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 e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it

MACHINE LEARNING e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it MACHINE LEARNING e DATA MINING Introduzione a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it Apprendimento Automatico(i) Branca dell AI che si occupa di realizzare dispositivi artificiali capaci di

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

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

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

Regole di Associazione

Regole di Associazione Metodologie per Sistemi Intelligenti Regole di Associazione Prof. Pier Luca Lanzi Laurea in Ingegneria Informatica Politecnico di Milano Polo regionale di Como Esempio Esempio Regole di Associazione Scopo

Dettagli

Università di Bergamo Facoltà di Ingegneria. Intelligenza Artificiale. Paolo Salvaneschi A1_1 V1.1. Introduzione

Università di Bergamo Facoltà di Ingegneria. Intelligenza Artificiale. Paolo Salvaneschi A1_1 V1.1. Introduzione Università di Bergamo Facoltà di Ingegneria Intelligenza Artificiale Paolo Salvaneschi A1_1 V1.1 Introduzione Il contenuto del documento è liberamente utilizzabile dagli studenti, per studio personale

Dettagli

Intelligenza Artificiale

Intelligenza Artificiale Intelligenza Artificiale Introduzione Introduzione 1 Riferimenti } S. Russell, P. Norvig, Artificial Intelligence: a Modern Approach, Prentice Hall, 2010, III edizione (versione in italiano: Intelligenza

Dettagli

Database Commerciali/ Marketing. Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing

Database Commerciali/ Marketing. Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing Database Commerciali/ Marketing Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing Database Commerciali/ Marketing Gli elementi chiave del db

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

Studio e implementazione di un OCR per auto-tele-lettura dei contatori di gas e acqua

Studio e implementazione di un OCR per auto-tele-lettura dei contatori di gas e acqua POLITECNICO DI MILANO Corso di Laurea in Ingegneria Informatica Dipartimento di Elettronica e Informazione Studio e implementazione di un OCR per auto-tele-lettura dei contatori di gas e acqua AI & R Lab

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

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

L università degli Studi del Sannio

L università degli Studi del Sannio La ricerca condotta dall Università degli studi del Sannio e dalla Dida Network s.r.l. in tema di formazione avanzata per persone sorde ed in particolare i risultati del progetto: This project has been

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 1 - Introduzione generale Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr

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

Service design per l Associazione medica Monteluce. Il tutto è più della somma delle singole parti

Service design per l Associazione medica Monteluce. Il tutto è più della somma delle singole parti Service design per l Associazione medica Monteluce. Il tutto è più della somma delle singole parti Anna Berardi Come citare quest articolo. Berardi, A. (2014). Service design per l Associazione medica

Dettagli

TEORIA DEI GIOCHI Parte 1. Roberto Lucchetti - Politecnico di Milano

TEORIA DEI GIOCHI Parte 1. Roberto Lucchetti - Politecnico di Milano TEORIA DEI GIOCHI Parte 1 Matematica nella realtà Università Bocconi Roberto Lucchetti - Politecnico di Milano 10 Dicembre 2010 Che significa teoria dei giochi? Gioco: Due o più individui partono da una

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

Iniziative e biblioteche digitali del Politecnico : un incontro di lavoro Aula Magna, Politecnico di Milano, 1 ottobre 2004

Iniziative e biblioteche digitali del Politecnico : un incontro di lavoro Aula Magna, Politecnico di Milano, 1 ottobre 2004 Iniziative e biblioteche digitali del Politecnico : un incontro di lavoro Aula Magna, Politecnico di Milano, 1 ottobre 2004 Archivio degli indici e degli abstract delle tesi di laurea delle Facoltà di

Dettagli

My name is... (Nome) I study at... (Nome della scuola) I m in class... (Classe) I am starting this English Language Biography on...

