Instructors - Docenti:

• Dino Pedreschi, Fosca Giannotti
  • KDD Laboratory, Università di Pisa ed ISTI - CNR, Pisa
  • http://www-kdd.isti.cnr.it
  • dino [dot] pedreschi [at] di [dot] unipi [dot] it
  • fosca [dot] giannotti [at] isti [dot] cnr [dot] it
  • mirco [dot] nanni [at] isti [dot] cnr [dot] it

Teaching assistant - Assistente:

• Letizia Milli
  • KDD Laboratory, Università di Pisa and ISTI - CNR, Pisa
  • milli [at] di [dot] unipi [dot] it

Instructors:

• Mirco Nanni, Anna Monreale
  • KDD Laboratory, Università di Pisa and ISTI - CNR, Pisa
  • http://www-kdd.isti.cnr.it
  • mirco [dot] nanni [at] isti [dot] cnr [dot] it
  • annam [at] di [dot] unipi [dot] it

• [21/09/2015] The results of the written exam for DM II of 09.09.2015 are available here: DMII-Results-Sept
• [22/07/2015] The results of the written exam for DM II of 17.07.2015 are available here: Results
• [06/07/2015] The results of the written exam for DM II of 26.06.2015 are available here: Results
• [30/06/2015] The results of the written exam for DM I of 26.06.2015 are available here: result
• [14/06/2015] The results of the written exam for DM II of 05.06.2015 are available here: Results 05.06.2015
• [18/05/2015] The results of the midterm exam for DM II is available here: Results 13.04.2015
• [03/03/2015] The midterm test for DM I and the special session for exams for DM II will take place on April 13th, 2015 in room C1, at 9 a.m.
• [21/02/2015] Results of DM I (written exam) available Data Mining I:result
• [19/02/2014] The first lesson of Data Mining 2 will take place on Monday, Feb. 23-rd, in room N1.
• [16/02/2015] The next oral exam will be on Monday 23 February 2015 at 11.00 and Monday 2 March 2015 at 11:00 at Predreschi's office. Note that you have to send an email (milli [at] di [dot] unipi [dot] it or dino [dot] pedreschi [at] di [dot] unipi [dot] it) to register for the oral exam.
• [21/01/2015] Results of DM I (written exam) available Data Mining I: Results of written exam, January 19, 2015
• [19/01/2015] The next oral exam will be on Monday 19 January 2015 at 9.00 and Thursday 29 January 2015 at 14:00 at Predreschi's office. Note that you have to send an email (milli [at] di [dot] unipi [dot] it or dino [dot] pedreschi [at] di [dot] unipi [dot] it) to register for the oral exam.
• [15/12/2014] The text for the third and fourth exercises, has been released. Deadline: three days before the oral exam.
• [12/12/2014] Today lesson is cancelled for strike. The lesson is moved to Monday 15/12/2014 16:00
• [12/12/2014] Le valutazioni del secondo esercizio sono / Evaluation of the second homework is online
• [12/12/2014] Le valutazioni del primo esercizio sono / Evaluation of the first homework is online
• [24/11/2014]Il 27 & 28 Novembre il KDD Lab tiene il suo workshop annuale aperto a tutti gli interessati KddLab Workshop
• [07/11/2014]The text for the first and second exercises, has been released. Deadline: 28/11/2014.
• [17/10/2014] Appello straordinario Anno Accademico 2013/2014: venerdì 7 novembre 2014 ore 9:00-11:00 aula C1
• Richiesta di collaborazione al progetto di ricerca scientifica MOTUS - Mobility and Tourism in Urban Scenarios. Dedicate 2 ore di tempo il prossimo Giovedì 16 ottobre al Dipartimento di Informatica a testare e valutare nuove app per la mobilità. Dettagli e iscrizione: focus group MOTUS
• Nuovo orario/new hours: Lunedì/Monday 16:00-18:00 Aula C; Venerdì/Friday 14:00-16:00 Aula A1
• Per impegni del docente precedenti allo spostamento dell'orario, la lezione di Lunedì 13 ottobre inizierà alle 16:30. The class of Monday 13 October will begin at 16:30
• [07/10/2014] Il doodle per decidere se spostare o meno la lezione del Giovedì è in linea qui. Esprimere le vostre disponibilità entro la lezione di Giovedì 9 ottobre.
• [07/10/2014] Siete tutti invitati all'evento dell'Internet Festival “Big Data e la mobilità del futuro” sabato 11 ottobre dalle 10 alle 18:30 nell'aula magna del Polo Fibonacci (edificio E). Big Data e la Mobilità del Futuro
• [25/09/2014] La lezione di oggi è sostituita dall'evento BRIGHT presso il CNR di Pisa - Big Data Tales Notte dei Ricercatori al CNR di Pisa

