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

Legenda
CFU: 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
Learning Goals

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

Providing basic notions for data analysis in order to extrapolate enriched information from simple or complex data. Student will be able to understand the importance and the technological impact of data mining in different application areas, learning how the main data processing and classification techniques and the approaches to make correlations between terms works and can be used.

Metodi didattici
Teaching Methods

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

This course is based on classroom lectures and supervised lab activities designed to introduce programming languages and simulation tools.

Prerequisiti
Prerequisites

Prerequisiti

Fondamenti di programmazione e interazione con le basi di dati.

Prerequisites

Programming fundamentals and interactions with databases.

Verifiche dell'apprendimento
Assessment

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

The exam consists of an oral test to verify the degree of preparation and the property of language with respect to the topics covered. The grade is expressed out of thirty

Programma del Corso
Course Syllabus

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

Pattern Discovery; Pattern Mining Methods; Pattern Discovery; Pattern Extraction. Cluster Analysis; Similarity Measures for Cluster Analysis; Density- Based and Grid-Based Clustering Methods. Introduction to biomedical signal processing and artificial intelligence; Characterization of biomedical signals: Feature engineering and extraction. Machine and deep learning in biomedical signal processing with applications.

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