione. Per scaricare il tool del campionato occorre visitare il sito dell organizzatore http://www.sdstudiodainesi.com e selezionare il link ForexContest

Dettagli

Aggiornamento dispositivo di firma digitale

Aggiornamento dispositivo di firma digitale Aggiornamento dispositivo di firma digitale Updating digital signature device Questo documento ha il compito di descrivere, passo per passo, il processo di aggiornamento manuale del dispositivo di firma

Dettagli

Essere, Divenire, Comprendere, Progredire. Being, Becoming, Understanding, Progressing

Essere, Divenire, Comprendere, Progredire. Being, Becoming, Understanding, Progressing Essere, Divenire, Comprendere, Progredire Being, Becoming, Understanding, Progressing Liceo Classico Liceo linguistico Liceo delle scienze umane Human Sciences Foreign Languages Life Science Our contacts:

Dettagli

Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA

Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA Università degli Studi di Perugia Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA Basi di Dati Avanzate e Tecniche di Data Mining Prof. G. Cecconi, Prof.

Dettagli

quali sono scambi di assicurazione sanitaria

quali sono scambi di assicurazione sanitaria quali sono scambi di assicurazione sanitaria Most of the time, quali sono scambi di assicurazione sanitaria is definitely instructions concerning how to upload it. quali sono scambi di assicurazione sanitaria

Dettagli

Data Alignment and (Geo)Referencing (sometimes Registration process)

Data Alignment and (Geo)Referencing (sometimes Registration process) Data Alignment and (Geo)Referencing (sometimes Registration process) All data aquired from a scan position are refered to an intrinsic reference system (even if more than one scan has been performed) Data

Dettagli

KULDAT. La tecnologia che ha superato l uomo nell identificare i clienti ideali. EMEA :: Marco Visibelli:: CEO e Data Scientist, Kuldat Inc, Q3 2014

KULDAT. La tecnologia che ha superato l uomo nell identificare i clienti ideali. EMEA :: Marco Visibelli:: CEO e Data Scientist, Kuldat Inc, Q3 2014 KULDAT La tecnologia che ha superato l uomo nell identificare i clienti ideali EMEA :: Marco Visibelli:: CEO e Data Scientist, Kuldat Inc, Q3 2014 Mi presento Marco Visibelli (@marcovisibelli) Data scientist

Dettagli

Stefano Goldwurm Medical geneticist Centro Parkinson - Parkinson Institute Istituti Clinici di Perfezionamento-Milan neurodegenerative diseases,

Stefano Goldwurm Medical geneticist Centro Parkinson - Parkinson Institute Istituti Clinici di Perfezionamento-Milan neurodegenerative diseases, Stefano Goldwurm Medical geneticist Centro Parkinson - Parkinson Institute Istituti Clinici di Perfezionamento-Milan neurodegenerative diseases, movement disorders, Parkinson disease 1- genetic counselling

Dettagli

I vantaggi ottenibili nei campi applicativi attraverso l uso di tecniche di data mining

I vantaggi ottenibili nei campi applicativi attraverso l uso di tecniche di data mining Dipartimento di Informatica e Sistemistica I vantaggi ottenibili nei campi applicativi attraverso l uso di tecniche di data mining Renato Bruni bruni@dis.uniroma1.it Antonio Sassano sassano@dis.uniroma1.it

Dettagli

CONTINUITÀ E INNOVAZIONE: SFIDE ATTUALI E FUTURE PER LE PROFESSIONI TURISTICHE. Roberta Maeran Università degli Studi di Padova

CONTINUITÀ E INNOVAZIONE: SFIDE ATTUALI E FUTURE PER LE PROFESSIONI TURISTICHE. Roberta Maeran Università degli Studi di Padova CONTINUITÀ E INNOVAZIONE: SFIDE ATTUALI E FUTURE PER LE PROFESSIONI TURISTICHE Roberta Maeran Università degli Studi di Padova CONTINUITÀ E INNOVAZIONE: SFIDE ATTUALI E FUTURE PER LE PROFESSIONI TURISTICHE