My name is... (Nome) I study at... (Nome della scuola) I m in class... (Classe) I am starting this English Language Biography on... La tua English Language Biography è il documento dove puoi dare prova di ciò che sei in grado di fare in inglese, tenere traccia dei tuoi progressi, mostrare ad altri ciò che hai imparato e riflettere

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

GCE. Edexcel GCE Italian(9330) Summer 2006. Mark Scheme (Results)

GCE. Edexcel GCE Italian(9330) Summer 2006. Mark Scheme (Results) GCE Edexcel GCE Italian(9330) Summer 006 Mark Scheme (Results) Unit Reading and Writing Question Answer Testo.. B B C - A 4 Testo. a. passione che passione b. attrae c. sicuramemte d. favorito ha favorito

Dettagli

uadro Business Intelligence Professional Gestione Aziendale Fa quadrato attorno alla tua azienda

uadro Business Intelligence Professional Gestione Aziendale Fa quadrato attorno alla tua azienda Fa quadrato attorno alla tua azienda Professional Perché scegliere Cosa permette di fare la businessintelligence: Conoscere meglio i dati aziendali, Individuare velocemente inefficienze o punti di massima

Dettagli

Percorso Video Game. Percorsi per la Laurea Magistrale in Informatica. Obiettivi generali. Sbocchi professionali

Percorso Video Game. Percorsi per la Laurea Magistrale in Informatica. Obiettivi generali. Sbocchi professionali Percorsi per la Laurea Magistrale in Informatica Percorso Video Game Docenti di riferimento: Dr. Dario Maggiorini, Dr. Laura Anna Ripamonti Sede di erogazione: Milano Obiettivi generali Il mercato dei

Dettagli

Introduzione alle tecniche di Data Mining. Prof. Giovanni Giuffrida

Introduzione alle tecniche di Data Mining. Prof. Giovanni Giuffrida Introduzione alle tecniche di Data Mining Prof. Giovanni Giuffrida Programma Contenuti Introduzione al Data Mining Mining pattern frequenti, regole associative Alberi decisionali Clustering Esempio di

Dettagli

PROGETTAZIONE DIDATTICA CLASSI PRIME ANNO SCOLASTICO 2012-2013 TECNOLOGIA. Traguardi per lo sviluppo delle competenze OBIETTIVI DI APPRENDIMENTO

PROGETTAZIONE DIDATTICA CLASSI PRIME ANNO SCOLASTICO 2012-2013 TECNOLOGIA. Traguardi per lo sviluppo delle competenze OBIETTIVI DI APPRENDIMENTO PROGETTAZIONE DIDATTICA CLASSI PRIME ANNO SCOLASTICO 2012-2013 TECNOLOGIA E compito della tecnologia quello di promuovere nei bambini e nei ragazzi forme di pensiero e atteggiamenti che preparino e sostengano

Dettagli

FINALITA DELLA SCUOLA DELL INFANZIA

FINALITA DELLA SCUOLA DELL INFANZIA I.C.S. MAREDOLCE FINALITA DELLA SCUOLA DELL INFANZIA La nostra scuola dell Infanzia con la sua identità specifica sotto il profilo pedagogico e metodologico-organizzativo persegue: l acquisizione di capacità

Dettagli

SCUOLA PRIMARIA Anno Scolastico 2014/2015 CURRICOLO DI TECNOLOGIA OBIETTIVI DI APPRENDIMENTO AL TERMINE DELLA CLASSE TERZA DELLA SCUOLA PRIMARIA

SCUOLA PRIMARIA Anno Scolastico 2014/2015 CURRICOLO DI TECNOLOGIA OBIETTIVI DI APPRENDIMENTO AL TERMINE DELLA CLASSE TERZA DELLA SCUOLA PRIMARIA Ministero dell Istruzione, dell Università e della Ricerca Istituto Comprensivo Statale di Calolziocorte Via F. Nullo,6 23801 CALOLZIOCORTE (LC) e.mail: lcic823002@istruzione.it - Tel: 0341/642405/630636

Dettagli

Il progetto di ricerca Ellade

Il progetto di ricerca Ellade Il progetto di ricerca Ellade Ellade ELectronic Live ADaptive Learning Gruppo di lavoro Università degli Studi della Calabria, Dipartimento di Matematica Università degli Studi Mediterranea di Reggio Calabria,

Dettagli

RICERCA-AZIONE. l insegnamento riflessivo. Caterina Bortolani-2009

RICERCA-AZIONE. l insegnamento riflessivo. Caterina Bortolani-2009 RICERCA-AZIONE ovvero l insegnamento riflessivo Gli insegnanti sono progettisti.. riflettono sul contesto nel quale devono lavorare sugli obiettivi che vogliono raggiungere decidono quali contenuti trattare

Dettagli

È possibile caratterizzare un percorso formativo per gli studenti sulla base di due aree di specializzazione (indirizzi):

