Data Mining: Materiale didattico

1. Tutte le slide Formato 1 pagina
2. Introduzione al Data Mining
   • I possibili ambiti applicativi
   • Il processo di scoperta della conoscenza: progettare un processo di data mining
3. Comprendere e preparare i dati
   • Caratteristiche dei diversi tipi di dato
   • Esplorazione statistica dei dati
   • Qualità dei dati
   • Preprocessing: selezione e creazione degli attributi
   • Misurare la similarità e dissimilarità tra i dati
4. Le tecniche di data mining
   • Classificazione
     • Tecniche di base I: gli alberi decisionali
     • Tecniche di base II: Insiemi di regole e Tecniche instance based
     • I classificatori Bayesiani
   • Regole associative
   • Clustering
   • Individuazione di anomalie (Outlier)
5. Interpretazione e validazione dei risultati
6. Esercitazioni in laboratorio con il software Weka
   • Introduzione a Weka
   • Classificazione (Testi , Soluzioni)
     • Iris test set
     • Bank data
     • Census Training
     • Census Test
     • Il dataset Nursery
   • Regole Associative (Testi)
     • Market Basket
   • Clustering (Testi)
     • Food Nutrients
     • Food Nutrients con classificazione
     • Coordinates