Docenti:

• Fosca Giannotti, fosca [dot] giannotti [at] isti [dot] cnr [dot] it
• Mirco Nanni, mirco [dot] nanni [at] isti [dot] cnr [dot] it

• KDD LAB - Knowledge Discovery Laboratory, ISTI-CNR e Dipartimento di Informatica dell'Università di Pisa http://www-kdd.isti.cnr.it

• Gli studenti che devono ancora sostenere l'esame (scritto e/o presentazione progetto) possono farlo su appuntamento. Si prega di contattare il docente.
• Ricevimento collettivo: venerdì 30 maggio, ore 11-13, aula C1
• Pubblicati i risultati della prima verifica intermedia (3 aprile 2008)
• Fissati aula e orario per la prima verifica intermedia: 3 aprile, ore 9-12, aula C1

La grande disponibilità di dati provenienti da database relazionali, dal web o da altre sorgenti motiva lo studio di tecniche di analisi dei dati che permettano una migliore comprensione ed un più facile utilizzo dei risultati nei processi decisionali. L'obiettivo del corso è quello di fornire un'introduzione ai concetti di base del processo di estrazione di conoscenza, alle principali tecniche di data mining ed ai relativi algoritmi. Particolare enfasi è dedicata agli aspetti metodologici presentati mediante alcune classi di applicazioni paradigmatiche quali il Basket Market Analysis, la segmentazione di mercato, il rilevamento di frodi. Infine il corso introduce gli aspetti di privacy ed etici inerenti all’utilizzo di tecniche inferenza sui dati e dei quali l’analista deve essere a conoscenza. Il corso consiste delle seguenti parti:

1. i concetti di base del processo di estrazione della conoscenza: studio e

preparazione dei dati, forme dei dati, misure e similarità dei dati;

1. le principali tecniche di datamining (regole associative, classificazione e clustering). Di queste tecniche si studieranno gli aspetti formali e implementativi;
2. alcuni casi di studio nell’ambito del marketing e del supporto alla gestione clienti, del rilevamento di frodi e di studi epidemiologici.
3. l’ultima parte del corso ha l’obiettivo di introdurre gli aspetti di privacy ed etici inerenti all’utilizzo di tecniche inferenza sui dati e dei quali l’analista deve essere a conoscenza

Lezioni:

• Martedì, ore 14-16, aula I1
• Giovedi, ore 11-13, aula B

Ricevimento:

• Giannotti: mercoledì 15-17, ISTI, Area Ricerca CNR, località San Cataldo, Pisa (prenotazione per e-mail)

• Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to DATA MINING, Addison Wesley, ISBN 0-321-32136-7, 2006
• http://www-users.cs.umn.edu/~kumar/dmbook/index.php

• Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to DATA MINING, Addison Wesley, ISBN 0-321-32136-7, 2006
• Jiawei Han, Micheline Kamber, Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, 2000 http://www.mkp.com/books_catalog/catalog.asp?ISBN=1-55860-489-8
• U. Fayyad, G. Piatetsky-Shapiro, P. Smyth, R. Uthurusamy (editors). Advances in Knowledge discovery and data mining, MIT Press, 1996.
• Barry Linoff Data Mining Techniques for Marketing Sales and Customer Support, John Wiles & Sons, 2002

Calendario confermato:

• Verifica 2006
• Verifica 2005 (con soluzioni)
• Verifica 2004

• Verifica 5 giugno 2007
• Verifica 26 giugno 2007
• Verifica 24 luglio 2007 / Soluzioni (NOTA: il testo qui riportato potrebbe differire in alcuni dettagli da quello usato nella verifica, in seguito alla correzione di alcuni errori di editing)

• Verifica 3 aprile 2008 / Soluzioni
• Verifica 18 luglio 2008 - parte 1
• Verifica 18 luglio 2008 - parte 2

• Descrizione progetti: Progetti
• Domande frequenti e Informazioni generali sui progetti: F.A.Q. Progetti Data Mining

• Data Mining A.A. 2006/07