È possibile caratterizzare un percorso formativo per gli studenti sulla base di due aree di specializzazione (indirizzi): Percorsi per la Laurea Magistrale in Informatica Percorso Video Game Docenti di riferimento: Dario Maggiorini, Laura Anna Ripamonti Sede di erogazione: Milano LIKE THIS! Obiettivi generali Il mercato dei

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

Le reti neurali artificiali. Giacomo Trudu aka Wicker25

Le reti neurali artificiali. Giacomo Trudu aka Wicker25 Le reti neurali artificiali Giacomo Trudu aka Wicker25 Sommario L'approccio algoritmico Le reti neurali artificiali Apprendimento delle reti neurali Il neurone biologico Il percettrone L'apprendimento

Dettagli

La struttura del Master all Università di Palermo

La struttura del Master all Università di Palermo Percorso Formativo MISSB Quali competenze, quali conoscenze? Didattica laboratoriale e progettazione di situazioni di apprendimento in classe tra Matematica e Fisica Università degli Studi Palermo Piazza

Dettagli

Il Piano di Marketing. alessandra.gruppi@mib.edu

Il Piano di Marketing. alessandra.gruppi@mib.edu Il Piano di Marketing 1 Di cosa parleremo A cosa serve il marketing In cosa consiste Perché scrivere un piano di marketing Come scriverlo...in particolare per new business e innovazioni 2 Because its purpose

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

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

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

Intelligenza collettiva Swarm intelligence. Swarm Intelligence. Intelligenza collettiva emergente in gruppi di agenti (semplici).

Intelligenza collettiva Swarm intelligence. Swarm Intelligence. Intelligenza collettiva emergente in gruppi di agenti (semplici). Swarm Intelligence Intelligenza collettiva Swarm intelligence Andrea Roli a.roli@unich.it Dipartimento di Scienze Università degli Studi G. D Annunzio Chieti-Pescara Intelligenza collettiva emergente in

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

DIPARTIMENTO DI STUDI UMANISTICI

DIPARTIMENTO DI STUDI UMANISTICI DIPARTIMENTO DI STUDI UMANISTICI Corso di Laurea Interdipartimentale in Scienze della Formazione Primaria( Ind.Primaria) A.A 2013/2014 REPORT SULL ELABORAZIONE DI UN AGENTE ARITIFICIALE TEORIA E METODOLOGIA

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

Cultura Tecnologica di Progetto

Cultura Tecnologica di Progetto Cultura Tecnologica di Progetto Politecnico di Milano Facoltà di Disegno Industriale - DATABASE - A.A. 2003-2004 2004 DataBase DB e DataBase Management System DBMS - I database sono archivi che costituiscono

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

Le nostre proposte per un apprendimento mirato e funzionale combinano contenuti di altissimo livello, tecnologia e soluzioni per la didattica.

Le nostre proposte per un apprendimento mirato e funzionale combinano contenuti di altissimo livello, tecnologia e soluzioni per la didattica. Progettiamo soluzioni per aiutare il docente di oggi a insegnare ai propri studenti ad avere successo domani. Le nostre proposte per un apprendimento mirato e funzionale combinano contenuti di altissimo

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

Corso di formazione CORSO DI FORMAZIONE. Prof. Marco Scancarello Prof.ssa Carolina Biscossi Email: didatticaelim@gmail.com

Corso di formazione CORSO DI FORMAZIONE. Prof. Marco Scancarello Prof.ssa Carolina Biscossi Email: didatticaelim@gmail.com Corso di formazione CORSO DI FORMAZIONE Prof. Marco Scancarello Prof.ssa Carolina Biscossi Email: didatticaelim@gmail.com IL CORSO L utilizzo sempre più frequente delle nuove tecnologie nella vita quotidiana

Dettagli

InfoTecna ITCube Web

InfoTecna ITCube Web InfoTecna ITCubeWeb ITCubeWeb è un software avanzato per la consultazione tramite interfaccia Web di dati analitici organizzati in forma multidimensionale. L analisi multidimensionale è il sistema più

Dettagli

Guadagnare con Internet con. guida pratica per scegliere il modello giusto per te. www.acquisireclienti.com

Guadagnare con Internet con. guida pratica per scegliere il modello giusto per te. www.acquisireclienti.com Guadagnare con Internet con i modelli di business online: guida pratica per scegliere il modello giusto per te. www.acquisireclienti.com Internet e business Molte persone guardano a Internet come strumento