… a new kind of professional has emerged, the data scientist, who combines the skills of software programmer, statistician and storyteller/artist to extract the nuggets of gold hidden under mountains of data. Hal Varian, Google’s chief economist, predicts that the job of statistician will become the “sexiest” around. Data, he explains, are widely available; what is scarce is the ability to extract wisdom from them.

Data, data everywhere. The Economist, Special Report on Big Data, Feb. 2010.

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;
2. le principali tecniche di datamining (regole associative, classificazione e clustering). Di queste tecniche si studieranno gli aspetti formali e implementativi;
3. alcuni casi di studio nell’ambito del marketing e del supporto alla gestione clienti, del rilevamento di frodi e di studi epidemiologici.
4. 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

• Data, data everywhere. The Economist, Feb. 2010 download
• Data scientist: The hot new gig in tech, CNN & Fortune, Sept. 2011 link
• Welcome to the yotta world. The Economist, Sept. 2011 download
• Data Scientist: The Sexiest Job of the 21st Century. Harvard Business Review, Sept 2012 link
• Il futuro è già scritto in Big Data. Il SOle 24 Ore, Sept 2012 link
• Special issue of Crossroads - The ACM Magazine for Students - on Big Data Analytics download
• Peter Sondergaard, Gartner, Says Big Data Creates Big Jobs. Oct 22, 2012: YouTube video

• Towards Effective Decision-Making Through Data Visualization: Six World-Class Enterprises Show The Way. White paper at FusionCharts.com. download

Classes - Lezioni

Office hours - Ricevimento:

• Prof. Pedreschi: Lunedì/Monday h 14:00 - 16:00, Dipartimento di Informatica
• Giannotti/Milli: appointment by email, c/o ISTI-CNR

Classes - Lezioni

Office hours - Ricevimento:

• Nanni / Monreale: appointment by email, c/o ISTI-CNR

• 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
  • I capitoli 4, 6, 8 sono disponibili sul sito del publisher. – Chapters 4,6 and 8 are also available at the publisher's Web site.

• Le slide utilizzate durante il corso verranno inserite nel calendario al termine di ogni lezione. In buona parte esse sono tratte da quelle fornite dagli autori del libro di testo: Slides per "Introduction to Data Mining".
• The slides used in the course will be inserted in the calendar after each class. Most of them are part of the the slides provided by the textbook's authors Slides per "Introduction to Data Mining".

• Oltre ai testi e (dove disponibili) soluzioni degli appelli d'esame degli anni recenti, sono consultabili i seguenti esercizi proposti in anni precedenti.
  • Verifica 2006, Verifica 2005 (con soluzioni), Verifica 2004
  • Verifica 5 giugno 2007, Verifica 26 giugno 2007, Verifica 24 luglio 2007 (e Soluzioni)
  • Verifica 3 aprile 2008 (e Soluzioni), Verifica 18 luglio 2008 - parte 1, Verifica 18 luglio 2008 - parte 2

• KNIME The Konstanz Information Miner. Download page

• WEKA Data Mining Software in JAVA. University of Waikato, New Zealand Download page

L'esame consiste in una prova scritta ed in una prova orale:

• La prova scritta è composta essenzialmente di esercizi sui metodi e algoritmi visti a lezione. I testi degli appelli d'esame passati vengono regolarmente messi online e possono essere presi come riferimento generale. La prova scritta può essere sostituita dalle due verifiche intermedie: nel caso vengano entrambe superate con successo la media dei loro voti costituirà il voto con cui presentarsi all'orale – a meno che non si sostenga nuovamente l'esame scritto, nel qual caso il voto più recente cancella quelli precedenti (in meglio o in peggio). Non è possibile recuperare una sola verifica intermedia durante gli appelli d'esame regolari. Per l'a.a. 2013-2014, le verifiche intermedie sono sostituite da una serie di esercizi che verranno proposti durante il corso.
• La prova orale verte sugli aspetti più teorici del corso (definizioni, metodi, algoritmi, ecc.) trattati a lezione, oppure dalla discussione di bibliografia concordata con i docenti.

