Data Mining

Inizio corso

Il corso avrà inizio lunedì 3 marzo 2025 alle ore 14 in aula 5 PP2 e si strutturerà su due canali paralleli, Lezioni e Laboratorio. Il Laboratorio sarà tenuto dal Prof. Gianluca Rossi tutti i mercoledì alle ore 9 in aula 5 PP2. Le Lezioni saranno tenute dal Prof. Giorgio Gambosi il lunedì alle 14: questa data potrà essere modificata sentiti i partecipanti al corso.

• Apprendimento automatico dai dati
• Apprendimento supervisionato e non supervisionato
• Addestramento di algoritmi per classificazione
• Il Perceptron come esempio di classificatore e del relativo apprendimento
• Panoramica su alcuni classificatori particolarmente diffusi: regressione logistica, SVM, alberi di decisione, K-nearest neighbour
• Il task complessivo di addestramento di un predittore
• Regressione lineare
• Pre elaborazione del dataset: valori mancanti, standardizzazione, problemi di bilanciamento, analisi delle features
• Riduzione di dimensionalità
• Valutazione e selezione di modelli. Misure di prestazioni
• Introduzione alle reti neurali e al loro addestramento
• Alcuni esempi di architetture di reti neurali
• Cenni sull'apprendimento non supervisionato: clustering

La trattazione sarà effettuata, nell'ambito delle Lezioni, utilizzando il framework Python Scikit-learn per illustrare gli esempi considerati. Nell'ambito del Laboratorio, al fine di illustrare in maggior dettaglio il funzionamento di un sistema di apprendimento automatico, parti significative delle funzionalità considerate saranno implementate direttamente, senza utilizzo di framework specializzati.

Le comunicazioni, il diario delle lezioni e il materiale didattico saranno pubblicate su MS Teams (aprire in una nuova finestra)

Vahid Mirjalili, Sebastian Raschka. Machine learning con Python. Costruire algoritmi per generare conoscenza. Apogeo, 2020

Su appuntamento, inviare email al docente.

Prova orale