Offerta Didattica
INFORMATICA
DATA MINING & ANALYTICS
Classe di corso: L-31 - Scienze e tecnologie informatiche
AA: 2022/2023
Sedi: MESSINA
| SSD | TAF | tipologia | frequenza | moduli |
|---|---|---|---|---|
| INF/01 | Caratterizzante | Libera | Libera | No |
| CFU | CFU LEZ | CFU LAB | CFU ESE | ORE | ORE LEZ | ORE LAB | ORE ESE |
|---|---|---|---|---|---|---|---|
| 6 | 4 | 0 | 2 | 48 | 24 | 0 | 24 |
LegendaCFU: n. crediti dell’insegnamento CFU LEZ: n. cfu di lezione in aula CFU LAB: n. cfu di laboratorio CFU ESE: n. cfu di esercitazione FREQUENZA:Libera/Obbligatoria MODULI:SI - L'insegnamento prevede la suddivisione in moduli, NO - non sono previsti moduli ORE: n. ore programmate ORE LEZ: n. ore programmate di lezione in aula ORE LAB: n. ore programmate di laboratorio ORE ESE: n. ore programmate di esercitazione SSD:sigla del settore scientifico disciplinare dell’insegnamento TAF:sigla della tipologia di attività formativa TIPOLOGIA:LEZ - lezioni frontali, ESE - esercitazioni, LAB - laboratorio
Obiettivi Formativi
Fornire nozioni di base per l'analisi dei dati al fine di estrapolare informazione arricchite da dati semplici o complessi. Lo studente potrà comprendere l'importanza e l'impatto tecnologico del data mining in diversi ambiti applicativi, imparando a conoscere ed utilizzare le principali tecniche di trattamento e classificazione dati, e gli approcci per effettuare correlazioni tra termini.Learning Goals
Metodi didattici
Il corso si svolge attraverso lezioni frontali ed esercitazioni pratiche, supervisionate dal docente e basate sull'utilizzo di software open source.Teaching Methods
Prerequisiti
Fondamenti di programmazione e interazione con le basi di dati.Prerequisites
Verifiche dell'apprendimento
L’esame consiste in una prova orale per verificare il grado di preparazione raggiunto e la proprietà di linguaggio rispetto agli argomenti trattati. La valutazione è in trentesimi.Assessment
Programma del Corso
Pattern Discovery; Pattern Mining; Estrazione di pattern. Cluster Analysis; Metodi di clustering basati sulla densità e sulla griglia; Introduzione all'elaborazione dei segnali biomedici e all'intelligenza artificiale; caratterizzazione dei segnali biomedici: Ingegneria ed estrazione delle caratteristiche. Apprendimento automatico e profondo nell'elaborazione dei segnali biomedici con applicazioni.Course Syllabus
Testi di riferimento: Dispense
Esami: Elenco degli appelli
Elenco delle unità didattiche costituenti l'insegnamento
Docente: GIOVANNI PIOGGIA
Orario di Ricevimento - GIOVANNI PIOGGIA
Dato non disponibile
- Segui Unime su:
