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

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 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 dati: sono : ad. ad noti es. i fattori transazioni occorre che integrare influenzano delle carte sorgenti di quello credito, informazioni che delle si cerca, compagnie diverse... E l ultimo la velocitàa a cui arrivano: ad es. per le carte di credito possono essere decine d Può Franco di fornire transazioni Scarselli stadio un importante al del secondo,... processo ritorno Sistemi di analisi per economico basi di (si dati usa a valle degli OLAP) 2 Data Mining

2 Vendita Scoperta al dettaglio e marketing Predizione abitudini dei clienti Analisi delle associazioni fra le caratteristiche demografiche dei clienti Banche della risposta alle campagne pubblicitarie Uso delle associazioni fra i prodotti acquistati (market basket) Individuare Determinare fedeli,... fraudolento i delle carte di credito Franco Scarselli la clienti quantitàd uso che stanno uso per cambiare carta di credito, i clienti Sistemi della per carte basi di dati di credito per gruppi di clienti 3 Assicurazioni Analisi delle richieste di risarcimento Medicina Predirrequali polize clienti possono essere interessati a nuove tipologie di associato ad una polizza con nuovo cliente Predirre Predirreil Predirrela il rischio migliore di cura una malattia per un determinato associato ad paziente ogni paziente Franco Scarselli Sistemi per basi di dati Applicazioni Applicazioni II

3 Bioinformatica Predirre Scoprire Predirrela cancerogenitàdi una molecola Applicazioni Predirrel efficacia efficacia una molecola nella cura di una certa malattia gruppi molecole simili per quali ci si aspetta propretàsimili Individuare un servizio web dedicato al cinema (libri, giochi,..), suggerire e agli utenti nuovi argomento film da vedere (libri da acquistare, da provare,...).) cambia un nel web le comunitàche che sono interessate allo stesso Franco forum drasticamente Scarselli di discussione l argomento l individuare Sistemi per basi cui gli di si dati eventi, discute cioèi i momenti in cui 5 Il Selezione processo di knowledgediscovery discoveryèsuddiviso suddiviso nelle seguenti fasi Ripulitura Si OLAP scelgono dei i dati da analizzare. Essi possono provenire da un OLTP O o da un Data Occorre ripulire dei dati i dati e trasformazione e prepararli per le operazioni successive. e. Spesso le Valutazione tabelle Si sono denormalizzatee e combinate in un unica unica tabella Nella mining abbastanza applicano tecniche di apprendimento automatico, clustering,,... e interpretati. e interpretazione Franco maggior Scarselli affidabili parte dei da casi essere i risultatiprodotti Sistemi usati per direttamente. basi dati dal data Essi miningnon devono non essere sono valutati 6 Applicazioni III Il processo di knowledge discovery e quello di data mining

4 Si Esistono tali usano di dati tecniche numerosi tecniche sono provenienti toolper adattate il per data dall intelligenza migliorarne mining,, le ma prestazioni artificiale... su grandi quantità Le ogni per applicazione ha una differente permettono la strada trovare giusta una fra buona un ampio soluzione insieme occorrono tecnologie degli artigiani che selezionino sono tecnologie Franco sapere Scarselli molto qualcosa per costoseda di scoprire il che data nessuno implementare informazione mining che in altri modi non èaccessibile: Sistemi sapuò per basi essere di dati un vantaggio enorme 7 Analisi individuare Problemi delle associazioni a ad es. classificazione chi le compra regole una nascoste o stampante regressione del tipo:l evento di solito compra A anche implica il toner l evento l B Problemi a partire da un insieme di esempi si apprende a classificare un oggetto Si ad alto es. rischio si vuol o meno: classificare addestra un nuovo un modello utente con di un assicurazione gli esempi dei vecchi come chi utente clienti ad Scoperta di clustering Si ad cerca di organizzare automaticamente gli eventi/oggetti di undatabase ad cerca Franco degli es. es. si vuol identificare le molecole con un proprietàfarmacologiche simili Scarselli di si individuare vuol eventi individuare che gli deviano eventi, le Sistemi frodi dal gli per su comportamento oggetti basi una di carta dati i comportamenti di credito normale anomali 8 Tecnologie per il data mining Tipologie di applicazioni

