Struttura del corso

Introduzione

  • Il data mining come fase di analisi del processo KDD ("Knowledge Discovery in Databases")
  • Sottocampo dell'informatica
  • Individuazione di modelli in set di dati di grandi dimensioni

Fonti dei metodi

  • Intelligenza artificiale
  • Apprendimento automatico
  • Statistics
  • Sistemi di database

Di cosa si tratta?

  • Database e gli aspetti di gestione dei dati
  • Pre-elaborazione dei dati
  • Considerazioni sul modello e sull'inferenza
  • Metriche di interesse
  • Considerazioni sulla complessità
  • Post-elaborazione delle strutture scoperte
  • Visualizzazione
  • Aggiornamento online

Principali attività di data mining

  • Analisi automatica o semiautomatica di grandi quantità di dati
  • Estrazione di modelli interessanti precedentemente sconosciuti
  • Gruppi di record di dati (analisi dei cluster)
  • Record insoliti (rilevamento anomalie)
  • Dipendenze (estrazione di regole di associazione)

Estrazione di dati

  • Rilevamento delle anomalie (rilevamento di valori anomali/modifiche/deviazioni)
  • Apprendimento delle regole di associazione (modellazione delle dipendenze)
  • Clustering
  • Classificazione
  • Regressione
  • Riepilogo

Uso e applicazioni

  • Pericolo in grado
  • Analisi comportamentale
  • Analisi aziendale
  • Processo standard intersettoriale per Data Mining
  • Analisi dei clienti
  • Estrazione di dati in agricoltura
  • Data mining in meteorologia
  • Estrazione di dati didattici
  • Raggruppamento genetico umano
  • Attacco di inferenza
  • Giava Data Mining
  • Intelligenza open source
  • Analisi del percorso (informatica)
  • Business intelligence reattiva

Dragaggio dei dati, pesca dei dati, snooping dei dati

Requisiti

Discreta conoscenza delle strutture dati relazionali, SQL

  21 ore

Numero di Partecipanti



Prezzo per Partecipante

Recensioni (9)

Corsi relativi

Categorie relative