Dettagli

Data Mining e Analisi dei Dati

Data Mining e Analisi dei Dati e Analisi dei Dati Rosaria Lombardo Dipartimento di Economia, Seconda Università di Napoli La scienza che estrae utili informazioni da grandi databases è conosciuta come E una disciplina nuova che interseca

Dettagli

http://www.homeaway.it/info/guida-proprietari Copyright HomeAway INC

http://www.homeaway.it/info/guida-proprietari Copyright HomeAway INC Cambiare il testo in rosso con i vostri estremi Esempi di lettere in Inglese per la restituzione o trattenuta di acconti. Restituzione Acconto, nessun danno all immobile: Vostro Indirizzo: Data

Dettagli

Che cosa è SADAS INFOMANAGER (1982) Gestione Archivi Storici (1992) SADAS (2005) Ambiente MVS OVERMILLION (1990) Client-Server e multipiattaforma

Che cosa è SADAS INFOMANAGER (1982) Gestione Archivi Storici (1992) SADAS (2005) Ambiente MVS OVERMILLION (1990) Client-Server e multipiattaforma 1 Che cosa è SADAS SADAS è un DBMS column-based progettato in modo specifico per ottenere grandi performance nell interrogazione di archivi statici di grandi dimensioni (analisi data warehouse, OLAP).

Dettagli

Learning session: costruiamo insieme un modello per una campagna di marketing

Learning session: costruiamo insieme un modello per una campagna di marketing Learning session: costruiamo insieme un modello per una campagna di marketing Roberto Butinar Cristiano Dal Farra Danilo Selva 1 Agenda Panoramica sulla metodologia CRISP-DM (CRoss-Industry Standard Process

Dettagli

Can virtual reality help losing weight?

Can virtual reality help losing weight? Can virtual reality help losing weight? Can an avatar in a virtual environment contribute to weight loss in the real world? Virtual reality is a powerful computer simulation of real situations in which

Dettagli

SPF. Descrizione ed interesse

SPF. Descrizione ed interesse SPF (Società di gestione di Partecipazione Familiare) Descrizione ed interesse La Commissione Europea ha abolito la «Holding 29». In risposta, il governo ha lanciato nel 2007 una nuova forma di holding,

Dettagli

Testi del Syllabus. Docente INNOCENTI ALESSANDRO Matricola: 004615. Insegnamento: 101507 - ECONOMIA APPLICATA. Anno regolamento: 2011 CFU:

Testi del Syllabus. Docente INNOCENTI ALESSANDRO Matricola: 004615. Insegnamento: 101507 - ECONOMIA APPLICATA. Anno regolamento: 2011 CFU: Testi del Syllabus Docente INNOCENTI ALESSANDRO Matricola: 004615 Anno offerta: 2013/2014 Insegnamento: 101507 - ECONOMIA APPLICATA Corso di studio: PE002 - SCIENZE POLITICHE Anno regolamento: 2011 CFU:

Dettagli

Data mining. Data Mining. processo di Data Mining estrarre automaticamente informazioneda un insieme di dati

Data mining. Data Mining. processo di Data Mining estrarre automaticamente informazioneda un insieme di dati Data mining Il consente l informazione processo di Data Mining estrarre automaticamente informazioneda un insieme di dati telefoniche, ènascostaa a causa di fra quantitàdi loro, complessità: non... ci

Dettagli

Computazione per l interazione naturale: macchine che apprendono

Computazione per l interazione naturale: macchine che apprendono Computazione per l interazione naturale: macchine che apprendono Corso di Interazione Naturale! Prof. Giuseppe Boccignone! Dipartimento di Informatica Università di Milano! boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html

Dettagli

Il guadagno informativo negli alberi decisionali: un nuovo approccio

Il guadagno informativo negli alberi decisionali: un nuovo approccio Il guadagno informativo negli alberi decisionali: un nuovo approccio Sommario Descrizione del problema... 2 Il guadagno informativo di Nanni... 3 Il software Weka... 3 Cos è Weka... 3 Il guadagno Informativo

Dettagli

English-Medium Instruction: un indagine

English-Medium Instruction: un indagine English-Medium Instruction: un indagine Marta Guarda Dipartimento di Studi Linguistici e Letterari (DiSLL) Un indagine su EMI presso Unipd Indagine spedita a tutti i docenti dell università nella fase