Dettagli

Conoscere Dittaweb per:

Conoscere Dittaweb per: IL GESTIONALE DI OGGI E DEL FUTURO Conoscere Dittaweb per: migliorare la gestione della tua azienda ottimizzare le risorse risparmiare denaro vivere meglio il proprio tempo IL MERCATO TRA OGGI E DOMANI

Dettagli

COMUNICO PER MOTIVARE

COMUNICO PER MOTIVARE COMUNICO PER MOTIVARE Motivare allo studio e promuovere l autoefficacia degli studenti attraverso una comunicazione efficace Corso di Alta Formazione Facoltà di Psicologia SPAEE - Servizio di Psicologia

Dettagli

Normativa... 2 Consigliamo... 2

Normativa... 2 Consigliamo... 2 Sommario PREMESSA... 2 Normativa... 2 Consigliamo... 2 COME IMPOSTARE IL BACKUP DEI DATI DI DMS... 2 ACCEDERE ALLA PROCEDURA DI BACKUP... 3 Impostare la sorgente dati (dove si trovano gli archivi)... 4

Dettagli

Realizzazione e valutazione delle. tecniche di pattern recognition per. calcolatori. Claudio Mazzariello cmazzari@unina.it

Realizzazione e valutazione delle. tecniche di pattern recognition per. calcolatori. Claudio Mazzariello cmazzari@unina.it Realizzazione e valutazione delle prestazioni di un sistema basato su tecniche di pattern recognition per la rilevazione di attacchi a reti di calcolatori Claudio Mazzariello cmazzari@unina.it artimento

Dettagli

Teoria dei Giochi non Cooperativi

Teoria dei Giochi non Cooperativi Politecnico di Milano Descrizione del gioco Egoismo Razionalità 1 L insieme dei giocatori 2 La situazione iniziale 3 Le sue possibili evoluzioni 4 I suoi esiti finali I Giochi della teoria Perché studiare

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

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

di Grazia Lucantoni a.s. 2006-2007

di Grazia Lucantoni a.s. 2006-2007 di Grazia Lucantoni a.s. 2006-2007 http://www.apprendereinrete.it/news/premiazione_docenteautore.kl Il progetto Docente@autore, che si è concluso nel giugno 2008, ha permesso di condividere in rete lavori

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

ISTITUTO PROFESSIONALE PER I SERVIZI ALBERGHIERI E DELLA RISTORAZIONE. Via Decio Mure Monserrato AREA 2 - SOSTEGNO AL LAVORO DEI DOCENTI

ISTITUTO PROFESSIONALE PER I SERVIZI ALBERGHIERI E DELLA RISTORAZIONE. Via Decio Mure Monserrato AREA 2 - SOSTEGNO AL LAVORO DEI DOCENTI ISTITUTO PROFESSIONALE PER I SERVIZI ALBERGHIERI E DELLA RISTORAZIONE Via Decio Mure Monserrato AREA 2 - SOSTEGNO AL LAVORO DEI DOCENTI PIANO DI LAVORO A.S. 213-214 "I computer sono incredibilmente veloci,

Dettagli

Alunni classi quarte Servizi Commerciali

Alunni classi quarte Servizi Commerciali UNITA DI APPRENDIMENTO 1bis Istruzione professionale: Indirizzo Servizi Commerciali Denominazione Gestione informatica dell Azienda, marketing on line e web marketing Utenti destinatari Alunni classi quarte

Dettagli

SCUOLA PRIMARIA I.C. di CRESPELLANO PROGRAMMAZIONE ANNUALE DI TECNOLOGIA E INFORMATICA

SCUOLA PRIMARIA I.C. di CRESPELLANO PROGRAMMAZIONE ANNUALE DI TECNOLOGIA E INFORMATICA TRAGUARDI DELLE AL TERMINE della CLASSE I L alunno esplora e interpreta il mondo fatto dall uomo, individua le funzioni di un artefatto e di una semplice macchina, usa oggetti e strumenti coerentemente

Dettagli

Comunicazione di Servizio

Comunicazione di Servizio Comunicazione di Servizio Onestamente acquistare i prodotti senza glutine, mese per mese, è diventato un impegno quasi noioso. Normalmente ho piacere a fare la spesa in negozio, viceversa da celiaco ho