5 Il Data problema supermercato: la registrazione del carrello delle supermercato transazioni di un trovare stati una acquistati transazione contemporaneamente èun insieme da oggetti un utente ad farina, acquistati es. gli farina lievito, oggetti insieme e latte lievito che piùdi oppure frequente sono Franco Scarselli Sistemi per basi di dati TID CID 8/1/05 7/1/05 5/1/05 Datalievito farina Prod. lievito lievito farina carne latteq.t carne latte vino à 9 Ricerca Consiste delle nell identificare regole di associazione le regole di Per implicazione Ad es., fra gli eventi ogni regola H Tsi definiscono H T Ad. {farina} {lievito} Franco es. Scarselli Sistemi per basi di dati TID CID 8/1/05 7/1/05 5/1/05 Datalievito farina Prod. lievito lievito farina carne latteq.t carne latte vino à supporto(h T )=supporto(h T) supporto({farina} {lievito})=0.75 confidenza({farina} {lievito})=0.75 Analisi delle associazioni: il problema del carrello Regole di associazione confidenza(h T)= supporto(h T )/ supporto(h )

6 consiste In cosa consiste la caratteristiche nell inferire una proprietàdi un oggettosulla base di alcune sue Nel (regressione) nostro ad es. si vuol il rischio utente di una polizza Spesso proprietàda o appartteneread inferire può essere un un insieme valore finito numerico (classificazione) qualsiasi La caso POLIZZE(id, all inferenza si crea una tabella che contiene tutte le proprietànecessarie Caratteristiche propritàda Franco Scarselli nome,età,auto_o_furgone,cavalli,attività,...,altorischio) inferire èun attributo della tabella Sistemi per basi di dati Proprietàda predirre 11 Rappresentano un insieme di regoleche permettono fare la predizione Sono automaticamente Ogni ad costruiti le nodo foglia caratteristiche interno rappresenta automaticamente rappresenta di rischio una decisione dei un usando test e suoi rami indicano le risposte Età vecchi clienti i dati disponibili dell assicurazione Franco Scarselliutilitariaauto <23 no Sportiva, furgone 23 Sistemi sì no per basi di dati Classificazione (regressione) Alberi di decisione

7 In mira cosa consiste a suddividere un insieme di oggetti in modo che Il nello stesso gruppo siano simile Applicazioni oggetti in gruppi diversi siano dissimili Individuazione supervisionato raggruppamento viene attuato con tecniche di apprendimento non Raggruppamento economichedi molecole Franco Scarselli di utenti in con proprietàcurative simili Sistemi base per alle basi loro loro di dati comportamento caratteristiche su sociali un sito ed 13 Gli gli esiste algoritmi tipici di clustering l algoritmo oggetti da organizzare sono punti in uno spazio n-dimensionalen ogni cluster una misura deve ha un individuare che centroe definisce e delle un raggio la sfere distanza che fra racchiudano gli oggetti oggetti gli oggetti Franco Scarselli Sistemi clusters per basi di dati Clustering Clustering II

8 Strumenti alcuni produttori costruiti appositamente costruiscono strumenti ad hoc per il data mining,, capaci Strumenti di prendere dati da sorgenti diverse i i ad. MegaputerPolyAnalyst es. SAS PolyAnalyst, EnterpriseMiner, Miner, ANGOSS, SPSS KnowledgeStudio Clementine, CART (Salfort( SalfortSystems), IBM maggiori associati produttori ai DBMS di DBMS offrono anche strumenti per il data mining Microsoft classificazione, Franco IntelligentMiner Supporta numerosi Scarselli gli AnalysisService alberi la regressione di algoritmi decisione, per e il la ricerca di regole di associazione, ione, la Sistemi il per clustering. basi di dati Strumenti per il data mining

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

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

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

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

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

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

Il DataMining. Susi Dulli dulli@math.unipd.it

Il DataMining. Susi Dulli dulli@math.unipd.it Il DataMining Susi Dulli dulli@math.unipd.it Il Data Mining Il Data Mining è il processo di scoperta di relazioni, pattern, ed informazioni precedentemente sconosciute e potenzialmente utili, all interno

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 Sistemi informazionali La crescente diffusione dei

Dettagli

-Possibilità di svolgere le attività commerciali per via elettronica, in particolare tramite Internet.

-Possibilità di svolgere le attività commerciali per via elettronica, in particolare tramite Internet. COMMERCIO ELETTRONICO -Possibilità di svolgere le attività commerciali per via elettronica, in particolare tramite Internet. -Un qualsiasi tipo di transazione tendente a vendere o acquistare un prodotto

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

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

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

Marketing relazionale

Marketing relazionale Marketing relazionale Introduzione Nel marketing intelligence assume particolare rilievo l applicazione di modelli predittivi rivolte a personalizzare e rafforzare il legame tra azienda e clienti. Un azienda

Dettagli

Introduzione al KDD e al DATA MINING

Introduzione al KDD e al DATA MINING Introduzione al KDD e al DATA MINING Vincenzo Antonio Manganaro vincenzomang@virgilio.it, www.statistica.too.it Indice 1 Verso il DM: una breve analisi delle fasi del processo KDD. 1 2 Il DM: Alcune definizioni.