Dettagli

Intelligenza Computazionale

Intelligenza Computazionale Intelligenza Computazionale A.A. 2009/10 Docente: Francesco Masulli masulli@disi.unige.it L'Intelligenza Computazionale (o Soft Computing o Natural Computing): insieme di metodologie di elaborazione dell'informazione

Dettagli

CURRICULUM SCUOLA SECONDARIA DI I GRADO COMUNICAZIONE NELLE LINGUE STRANIERE

CURRICULUM SCUOLA SECONDARIA DI I GRADO COMUNICAZIONE NELLE LINGUE STRANIERE CURRICULUM SCUOLA SECONDARIA DI I GRADO COMUNICAZIONE NELLE LINGUE STRANIERE Competenza di profilo: Nell incontro con persone di diverse nazionalità è in grado di esprimersi a livello elementare in lingua

Dettagli

Terminologia per gli ipertesti sul web

Terminologia per gli ipertesti sul web Terminologia per gli ipertesti sul web browser: programma applicativo per navigare in rete page (pagina): singolo foglio di un ipertesto home-page: punto di ingresso di un sito web hotspot, hotword: porzione

Dettagli

Domanda. L approccio interprofessionale in sanità: razionale ed evidenze. Programma. Programma

Domanda. L approccio interprofessionale in sanità: razionale ed evidenze. Programma. Programma Domanda L approccio interprofessionale in sanità: razionale ed evidenze Perché è necessario un approccio interprofessionale in sanità? Giorgio Bedogni Unità di Epidemiologia Clinica Centro Studi Fegato

Dettagli

di4g: Uno strumento di clustering per l analisi integrata di dati geologici

di4g: Uno strumento di clustering per l analisi integrata di dati geologici di4g: Uno strumento di clustering per l analisi integrata di dati geologici Alice Piva 1, Giacomo Gamberoni 1, Denis Ferraretti 1, Evelina Lamma 2 1 intelliware snc, via J.F.Kennedy 15, 44122 Ferrara,

Dettagli

Research Challenges in Computer Security Dipartimento di Informatica Università di Verona

Research Challenges in Computer Security Dipartimento di Informatica Università di Verona Research Challenges in Computer Security Dipartimento di Informatica Università di Verona GRUPPO DI RICERCA Sicurezza dei Computer Roberto Giacobazzi Isabella Mastroeni Mila Dalla Preda Alessandro Farinelli:

Dettagli

Richiami di informatica e programmazione

Richiami di informatica e programmazione Richiami di informatica e programmazione Il calcolatore E una macchina usata per Analizzare Elaborare Collezionare precisamente e velocemente una grande quantità di informazioni. Non è creativo Occorre

Dettagli

Base Dati Introduzione

Base Dati Introduzione Università di Cassino Facoltà di Ingegneria Modulo di Alfabetizzazione Informatica Base Dati Introduzione Si ringrazia l ing. Francesco Colace dell Università di Salerno Gli archivi costituiscono una memoria

Dettagli

Modello di sicurezza Datocentrico

Modello di sicurezza Datocentrico Modello di sicurezza Datocentrico I dati sono ovunque Chi accede ai dati, a dove accede ai dati e a quali dati accede? Public Cloud Desktop Virtualization Private Cloud Server Virtualization Proteggere

Dettagli

DOLORE PSICHE E QUALITA DI VITA

DOLORE PSICHE E QUALITA DI VITA Convegno Nazionale Società Italiana di Chirurgia Ginecologica Endometriosi: patologia, clinica ed impatto sociale Sabato 8 Marzo 2014 - Bergamo ENDOMETRIOSI DOLORE PSICHE E QUALITA DI VITA A. Signorelli

Dettagli

WEB - INTERNET L OGGI DELLA COMUNICAZIONE

WEB - INTERNET L OGGI DELLA COMUNICAZIONE WEB - INTERNET L OGGI DELLA COMUNICAZIONE La dieta mediatica degli italiani Indagine Censis I media personali nell era digitale luglio 2011 1. La dieta mediatica 1. Crolla la TV analogica, esplode la

Dettagli

Partner del progetto

Partner del progetto Partner del progetto Cluster Analysis È qualsiasi tecnica usata per raggruppare un insieme di oggetti in modo che oggetti nello stesso gruppo (cluster) siano più simili tra loro che ad altri oggetti appartententi

Dettagli

Il test valuta la capacità di pensare?