Dettagli

La formazione a distanza

La formazione a distanza Diap.: 1 La formazione a distanza Diap.: 2 La formazione a distanza ambiente formativo tecnologico comprensivo di forme di didattica adistanzaediapprendimentoonline Diap.: 3 permette una interazione tra

Dettagli

I laboratori nel Corso di Laurea in TRMIR

I laboratori nel Corso di Laurea in TRMIR LA FORMAZIONE TECNICO-PRATICA NEL CORSO DI LAUREA TRMIR: METODOLOGIE ED ESPERIENZE DEGLI STUDENTI I laboratori nel Corso di Laurea in TRMIR Dr. Mauro Curzel Coordinatore delle attività formative Corso

Dettagli

Storia ed evoluzione dell Informatica

Storia ed evoluzione dell Informatica Storia ed evoluzione dell Informatica 1. Che cosa è l Informatica (1) Il termine informatica fu introdotto nei primi anni 60 ed è un acronimo di INFORmazione automatica, ovvero trattamento automatico delle

Dettagli

Gestione remota archivi cartelle sanitarie e di rischio informatizzate

Gestione remota archivi cartelle sanitarie e di rischio informatizzate Gestione remota archivi cartelle sanitarie e di rischio informatizzate L odierna realtà economica impone alle aziende di differenziarsi sempre più dai concorrenti, investendo in tecnologie che possano

Dettagli

Un impegno per la qualità

Un impegno per la qualità Dentro una capsula MUST è racchiusa una cultura per il benessere. Una tradizione che, con il profumo di terre lontane, oggi rinasce nel cuore del Belpaese, fra le dolci colline marchigiane. Per diventare

Dettagli

Abilità Informatiche A.A. 2010/2011 Lezione 9: Query Maschere Report. Facoltà di Lingue e Letterature Straniere

Abilità Informatiche A.A. 2010/2011 Lezione 9: Query Maschere Report. Facoltà di Lingue e Letterature Straniere Abilità Informatiche A.A. 2010/2011 Lezione 9: Query Maschere Report Facoltà di Lingue e Letterature Straniere Le QUERY 2 Che cos è una Query? Una Query rappresenta uno strumento per interrogare un database.

Dettagli

L E I N F O R M A Z I O N I P E R F A R E

L E I N F O R M A Z I O N I P E R F A R E L E I N F O R M A Z I O N I P E R F A R E C E N T R O Con InfoBusiness avrai Vuoi DATI CERTI per prendere giuste DECISIONI? Cerchi CONFERME per le tue INTUIZIONI? Vuoi RISPOSTE IMMEDIATE? SPRECHI TEMPO

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

Market Data / Supplier Selection / Social Advertising / User Experience / Call-toaction /Brand fidelity / Brand awareness

Market Data / Supplier Selection / Social Advertising / User Experience / Call-toaction /Brand fidelity / Brand awareness SOCIALIKEE Market Data / Supplier Selection / Social Advertising / User Experience / Call-toaction /Brand fidelity / Brand awareness Fondatore Massimiliano Mascoli TARGET & NEED 2. Target & Need Trust

Dettagli

LA BASE MOTORIA E INTENZIONALE DELL APPRENDERE

LA BASE MOTORIA E INTENZIONALE DELL APPRENDERE IL CONTRIBUTO DELLE NEUROSCIENZE: IL DIBATTITO IN AMBITO EDUCATIVO. Bressanone 26/10/2012; Daniela Mario LA BASE MOTORIA E INTENZIONALE DELL APPRENDERE I neuroni specchio e le rappresentazioni condivise

Dettagli

PROGETTO FINALLY QUADERNO DEI PARTECIPANTI PER IL MODULO 4. Step. Step 1

PROGETTO FINALLY QUADERNO DEI PARTECIPANTI PER IL MODULO 4. Step. Step 1 Step 1 Progetto Multilaterale Grundtvig Progetto FINALLY Alfabetizzazione Finanziaria per Rom PROGETTO FINALLY QUADERNO DEI PARTECIPANTI PER IL MODULO 4 Step Step 1 step 4 6 How Come can I posso increase