Dettagli

Data Warehousing (DW)

Data Warehousing (DW) Data Warehousing (DW) Il Data Warehousing è un processo per estrarre e integrare dati storici da sistemi transazionali (OLTP) diversi e disomogenei, e da usare come supporto al sistema di decisione aziendale

Dettagli

Uno standard per il processo KDD

Uno standard per il processo KDD Uno standard per il processo KDD Il modello CRISP-DM (Cross Industry Standard Process for Data Mining) è un prodotto neutrale definito da un consorzio di numerose società per la standardizzazione del processo

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. Data mining. Obiettivo: estrarre informazione nascosta nei dati in modo da consentire decisioni strategiche

DATA MINING. Data mining. Obiettivo: estrarre informazione nascosta nei dati in modo da consentire decisioni strategiche DATA MINING datamining Data mining Obiettivo: estrarre informazione nascosta nei dati in modo da consentire decisioni strategiche Una materia interdisciplinare: - statistica, algoritmica, reti neurali

Dettagli

DATA MINING E DATA WAREHOUSE

DATA MINING E DATA WAREHOUSE Reti e sistemi informativi DATA MINING E DATA WAREHOUSE Marco Gottardo FONTI Wikipedia Cineca Università di Udine, Dipartimento di fisica, il data mining scientifico thepcweb.com DATA MINING 1/2 Il Data

Dettagli

Creazione di un modello di data mining di tipo OLAP con l'algoritmo Microsoft Clustering

Creazione di un modello di data mining di tipo OLAP con l'algoritmo Microsoft Clustering Pagina 1 di 9 Menu principale Sezione precedente Sezione successiva Creazione di un modello di data mining di tipo OLAP con l'algoritmo Microsoft Clustering Un modello di data mining è un modello che include

Dettagli

Le forme di promozione nei mercati esteri. Michela Floris micfloris@unica.it

Le forme di promozione nei mercati esteri. Michela Floris micfloris@unica.it Le forme di promozione nei mercati esteri Michela Floris micfloris@unica.it Cos è la promozione La promozione riguarda tutto quanto può informare il potenziale compratore circa il prodotto e può indurlo

Dettagli

ht://miner Un sistema open-source di data mining e data warehousing per lo studio dei comportamenti degli utenti su Internet

ht://miner Un sistema open-source di data mining e data warehousing per lo studio dei comportamenti degli utenti su Internet ht://miner Un sistema open-source di data mining e data warehousing per lo studio dei comportamenti degli utenti su Internet Gabriele Bartolini Comune di Prato Sistema Informativo Servizi di E-government

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. 2010/2011) Prof. Gianluca Moro Dipartimento di Elettronica, Informatica

Dettagli

Data mining for e- commerce sites

Data mining for e- commerce sites Data mining for e- commerce sites Commercio elettronico Possibilità di svolgerele attività commerciali per via elettronica, in particolare tramite Internet. Un qualsiasi tipo di transazione tendente a

Dettagli

Acquisto di cibo : uno sguardo critico sui consumi

Acquisto di cibo : uno sguardo critico sui consumi Piste per l educazione allo sviluppo sostenibile (ESS) Manifesto 1024 Sguardi Acquisto di cibo : uno sguardo critico sui consumi Tema: Alimentazione e consumo Livello: 1 ciclo (1-4 HarmoS) (1-4 HarmoS)

Dettagli

Mining Positive and Negative Association Rules:

Mining Positive and Negative Association Rules: Mining Positive and Negative Association Rules: An Approach for Confined Rules Alessandro Boca Alessandro Cislaghi Premesse Le regole di associazione positive considerano solo gli item coinvolti in una

Dettagli

Big Data e Predizione: Teoria, Modelli, Tool e Case Study. Tesi di Laurea

Big Data e Predizione: Teoria, Modelli, Tool e Case Study. Tesi di Laurea Università degli Studi Mediterranea di Reggio Calabria Dipartimento di Ingegneria dell Informazione, delle Infrastrutture e dell Energia Sostenibile Corso di Laurea in Ingegneria dell Informazione Tesi

Dettagli

Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario

Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario Nell ambito di questa attività è in fase di realizzazione un applicativo che metterà a disposizione dei policy makers,