Il test valuta la capacità di pensare? Il test valuta la capacità di pensare? Per favore compili il seguente questionario senza farsi aiutare da altri. Cognome e Nome Data di Nascita / / Quanti anni scolastici ha frequentato? Maschio Femmina

Dettagli

Cittadini TRASPARENTI? INFORMAZIONE e Internet delle Cose

Cittadini TRASPARENTI? INFORMAZIONE e Internet delle Cose Cittadini TRASPARENTI? INFORMAZIONE e Internet delle Cose Roma, 3 luglio 2015 Giornalismo, diritto di cronaca e privacy Diritto di cronaca e privacy: può succedere che il rapporto si annulli al punto che

Dettagli

Data Mining Algorithms

Data Mining Algorithms Proposte di Tesi Elena Baralis, Silvia Chiusano, Paolo Garza, Tania Cerquitelli, Giulia Bruno, Daniele Apiletti, Alessandro Fiori, Luca Cagliero, Alberto Grand, Luigi Grimaudo Torino, Giugno 2011 Data

Dettagli

I.T.C.S. ERASMO DA ROTTERDAM

I.T.C.S. ERASMO DA ROTTERDAM I.T.C.S. ERASMO DA ROTTERDAM Liceo Artistico indirizzo Grafica - Liceo delle Scienze Umane opz. Economico sociale ITI Informatica e telecomunicazioni - ITI Costruzioni, ambiente e territorio Via Varalli,

Dettagli

Asset Management Bond per residenti in Italia

Asset Management Bond per residenti in Italia Asset Management Bond per residenti in Italia Agosto 2013 1 SEB Life International SEB Life International (SEB LI www.seb.ie) società irlandese interamente controllata da SEB Trygg Liv Holding AB, parte

Dettagli

SCHEDA PROGRAMMA INSEGNAMENTI A.A. 2012/2013

SCHEDA PROGRAMMA INSEGNAMENTI A.A. 2012/2013 SCHEDA PROGRAMMA INSEGNAMENTI A.A. 2012/2013 CORSO DI LAUREA IN Beni Culturali Insegnamento: Applicazioni informatiche all archeologia Docente Giuliano De Felice S.S.D. dell insegnamento L-ANT/10 Anno

Dettagli

Progetto Michelangelo. Click4Care - ThinkHealth System. Paolo Rota Sperti Roma, 08 Novembre 2008. 2008 Pfizer Italy. Tutti i diritti riservati.

Progetto Michelangelo. Click4Care - ThinkHealth System. Paolo Rota Sperti Roma, 08 Novembre 2008. 2008 Pfizer Italy. Tutti i diritti riservati. Progetto Michelangelo Click4Care - ThinkHealth System Paolo Rota Sperti Roma, 08 Novembre 2008 2008 Pfizer Italy. Tutti i diritti riservati. 1 Storia Pfizer ha sviluppato negli ultimi anni know-how nel

Dettagli

DICHIARAZIONE DI RESPONSABILITÀ

DICHIARAZIONE DI RESPONSABILITÀ - 0MNSWK0082LUA - - ITALIANO - DICHIARAZIONE DI RESPONSABILITÀ Il produttore non accetta responsabilità per la perdita di dati, produttività, dispositivi o qualunque altro danno o costo associato (diretto

Dettagli

Il test di Turing. Seminario. Ester Dalvit. 22 marzo 2005. Il test di Turing p. 1/1

Il test di Turing. Seminario. Ester Dalvit. 22 marzo 2005. Il test di Turing p. 1/1 Il test di Turing Seminario Ester Dalvit 22 marzo 2005 Il test di Turing p. 1/1 Intelligenza artificiale Una macchina compie in modo efficiente e veloce attività come eseguire calcoli aritmetici Il test