Dettagli

Ipertesti e Internet. Ipertesto. Ipertesto. Prof.ssa E. Gentile. a.a. 2011-2012

Ipertesti e Internet. Ipertesto. Ipertesto. Prof.ssa E. Gentile. a.a. 2011-2012 Corso di Laurea Magistrale in Scienze dell Informazione Editoriale, Pubblica e Sociale Ipertesti e Internet Prof.ssa E. Gentile a.a. 2011-2012 Ipertesto Qualsiasi forma di testualità parole, immagini,

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

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

Il sistema di gestione dei dati e i processi aziendali. Introduzione ai Processi aziendali

Il sistema di gestione dei dati e i processi aziendali. Introduzione ai Processi aziendali Il sistema di gestione dei dati e i processi aziendali Introduzione ai Processi aziendali Obiettivi della sessione Al termine di questa sessione sarete in grado di: Spiegare cosa siano obiettivi di business,

Dettagli

Probabilità e bridge. Michele Impedovo

Probabilità e bridge. Michele Impedovo Probabilità e bridge Michele Impedovo Riassunto Nel gioco del bridge è di fondamentale importanza prevedere come sono distribuite le carte di un certo seme tra i due avversari. Questo articolo propone

Dettagli

Dr Mila Milani. Comparatives and Superlatives

Dr Mila Milani. Comparatives and Superlatives Dr Mila Milani Comparatives and Superlatives Comparatives are particular forms of some adjectives and adverbs, used when making a comparison between two elements: Learning Spanish is easier than learning

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

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

Il Sistema Bibliotecario di Ateneo (SBA) www.biblio.polimi.it

Il Sistema Bibliotecario di Ateneo (SBA) www.biblio.polimi.it , Centro Sistema IT Seminario CNBA L integrazione delle risorse eterogenee distribuite: problemi, strumenti e prospettive, Roma 27 ottobre 2004 Il (SBA) www.biblio.polimi.it 2 L'Area (SBA) é la struttura

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

Programmazione o impulso? Come cambia il comportamento d acquisto in tempo di crisi

Programmazione o impulso? Come cambia il comportamento d acquisto in tempo di crisi Programmazione o impulso? Come cambia il comportamento d acquisto in tempo di crisi Maria Grazia Cardinali Crescere con la Fedeltà in Tempo di Crisi 25 ottobre 2013 COME CAMBIA IL COMPORTAMENTO D ACQUISTO

Dettagli

EVOLUZIONE DEI LINGUAGGI DI ALTO LIVELLO

EVOLUZIONE DEI LINGUAGGI DI ALTO LIVELLO EVOLUZIONE DEI LINGUAGGI DI ALTO LIVELLO Linguaggi di programmazione classificati in base alle loro caratteristiche fondamentali. Linguaggio macchina, binario e fortemente legato all architettura. Linguaggi

Dettagli

Internet e Storia. Internet. INTERNET, uno strumento per la didattica della storia

Internet e Storia. Internet. INTERNET, uno strumento per la didattica della storia INTERNET, uno strumento per la didattica della storia Internet e Storia Internet Internet è come la più grande rete mondiale ed anche detta rete delle reti che collega centinaia di milioni di computer.

Dettagli

Il corso intende offrire ai volontari le competenze utili ad accedere ai livelli più avanzati delle attività di formazione informatica.

Il corso intende offrire ai volontari le competenze utili ad accedere ai livelli più avanzati delle attività di formazione informatica. 30 31 AREA INFORMATICA In una società dell informazione come la nostra, gli strumenti tecnico-informatici sono divenuti un ausilio insostituibile per tutte le Organizzazioni. Per elaborare dati, raccogliere

Dettagli

L informatica nella scuola: mezzo o fine?

L informatica nella scuola: mezzo o fine? L informatica nella scuola: mezzo o fine? Il paradigma della ricerca in didattica; L introduzione del computer nell insegnamento delle matematiche. 1 La comunicazione delle matematiche ed il computer come

Dettagli

UNIVERSITÀ DEGLI STUDI DI BRESCIA Facoltà di Ingegneria

UNIVERSITÀ DEGLI STUDI DI BRESCIA Facoltà di Ingegneria UNIVERSITÀ DEGLI STUDI DI BRESCIA ESAME DI STATO DI ABILITAZIONE ALL'ESERCIZIO DELLA PROFESSIONE DI INGEGNERE (SEZ. B: Lauree I Livello D.M. 509/99 e D.M. 270/04 e Diploma Universitario) PRIMA PROVA SCRITTA

Dettagli

Sistemi di misurazione delle performance

Sistemi di misurazione delle performance Sistemi di misurazione delle performance 1 Agenda Cos è la misurazione delle performance e a cosa serve? Tipi di indicatori Outcome Requisiti minimi Come gestire la performance. 2 Che cos e la misurazione

Dettagli

So quello che voglio! Compro quello che voglio!