Dettagli

Data warehouse Introduzione

Data warehouse Introduzione Database and data mining group, Data warehouse Introduzione INTRODUZIONE - 1 Pag. 1 Database and data mining group, Supporto alle decisioni aziendali La maggior parte delle aziende dispone di enormi basi

Dettagli

Laboratorio di Apprendimento Automatico. Fabio Aiolli aiolli@math.unipd.it Università di Padova

Laboratorio di Apprendimento Automatico. Fabio Aiolli aiolli@math.unipd.it Università di Padova Laboratorio di Apprendimento Automatico Fabio Aiolli aiolli@math.unipd.it Università di Padova Informazioni Aula (16 ore) e Laboratorio (16 ore) Sempre il giovedi dalle 15:30 alle 17:00, cercheremo di

Dettagli

SQL Server. Applicazioni principali

SQL Server. Applicazioni principali SQL Server Introduzione all uso di SQL Server e utilizzo delle opzioni OLAP Applicazioni principali SQL Server Enterprise Manager Gestione generale di SQL Server Gestione utenti Creazione e gestione dei

Dettagli

Installazione di IBM SPSS Modeler 14.2 Client (licenza di rete)

Installazione di IBM SPSS Modeler 14.2 Client (licenza di rete) Installazione di IBM SPSS Modeler 14.2 Client (licenza di rete) Le seguenti istruzioni sono relative all installazione di IBM SPSS Modeler Client versione 14.2 con licenza di rete. Questo documento è stato

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

Università di Pisa A.A. 2004-2005

Università di Pisa A.A. 2004-2005 Università di Pisa A.A. 2004-2005 Analisi dei dati ed estrazione di conoscenza Corso di Laurea Specialistica in Informatica per l Economia e per l Azienda Tecniche di Data Mining Corsi di Laurea Specialistica

Dettagli

Cosa è un data warehouse?

Cosa è un data warehouse? Argomenti della lezione Data Warehousing Parte I Introduzione al warehousing cosa è un data warehouse classificazione dei processi aziendali sistemi di supporto alle decisioni elaborazione OLTP e OLAP

Dettagli

LEGGERE IL TESTO. 1^ tappa

LEGGERE IL TESTO. 1^ tappa LEGGERE IL TESTO 1^ tappa Per poter risolvere esattamente un problema matematico la prima cosa da fare è leggere bene il testo per comprendere la situazione che dobbiamo risolvere. Per fare questo serve

Dettagli

MASTER UNIVERSITARIO. Analisi Dati per la Business Intelligence e Data Science. IV edizione 2015/2016

MASTER UNIVERSITARIO. Analisi Dati per la Business Intelligence e Data Science. IV edizione 2015/2016 MASTER UNIVERSITARIO Analisi Dati per la Business Intelligence e Data Science In collaborazione con IV edizione 2015/2016 Dipartimento di Culture, Politica e Società Dipartimento di Informatica Dipartimento

Dettagli

AIR MILES un case study di customer segmentation

AIR MILES un case study di customer segmentation AIR MILES un case study di customer segmentation Da: G. Saarenvirta, Mining customer data, DB2 magazine on line, 1998 http://www.db2mag.com/db_area/archives/1998/q3/ 98fsaar.shtml Customer clustering &

Dettagli

Analisi di Mercato. Facoltà di Economia. Analisi sui consumi. Metodo delle inchieste familiari. Metodo delle disponibilità globali

Analisi di Mercato. Facoltà di Economia. Analisi sui consumi. Metodo delle inchieste familiari. Metodo delle disponibilità globali Obiettivi delle aziende Analisi di Mercato Facoltà di Economia francesco mola Analisi sui consumi Conoscere i bisogni e i gusti dei consumatori Valutare la soddisfazione della clientela Lanciare nuovi

Dettagli

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007 Data warehousing Introduzione A partire dalla metà degli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa

Dettagli

Business Intelligence CRM

Business Intelligence CRM Business Intelligence CRM CRM! Customer relationship management:! L acronimo CRM (customer relationship management) significa letteralmente gestione della relazione con il cliente ;! la strategia e il

Dettagli

Altri metodi di indicizzazione

Altri metodi di indicizzazione Organizzazione a indici su più livelli Altri metodi di indicizzazione Al crescere della dimensione del file l organizzazione sequenziale a indice diventa inefficiente: in lettura a causa del crescere del

Dettagli

SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE

SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE Arricchimento dei dati del sottoscrittore / user Approccio Tradizionale Raccolta dei dati personali tramite contratto (professione, dati sul nucleo familiare, livello