Dettagli

WEB 2.0. Andrea Marin

WEB 2.0. Andrea Marin Andrea Marin Università Ca Foscari Venezia SVILUPPO INTERCULTURALE DEI SISTEMI TURISTICI SISTEMI INFORMATIVI E TECNOLOGIE WEB PER IL TURISMO - 1 a.a. 2012/2013 Section 1 Significato di Web 2.0 Modelli

Dettagli

L impatto del d. CAD e dell innovazione l innovazione tecnologica sull organizzazione dei procedimenti amministrativi. Bari, 3 luglio 2012

L impatto del d. CAD e dell innovazione l innovazione tecnologica sull organizzazione dei procedimenti amministrativi. Bari, 3 luglio 2012 L impatto del d CAD e dell innovazione l innovazione tecnologica sull organizzazione dei procedimenti amministrativi. Bari, 3 luglio 2012 Giovanni Damiano Agenda LA PA VISTA DALL UTENTE LE LEVE DEL CAMBIAMENTO

Dettagli

Università degli Studi di Napoli Federico II Facoltà di Ingegneria Corso di Laurea Specialistica in Ingegneria Informatica.

Università degli Studi di Napoli Federico II Facoltà di Ingegneria Corso di Laurea Specialistica in Ingegneria Informatica. Università degli Studi di Napoli Federico II Facoltà di Ingegneria Corso di Laurea Specialistica in Ingegneria Informatica Corso di Sistemi Distribuiti Prof. Stefano Russo Modellidi SistemiDistribuiti

Dettagli

A personalized rule-based and cross-devices solution for Adaptive Retail. Andrea Pini CEO Inera S.r.l.

A personalized rule-based and cross-devices solution for Adaptive Retail. Andrea Pini CEO Inera S.r.l. A personalized rule-based and cross-devices solution for Adaptive Retail Andrea Pini CEO Inera S.r.l. Analisi del mercato Il 75% degli italiani fa showrooming: ricerca in negozio e acquista online, ma

Dettagli

Individuazione e classificazione dei rifiuti pericolosi

Individuazione e classificazione dei rifiuti pericolosi Individuazione e classificazione dei rifiuti pericolosi Paolo Pipere Responsabile Servizio Ambiente ed Ecosostenibilità Camera di Commercio di Milano Classificazione dei rifiuti I criteri di classificazione

Dettagli

GCP. Le Figure. Ruolo, interazioni e responsabilità SPONSOR SPERIMENTATORE MONITOR

GCP. Le Figure. Ruolo, interazioni e responsabilità SPONSOR SPERIMENTATORE MONITOR GCP Ruolo, interazioni e responsabilità Le Figure SPONSOR SPERIMENTATORE MONITOR Ruoli Sponsor: individuo o organizzazione che inizia, dirige e/o finanzia uno studio Monitor: persona designata dallo Sponsor,

Dettagli

Politica Economica Istituzioni e Efficienza

Politica Economica Istituzioni e Efficienza Politica Economica Istituzioni e Efficienza 2 Introduzione al concetto di Istituzioni Le istituzioni riducono il tasso di incertezza creando delle regolarità nella vita di tutti i giorni. Sono una guida

Dettagli

WWW.TINYLOC.COM CUSTOMER SERVICE GPS/ RADIOTRACKING DOG COLLAR. T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com

WWW.TINYLOC.COM CUSTOMER SERVICE GPS/ RADIOTRACKING DOG COLLAR. T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com WWW.TINYLOC.COM CUSTOMER SERVICE T. (+34) 937 907 971 F. (+34) 937 571 329 sales@tinyloc.com GPS/ RADIOTRACKING DOG COLLAR MANUALE DI ISTRUZIONI ACCENSIONE / SPEGNERE DEL TAG HOUND Finder GPS Il TAG HOUND

Dettagli

Il BACKUP è disponibile in http://www.dbgroup.unimo.it/sia/esercizio_21_novembre_2013/esercizio_21_novembre_2013.bak