So quello che voglio! Compro quello che voglio! So quello che voglio! Compro quello che voglio! Le persone con disturbi dell apprendimento hanno la capacità di scegliere i loro servizi di assistenza. Questo libricino è scritto in modo che sia facile

Dettagli

UNITÀ DI APPRENDIMENTO

UNITÀ DI APPRENDIMENTO DISCIPLINA TECNOLOGIA NUMERO UNITÀ D APPRENDIMENTO 01 DATI IDENTIFICATIVI TITOLO I METALLI ANNO SCOLASTICO 2015-2016 CLASSI SECONDE CLASSI / ALUNNI COINVOLTI DOCENTI COINVOLTI UNITÀ DI APPRENDIMENTO DOCENTI

Dettagli

Corso di perfezionamento in formazione continua E-learning Gestione e Tutoring

Corso di perfezionamento in formazione continua E-learning Gestione e Tutoring Ministero dell Istruzione, dell Università e della Ricerca Ufficio Scolastico Regionale per le Marche Corso di perfezionamento in formazione continua E-learning Gestione e Tutoring per i docenti delle

Dettagli

L ANALISI TECNICA NEL TRADING RESA SEMPLICE

L ANALISI TECNICA NEL TRADING RESA SEMPLICE L ANALISI TECNICA NEL TRADING RESA SEMPLICE E0 1 WWW.CALMAIL.IT Stefano Calicchio L ANALISI TECNICA NEL TRADING RESA SEMPLICE Come costruire e interpretare i grafici di analisi tecnica per migliorare la

Dettagli

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali DIPARTIMENTO DI INGEGNERIA INFORMATICA AUTOMATICA E GESTIONALE ANTONIO RUBERTI Cenni al Data Mining 1 Data Mining nasce prima del Data Warehouse collezione di tecniche derivanti da Intelligenza Artificiale,

Dettagli

PROGETTAZIONE DIDATTICA CLASSI PRIME ANNO SCOLASTICO 2012-2013 SCIENZE. Traguardi per lo sviluppo delle competenze OBIETTIVI DI APPRENDIMENTO

PROGETTAZIONE DIDATTICA CLASSI PRIME ANNO SCOLASTICO 2012-2013 SCIENZE. Traguardi per lo sviluppo delle competenze OBIETTIVI DI APPRENDIMENTO PROGETTAZIONE DIDATTICA CLASSI PRIME ANNO SCOLASTICO 2012-2013 SCIENZE L insegnamento delle scienze dovrebbe essere caratterizzato dall utilizzo e dall acquisizione delle metodologie euristiche, che alimentano

Dettagli

Silvana Signori Università degli Studi di Bergamo

Silvana Signori Università degli Studi di Bergamo La responsabilità sociale di impresa Cenni introduttivi Silvana Signori Università degli Studi di Bergamo Etica di impresa e responsabilità sociale Concetti che vengono da lontano basti pensare alla richiesta

Dettagli

RICERCA E SVILUPPO: DALL UNIVERSITÀ ALL INDUSTRIA

RICERCA E SVILUPPO: DALL UNIVERSITÀ ALL INDUSTRIA RICERCA E SVILUPPO: DALL UNIVERSITÀ ALL INDUSTRIA Cosa vuol dire R&D? R&D significa prima di tutto innovazione, nuove tecnologie, nuove idee. Ma concretizzare le innovazioni richiede investimenti a volte

Dettagli

Scuola di Ingegneria Industriale e dell Informazione Corso di Studi in Ingegneria Informatica Allievi con cognome da E(incluso) a P(escluso)

Scuola di Ingegneria Industriale e dell Informazione Corso di Studi in Ingegneria Informatica Allievi con cognome da E(incluso) a P(escluso) Introduzione al corso Fondamenti di Automatica Scuola di Ingegneria Industriale e dell Informazione Corso di Studi in Ingegneria Informatica Allievi con cognome da E(incluso) a P(escluso) Informazioni

Dettagli