Dettagli

Data Mining in SAP. Alessandro Ciaramella

Data Mining in SAP. Alessandro Ciaramella UNIVERSITÀ DI PISA Corsi di Laurea Specialistica in Ingegneria Informatica per la Gestione d Azienda e Ingegneria Informatica Data Mining in SAP A cura di: Alessandro Ciaramella La Business Intelligence

Dettagli

Per visualizzare e immettere i dati in una tabella è possibile utilizzare le maschere;

Per visualizzare e immettere i dati in una tabella è possibile utilizzare le maschere; Maschere e Query Le Maschere (1/2) Per visualizzare e immettere i dati in una tabella è possibile utilizzare le maschere; Le maschere sono simili a moduli cartacei: ad ogni campo corrisponde un etichetta

Dettagli

PROGETTO LOGICO-MATEMATICO

PROGETTO LOGICO-MATEMATICO SCUOLA DELL INFANZIA Plesso DECORATO A.S. 2012-2013 PROGETTO LOGICO-MATEMATICO ALLA SCOPERTA DEI NUMERI E DELLA LOGICA MOTIVAZIONE Il progetto nasce dal desiderio di accompagnare i bambini di cinque anni,

Dettagli

Installazione di IBM SPSS Modeler 14.2 Client (utente singolo)

Installazione di IBM SPSS Modeler 14.2 Client (utente singolo) Installazione di IBM SPSS Modeler 14.2 Client (utente singolo) Le seguenti istruzioni sono relative all installazione di IBM SPSS Modeler Client versione 14.2 con licenza per utente singolo. Una licenza

Dettagli

Laboratorio di Apprendimento Automatico. Fabio Aiolli Università di Padova

Laboratorio di Apprendimento Automatico. Fabio Aiolli Università di Padova Laboratorio di Apprendimento Automatico Fabio Aiolli Università di Padova Esempi di Applicazioni Web page Ranking Quali documenti sono rilevanti per una determinata query? Quali sorgenti di informazione

Dettagli

MASTER UNIVERSITARIO

MASTER UNIVERSITARIO MASTER UNIVERSITARIO Analisi Dati per la Business Intelligence In collaborazione con II edizione 2013/2014 Dipartimento di Culture, Politica e Società Dipartimento di Informatica gestito da aggiornato

Dettagli

INTORNO AL CUBO PER CLASSI III, IV E V DI SCUOLA PRIMARIA

INTORNO AL CUBO PER CLASSI III, IV E V DI SCUOLA PRIMARIA INTORNO AL CUBO PER CLASSI III, IV E V DI SCUOLA PRIMARIA Anno scolastico 2012/2013 1 Indice Componenti del gruppo di lavoro pag. 2 Premessa pag. 3 Descrizione dell'attività di laboratorio pag. 4 Verifica

Dettagli

disponibili nel pacchetto software.

disponibili nel pacchetto software. Modulo syllabus 4 00 000 00 0 000 000 0 Modulo syllabus 4 DATABASE 00 000 00 0 000 000 0 Richiede che il candidato dimostri di possedere la conoscenza relativa ad alcuni concetti fondamentali sui database

Dettagli

Uso delle basi di dati DBMS. Cos è un database. DataBase. Esempi di database

Uso delle basi di dati DBMS. Cos è un database. DataBase. Esempi di database Uso delle basi di dati Uso delle Basi di Dati Il modulo richiede che il candidato comprenda il concetto di base dati (database) e dimostri di possedere competenza nel suo utilizzo. Cosa è un database,

Dettagli

Lo strumento Excel, il problema, i dati e il data mining. Brugnaro Luca

Lo strumento Excel, il problema, i dati e il data mining. Brugnaro Luca Lo strumento Excel, il problema, i dati e il data mining Brugnaro Luca Prima di stampare pensa all ambiente think to environment before printing Sistema informativo e Organizzazione Un Sistema Informativo

Dettagli

La Top Ten dei suggerimenti per la progettazione Web

La Top Ten dei suggerimenti per la progettazione Web In questo capitolo Impostare l obiettivo Mantenere le pagine libere e pulite Non travolgere i visitatori con i colori Usare meno di quattro tipi di carattere Essere coerenti Semplificare Essere rapidi

Dettagli

Dr. A. Appice. Alberi di Decisione. Caso di studio di Metodi Avanzati di Programmazione AA 2012-2013