Il BACKUP è disponibile in http://www.dbgroup.unimo.it/sia/esercizio_21_novembre_2013/esercizio_21_novembre_2013.bak ESEMPIO DELLE VENDITE: MISURE ED AGGREGABILITA E l esempio discusso nelle dispense è Dispense : http://www.dbgroup.unimo.it/sia/sia_2014_progettazionediundw_misure.pdf esteso e dettagliato. Il BACKUP è

Dettagli

KNOWLEDGE DISCOVERY E DATA MINING

KNOWLEDGE DISCOVERY E DATA MINING KNOWLEDGE DISCOVERY E DATA MINING Prof. Dipartimento di Elettronica e Informazione Politecnico di Milano LE TECNOLOGIE DI GESTIONE DELL INFORMAZIONE DATA WAREHOUSE SUPPORTO ALLE DECISIONI DATA MINING ANALISI

Dettagli

AVVISO n.17252 25 Settembre 2007

AVVISO n.17252 25 Settembre 2007 AVVISO n.17252 25 Settembre 2007 Mittente del comunicato : Borsa Italiana Societa' oggetto : dell'avviso Oggetto : Modifiche alle Istruzioni al Regolamento IDEM: Theoretical Fair Value (TFV)/Amendments

Dettagli

Crediti documentari: come preparare il documento di trasporto su strada

Crediti documentari: come preparare il documento di trasporto su strada Crediti documentari: come preparare il documento di trasporto su strada Il beneficiario di un credito documentario, per ottenere le previste prestazioni dalla banca, deve preparare il documento di trasporto

Dettagli

ECTS - LEARNING AGREEMENT

ECTS - LEARNING AGREEMENT Allegato A- Modulo Learning Agreement UNIVERSITÀ DEGLI STUDI DI UDINE ECTS - LEARNING AGREEMENT ACADEMIC YEAR 20 /20 - FIELD OF STUDY:.... Name of student:...matr. no Sending Institution: UNIVERSITY OF

Dettagli

Anno di studio all estero

Anno di studio all estero Anno di studio all estero Premessa Durante il periodo di studio all estero l alunno è regolarmente iscritto alla scuola di appartenenza e, quindi, la scuola deve mettere in atto una serie di misure di

Dettagli

Volvo Simulated Operator training. Volvo Construction Equipment

Volvo Simulated Operator training. Volvo Construction Equipment Volvo Simulated Operator training 1 It doesn t matter how many sensors, systems and technology a machine has, our customers can t get the most out of them unless they know how to use them. Eco Operator

Dettagli

Rassegna stampa Luglio Agosto 2014

Rassegna stampa Luglio Agosto 2014 Rassegna stampa Luglio Agosto 2014 1 CONSORZIO ROMA RICERCHE RASSEGNA STAMPA Luglio Agosto 2014 Guida Monaci pag. 3 TMNews pag. 4 Tribuna Economica pag. 5 ANSA Lazio pag. 6 IACC News pag. 7 GEO Ingegneria

Dettagli

Presentazione. Installazione, connessione e uso di Intelligent NAS 2014/7

Presentazione. Installazione, connessione e uso di Intelligent NAS 2014/7 Presentazione Installazione, connessione e uso di Intelligent NAS 2014/7 Indice Self-RAID Creation e capacità dell unità...3 Guida rapida di installazione...4 Installazione di Intelligent NAS...5 Dopo

Dettagli

Lepida Scuola. Lo studente al centro, didattica per problemi e progetti. HANDImatica 2012. Tante tecnologie quale didattica?

Lepida Scuola. Lo studente al centro, didattica per problemi e progetti. HANDImatica 2012. Tante tecnologie quale didattica? Lo studente al centro, didattica per problemi e progetti Lepida Scuola Tante tecnologie quale didattica? HANDImatica 2012 Bologna 23 Novembre 2012 Enzo Zecchi Cos è? Movimento di pensiero Nasce per rete

Dettagli

Outsourcing Internal Audit, Compliance e Risk Management

Outsourcing Internal Audit, Compliance e Risk Management Idee per emergere Outsourcing Internal Audit, Compliance e Risk Management FI Consulting Srl Via Vittorio Alfieri, 1 31015 Conegliano (TV) Tel. 0438 360422 Fax 0438 411469 E-mail: info@ficonsulting.it

Dettagli

Copyright 2012 Binary System srl 29122 Piacenza ITALIA Via Coppalati, 6 P.IVA 01614510335 - info@binarysystem.eu http://www.binarysystem.