Dr. A. Appice. Alberi di Decisione. Caso di studio di Metodi Avanzati di Programmazione AA 2012-2013 Alberi di Decisione Caso di studio di Metodi Avanzati di Programmazione AA 2012-2013 Data Mining Lo scopo del data mining è l estrazione (semi) automatica di conoscenza nascosta in voluminose basi di dati

Dettagli

Introduzione a data warehousing e OLAP

Introduzione a data warehousing e OLAP Corso di informatica Introduzione a data warehousing e OLAP La Value chain Information X vive in Z S ha Y anni X ed S hanno traslocato Data W ha del denaro in Z Stile di vita Punto di vendita Dati demografici

Dettagli

Introduzione al Data Mining

Introduzione al Data Mining Introduzione al Data Mining Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Modalità didattiche e materiale Lezioni in aula e in laboratorio utilizzando il software open source Weka

Dettagli

Text Mining nella PA

Text Mining nella PA Text Mining nella PA Elena Fabbris SAS / Data Mining & CRM Solutions (in collaborazione con Settore Dati in Rete CSI Piemonte) Data Mining & Text Mining Data Mining Text Mining Oggetto d analisi Struttura

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

Indagini statistiche attraverso i social networks

Indagini statistiche attraverso i social networks Indagini statistiche attraverso i social networks Agostino Di Ciaccio Dipartimento di Scienze Statistiche Università degli Studi di Roma "La Sapienza" SAS Campus 2012 1 Diffusione dei social networks Secondo

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

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testuali

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testuali Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testuali Il text mining: una definizione Data mining per dati destrutturati ovvero documenti codificati in linguaggio

Dettagli

DEFINIZIONE DEL PRODOTTO O SERVIZIO. a cura di Annamaria Annicchiarico

DEFINIZIONE DEL PRODOTTO O SERVIZIO. a cura di Annamaria Annicchiarico DEFINIZIONE DEL PRODOTTO O SERVIZIO a cura di Annamaria Annicchiarico Settembre 2005 Indice dei contenuti Definizioni utili Il prodotto/servizio Il rapporto col mercato Valutare le idee Il piano d azione

Dettagli

GLI OGGETTI E LE LORO PROPRIETA

GLI OGGETTI E LE LORO PROPRIETA GLI OGGETTI E LE LORO PROPRIETA PERCORSO DIDATTICO PER LE CLASSI PRIMA E SECONDA DELLA SCUOLA PRIMARIA (prima parte) SCUOLA PRIMARIA G. MAZZINI BARBERINO MUGELLO Partendo dall osservazione e dalla manipolazione

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE INTRODUZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Introduzione alla simulazione Una simulazione è l imitazione

Dettagli

CURRICOLO di MATEMATICA Scuola Primaria

CURRICOLO di MATEMATICA Scuola Primaria CURRICOLO di MATEMATICA Scuola Primaria MATEMATICA CLASSE I Indicatori Competenze Contenuti e processi NUMERI Contare oggetti o eventi con la voce in senso progressivo e regressivo Riconoscere e utilizzare

Dettagli

Apprendimento Automatico

Apprendimento Automatico Metodologie per Sistemi Intelligenti Apprendimento Automatico Prof. Pier Luca Lanzi Laurea in Ingegneria Informatica Politecnico di Milano Polo regionale di Como Intelligenza Artificiale "making a machine

Dettagli

Tecniche di DM: Alberi di decisione ed algoritmi di classificazione

Tecniche di DM: Alberi di decisione ed algoritmi di classificazione Tecniche di DM: Alberi di decisione ed algoritmi di classificazione Vincenzo Antonio Manganaro vincenzomang@virgilio.it, www.statistica.too.it Indice 1 Concetti preliminari: struttura del dataset negli

Dettagli

Lezione 10 Business Process Modeling

Lezione 10 Business Process Modeling Lezione 10 Business Process Modeling Ingegneria dei Processi Aziendali Modulo 1 - Servizi Web Unità didattica 1 Protocolli Web Ernesto Damiani Università di Milano Step dell evoluzione del business process

Dettagli

DATA MINING. Cos'è il Data Mining: Traduzione letterale: Clustering e Reti di Kohonen

DATA MINING. Cos'è il Data Mining: Traduzione letterale: Clustering e Reti di Kohonen Cos'è il Data Mining: Traduzione letterale: DATA MINING Data : To mine : informazione scavare,estrarre Clustering e Reti di Kohonen Processo di estrazione di conoscenza (nell'ambito del KDD,knowledge discovery

Dettagli

UNIVERSITA DEGLI STUDI DI BRESCIA Facoltà di Ingegneria

UNIVERSITA DEGLI STUDI DI BRESCIA Facoltà di Ingegneria ESAME DI STATO DI ABILITAZIONE ALL'ESERCIZIO DELLA PROFESSIONE DI INGEGNERE PRIMA PROVA SCRITTA DEL 22 giugno 2011 SETTORE DELL INFORMAZIONE Tema n. 1 Il candidato sviluppi un analisi critica e discuta

Dettagli

ACRL Association of College and Research Libraries

ACRL Association of College and Research Libraries ACRL Association of College and Research Libraries Standard delle competenze per il possesso dell informazione (information literacy) nell educazione superiore Standard, indicatori di performance, obiettivi

Dettagli

LEZIONE: Pensiero Computazionale. Tempo della lezione: 45-60 Minuti. - Tempo di preparazione: 15 Minuti.

LEZIONE: Pensiero Computazionale. Tempo della lezione: 45-60 Minuti. - Tempo di preparazione: 15 Minuti. 3 LEZIONE: Pensiero Computazionale Tempo della lezione: 45-60 Minuti. - Tempo di preparazione: 15 Minuti. Obiettivo Principale: Introdurre il modello del Pensiero Computazionale come metodo per la risoluzione

Dettagli

Capitolo 3: Strutture dei sistemi operativi

Capitolo 3: Strutture dei sistemi operativi Capitolo 3: Strutture dei sistemi operativi Componenti del sistema Servizi di un sistema operativo Chiamate del sistema Programmi di sistema Struttura del sistema Macchine virtuali Progettazione e realizzazione

Dettagli

Regressione logistica. Strumenti quantitativi per la gestione

Regressione logistica. Strumenti quantitativi per la gestione Regressione logistica Strumenti quantitativi per la gestione Emanuele Taufer file:///c:/users/emanuele.taufer/dropbox/3%20sqg/classes/4a_rlg.html#(1) 1/25 Metodi di classificazione I metodi usati per analizzare

Dettagli

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

CURRICOLO DELLA SCUOLA PRIMARIA DI PRIMO GRADO

CURRICOLO DELLA SCUOLA PRIMARIA DI PRIMO GRADO CURRICOLO DELLA SCUOLA PRIMARIA DI PRIMO GRADO DISCIPLINA: TECNOLOGIA CLASSE 1^ - Riconosce e identifica nell'ambiente che lo circonda elementi e fenomeni di tipo artificiale. - Usa adeguatamente diversi

Dettagli

Metodologia Classica di Progettazione delle Basi di Dati

Metodologia Classica di Progettazione delle Basi di Dati Metodologia Classica di Progettazione delle Basi di Dati Metodologia DB 1 Due Situazioni Estreme Realtà Descritta da un documento testuale che rappresenta un insieme di requisiti del software La maggiore

Dettagli

Access. P a r t e p r i m a

Access. P a r t e p r i m a Access P a r t e p r i m a 1 Esempio di gestione di database con MS Access 2 Cosa è Access? Access e un DBMS che permette di progettare e utilizzare DB relazionali Un DB Access e basato sui concetti di

Dettagli

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo Distributed P2P Data Mining Autore: (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo A.A. 2005/2006 Il settore del Data Mining Distribuito (DDM): Data Mining: cuore del processo

Dettagli

Elio Cutino. Business Analytics and Optimization Dai Dati alle Decisioni. Milano,13 ottobre 2010

Elio Cutino. Business Analytics and Optimization Dai Dati alle Decisioni. Milano,13 ottobre 2010 Elio Cutino Business Analytics and Optimization Dai Dati alle Decisioni Milano,13 ottobre 2010 Immaginate di poter analizzare le relazioni e i contatti dei vostri clienti per prevenire defezioni e abbandoni

Dettagli

CURRICOLO DI MATEMATICA CLASSE PRIMA

CURRICOLO DI MATEMATICA CLASSE PRIMA CURRICOLO DI MATEMATICA CLASSE PRIMA TRAGUARDI DI COMPETENZA NUCLEI FONDANTI OBIETTIVI DI APPRENDIMENTO CONOSCITIVA IL NUMERO CARATTERISTICHE Quantità entro il numero 20 Cardinalità Posizionalità RELAZIONI

Dettagli

Area Marketing. Approfondimento

Area Marketing. Approfondimento Area Marketing Approfondimento STRATEGIE PIANO E BUDGET DI MARKETING STRATEGIE PIANO E BUDGET DI MARKETING Ogni impresa deve decidere il programma della propria attività per l anno successivo. Il compito