Copyright 2012 Binary System srl 29122 Piacenza ITALIA Via Coppalati, 6 P.IVA 01614510335 - info@binarysystem.eu http://www.binarysystem. CRWM CRWM (Web Content Relationship Management) has the main features for managing customer relationships from the first contact to after sales. The main functions of the application include: managing

Dettagli

Corso di Studi in Informatica

Corso di Studi in Informatica RISERVATO Corso di Studi in Informatica Offerta formativa Anno 2010/2011 Per aderire e prenotare occorre mandare una mail o un fax o telefonare a uno dei seguenti riferimenti: Simona Castello castello@di.unito.it

Dettagli

RELAZIONE RELATIVA ALLA GESTIONE DEL SITO DI E-COMMERCE

RELAZIONE RELATIVA ALLA GESTIONE DEL SITO DI E-COMMERCE Gabriele Fiorani 5^D Mercurio 2012/2013 RELAZIONE RELATIVA ALLA GESTIONE DEL SITO DI E-COMMERCE TRACCIA DEL PROBLEMA Realizzare un sito di tipo e-commerce che consenta di gestire l intera procedura informatica

Dettagli

Il giardino nella macchina: la vita artificiale. 2003 Mauro Annunziato

Il giardino nella macchina: la vita artificiale. 2003 Mauro Annunziato Il giardino nella macchina: la vita artificiale 2003 Mauro Annunziato La fondazione della vita artificiale Chris Langton ( 89) Artificial Life (Alife) : programmi che autonomamente si evolvono all interno

Dettagli

Corsi di Laurea Magistrale/ Master Degree Programs

Corsi di Laurea Magistrale/ Master Degree Programs Corsi di Laurea Magistrale/ Master Degree Programs Studenti iscritti al I anno (immatricolati nell a.a. 2014-2015 / Students enrolled A. Y. 2014-2015) Piano di studi 17-27 Novembre 2014 (tramite web self-service)

Dettagli

Gruppo di lavoro 1 Metadati e RNDT. Incontro del 22 luglio 2014

Gruppo di lavoro 1 Metadati e RNDT. Incontro del 22 luglio 2014 Gruppo di lavoro 1 Metadati e RNDT Incontro del 1 Piano di lavoro 1. Condivisione nuova versione guide operative RNDT 2. Revisione regole tecniche RNDT (allegati 1 e 2 del Decreto 10 novembre 2011) a)

Dettagli

E-marketing Intelligence e personalizzazione

E-marketing Intelligence e personalizzazione E-marketing Intelligence e personalizzazione Nel mondo degli affari di oggi comprendere e sfruttare il potere delle 4 P del marketing (product, price, place e promotion) è diventato uno dei fattori più

Dettagli

La gestione della crisi: CRM. G. Scagliarini

La gestione della crisi: CRM. G. Scagliarini La gestione della crisi: CRM G. Scagliarini Obiettivi Introdurre concetto di CRM Razionale della Simulazione Cosa hanno in comune aeronautica, anestesia e emergency medicine? Elementi comuni Alta complessità

Dettagli

NOTA PER LA COMPILAZIONE: OVE LE DOMANDE PROPONGANO UNA RISPOSTA CON OPZIONI PREDEFINITE, BARRARE QUELLA SCELTA. HEAD OFFICE ADRESS (Indirizzo)

NOTA PER LA COMPILAZIONE: OVE LE DOMANDE PROPONGANO UNA RISPOSTA CON OPZIONI PREDEFINITE, BARRARE QUELLA SCELTA. HEAD OFFICE ADRESS (Indirizzo) QUESTIONARIO PER L ASSICURAZIONE DELLA RESPONSABILITÀ CIVILE PROFESSIONALE DEL GRAFOLOGO NOTA PER LA COMPILAZIONE: OVE LE DOMANDE PROPONGANO UNA RISPOSTA CON OPZIONI PREDEFINITE, BARRARE QUELLA SCELTA

Dettagli

Web Profiling come fattore di efficienza e innovazione: l esempio della green economy. Parte Ia :Un inquadramento del Web Profiling

Web Profiling come fattore di efficienza e innovazione: l esempio della green economy. Parte Ia :Un inquadramento del Web Profiling Milano, 9.10.2013 Web Profiling come fattore di efficienza e innovazione: l esempio della green economy Parte Ia :Un inquadramento del Web Profiling riferimento per i contenuti : sergio.malcevschi@unipv.it

Dettagli

La soluzione IBM per la Busines Analytics Luca Dalla Villa

La soluzione IBM per la Busines Analytics Luca Dalla Villa La soluzione IBM per la Busines Analytics Luca Dalla Villa Cosa fa IBM Cognos Scorecards & Dashboards Reports Real Time Monitoring Supporto? Decisionale Come stiamo andando? Percezione Immediate immediata

Dettagli

Cryptographic Techniques for Authentication

Cryptographic Techniques for Authentication Identificazione con Funzioni Hash one-way Cryptographic Techniques for Authentication Ozalp Babaoglu! Accesso di un utente alla propria casella di posta elettronica o ai file personali memorizzati su un

Dettagli

UNIVERSITÀ DEGLI STUDI DELL INSUBRIA SETTORE ORIENTAMENTO - Ufficio Orientamento e Diritto allo Studio

UNIVERSITÀ DEGLI STUDI DELL INSUBRIA SETTORE ORIENTAMENTO - Ufficio Orientamento e Diritto allo Studio FACOLTÀ DI SCIENZE MM.FF.NN. COMO Scienze e Tecnologie dell Informazione Corso di laurea triennale - Classe n. 26 Scienze e tecnologie informatiche Caratteristiche e obiettivi del corso Il corso di Laurea

Dettagli

IFRS 9 - processo di sostituzione dello IAS 39

IFRS 9 - processo di sostituzione dello IAS 39 Focus sulle principali recenti evoluzioni nel corpo dei principi contabili nazionali ed internazionali IFRS IFRS 9 - processo di sostituzione dello IAS 39 Francesco Chiulli 2 dicembre 2009 Indice Progetto

Dettagli

ISTITUTO COMPRENSIVO n. 21 - BOLOGNA *** *** *** PIANO DI LAVORO INDIVIDUALE Anno Scolastico 2015/16

ISTITUTO COMPRENSIVO n. 21 - BOLOGNA *** *** *** PIANO DI LAVORO INDIVIDUALE Anno Scolastico 2015/16 ISTITUTO COMPRENSIVO n. 21 - BOLOGNA *** *** *** DOCENTE: CRITELLI ANNA CLASSE: 1F MATERIA: INGLESE PIANO DI LAVORO INDIVIDUALE Anno Scolastico 201/1 OBIETTIVI DI APPRENDIMENTO (CURRICOLO D ISTITUTO) Ascolto

Dettagli

Instructionfor supplierslabelsprint

Instructionfor supplierslabelsprint SAP-PORTAL GGP GROUP Instructionfor supplierslabelsprint Versione in Italiano da pag. 11 GGP Italy-1 Open an Internet Browser at http://sapportal.ggp-group.com/irj GGP Italy-2 Log-in with your credentials:

Dettagli

Prova finale di Ingegneria del software

Prova finale di Ingegneria del software Prova finale di Ingegneria del software Scaglione: Prof. San Pietro Andrea Romanoni: Francesco Visin: andrea.romanoni@polimi.it francesco.visin@polimi.it Italiano 2 Scaglioni di voto Scaglioni di voto

Dettagli

I NUMERI DI LEYLAND E LE SERIE DI FIBONACCI E DI PADOVAN

I NUMERI DI LEYLAND E LE SERIE DI FIBONACCI E DI PADOVAN Gruppo B. Riemann * I NUMERI DI LEYLAND E LE SERIE DI FIBONACCI E DI PADOVAN Francesco Di Noto, Michele Nardelli *Gruppo amatoriale per la ricerca matematica sui numeri primi, sulle loro congetture e sulle

Dettagli