Dettagli

1. BASI DI DATI: GENERALITÀ

1. BASI DI DATI: GENERALITÀ 1. BASI DI DATI: GENERALITÀ BASE DI DATI (DATABASE, DB) Raccolta di informazioni o dati strutturati, correlati tra loro in modo da risultare fruibili in maniera ottimale. Una base di dati è usualmente

Dettagli

Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione

Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione 4 LEZIONE: Programmazione su Carta a Quadretti Tempo della lezione: 45-60 Minuti. Tempo di preparazione: 10 Minuti Obiettivo Principale: Aiutare gli studenti a capire cos è la programmazione SOMMARIO:

Dettagli

Lezione 3. Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing

Lezione 3. Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing Lezione 3 Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing 27/02/2010 1 Modello multidimensionale Nasce dall esigenza

Dettagli

5. Fondamenti di navigazione e ricerca di informazioni sul Web

5. Fondamenti di navigazione e ricerca di informazioni sul Web 5. Fondamenti di navigazione e ricerca di informazioni sul Web EIPASS Junior SCUOLA PRIMARIA Pagina 43 di 47 In questo modulo sono trattati gli argomenti principali dell universo di Internet, con particolare

Dettagli

Lezione 8. Data Mining

Lezione 8. Data Mining Lezione 8 Data Mining Che cos'è il data mining? Data mining (knowledge discovery from data) Estrazione di pattern interessanti (non banali, impliciti, prima sconosciuti e potenzialmente utili) da enormi

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

Regressione logistica

Regressione logistica Regressione logistica Strumenti quantitativi per la gestione Emanuele Taufer Metodi di classificazione Tecniche principali Alcuni esempi Data set Default I dati La regressione logistica Esempio Il modello

Dettagli

Introduzione alla Progettazione per Componenti

Introduzione alla Progettazione per Componenti Introduzione alla Progettazione per Componenti Alessandro Martinelli 6 ottobre 2014 Obiettivo del Corso Il Progetto Software Reale Il Componente Software La Programmazione Ad Oggetti Fondamenti di Informatica

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

IL WHITE PAPER DELL EMAIL MARKETING Per l e-commerce

IL WHITE PAPER DELL EMAIL MARKETING Per l e-commerce IL WHITE PAPER DELL EMAIL MARKETING Per l e-commerce Editore Newsletter2Go L email marketing per l e-commerce Nel mondo altamente digitalizzato dei nostri giorni, l email è spesso l unico strumento di

Dettagli

Informatica per le discipline umanistiche 2 lezione 12

Informatica per le discipline umanistiche 2 lezione 12 Informatica per le discipline umanistiche 2 lezione 12 Nella lezione precedente: In realtà non tutto il data mining è dettato dagli interessi economici (commercial) data mining Abbiamo visto risvolti commerciali

Dettagli

ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2

ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2 DAVIDE ZANIN 1035601 ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2 SOMMARIO Elaborazione di dati tridimensionali - Relazione Homework 2... 1 Obiettivo... 2 Descrizione della procedura seguita...

Dettagli

Organizzazione delle informazioni: Database

Organizzazione delle informazioni: Database Organizzazione delle informazioni: Database Laboratorio Informatico di base A.A. 2013/2014 Dipartimento di Scienze Aziendali e Giuridiche Università della Calabria Dott. Pierluigi Muoio (pierluigi.muoio@unical.it)

Dettagli

CURRICOLO DI MATEMATICA FINE CLASSE TERZA SCUOLA PRIMARIA

CURRICOLO DI MATEMATICA FINE CLASSE TERZA SCUOLA PRIMARIA CURRICOLO DI MATEMATICA FINE CLASSE TERZA SCUOLA PRIMARIA Nuclei tematici Numeri Traguardi per lo sviluppo delle competenze L'alunno si muove con sicurezza nel calcolo scritto e mentale con i numeri naturali...

Dettagli

Introduzione al Datamining. Francesco Passantino francesco@iteam5.net www.iteam5.net/francesco

Introduzione al Datamining. Francesco Passantino francesco@iteam5.net www.iteam5.net/francesco Introduzione al Datamining Francesco Passantino francesco@iteam5net wwwiteam5net/francesco Cos è il datamining Processo di selezione, esplorazione e modellazione di grandi masse di dati, al fine di scoprire

Dettagli

Il Marketing Concetti Introduttivi

Il Marketing Concetti Introduttivi Il Marketing Concetti Introduttivi Alessandro De Nisco Università del Sannio Corso di Marketing Il Corso OBIETTIVI DEL CORSO Fornire agli studenti conoscenze e competenze su: i concetti fondamentali del

Dettagli