The exam is composed of three parts:

• A written exam, with exercises and questions about classification (advanced topics), sequential patterns, graph mining and times series.
• A project, assigned among those proposed during the classes, or proposed by the students themselves. In the latter case, they are invited to submit a short project proposal (max. 1 page) describing the data to use and the analysis objectives. The work done should be summarized in a report, to be sent to the teachers at least 2 days before the oral exam. The proposed projects are the following:
  1. Customer segmentation & entropy
  2. Profiling purchases
  3. Mobility data analysis on S.F. taxis

• An oral exam, that includes: (1) discussing the project report with a group presentation (15 minutes for all the group); (2) discussing topics presented during the classes, including the theory of the parts already covered by the written exam.

Guidelines for the homework are here.

• Data Understanding: Thyroid Disease Data Set. Assigned on: 07.11.2014. To be completed within: 28.11.2014. Send papers (3 pages max of text, figures excluded) by email to datamining [dot] unipi [at] gmail [dot] com. Use “[DM] exercise 1” in the subject. Download the Thyroid Disease Data Set Thyroid Disease Data Set (in CSV format, zipped). This data set is one of the several databases about Thyroid avalaible at the UCI repository,http://archive.ics.uci.edu/ml/datasets/Thyroid+Disease, where you can also find the data description. Explore the dataset with the analytical tools of KNIME or Weka (or whatever you like) and write a concise “data understanding” report describing data semantics, assessing data quality, the distribution of the variables and the pairwise correlations.
• Clustering analysis:Thyroid Disease Data Set. Assigned on: 07.11.2014. To be completed within: 28.11.2014. Send papers (3 pages max of text, figures excluded) by email to datamining [dot] unipi [at] gmail [dot] com. Use “[DM] exercise 2” in the subject. Download the Thyroid Disease Data Set Thyroid Disease Data Set (in CSV format, zipped). Perform an adequate data understanding phase, and then clustering analysis, with any of the studied methods, using an appropriate subset of variables. Determine an adequate number of clusters, if any, and try to explain the properties of the discovered clusters (or else, argue why this dataset does not exhibit a clustering structure).

• Market Basket Analysis: SuperMarket dataset. Assigned on: 15.12.2014. To be completed within: three days before the oral exam. Send papers (3 pages max of text, figures excluded) by email to datamining [dot] unipi [at] gmail [dot] com. Use “[DM] exercise 3” in the subject. Download the SuperMarket dataset (in CSV format, zipped). Given a database of customer transactions of a supermarket, find the set of frequent items co-purchased and analyse the most interesting association rules that is possible to derive from the frequent patterns. Provide a short document which illustrates the input dataset, the adopted frequent pattern algorithm and the association rule analysis discussing your findings related to the most interesting rules. The database is composed of two files:(1) transactions.csv containing the customer transactions where each row contains a SCONTRINO_ID (transaction code) and COD_MKT_ID (the code of the item purchased); (2) segments-description.csv containing the full description of each item. For each COD_MKT_ID you can find information about the CATEGORY, SECTOR, AREA, SEGMENT and so on. Perform the analysis considering the segment level.

• Classification. Serie A statistic player dataset. Assigned on: 15.12.2014. To be completed within: three days before the oral exam. Send papers (3 pages max of text, figures excluded) by email to datamining [dot] unipi [at] gmail [dot] com. Use ”[DM] exercise 4” in the subject. Download the Dataset here: serieA_dataset (in CSV format, zipped). The dataset contain two files:serieA_aggregated_player.csv that contains the statistics aggregated for each player during the last soccer championship and serieA_events.csv that contains for each match all the statistics for each player. You can choose the file that you prefer. Objective: finding decision trees to predict the position of a player (Defender, Goalkeeper, Forward, Midfielder). The paper has to illustrate the input dataset, some analyses for the data understanding, the adopted classification methodology and the decision tree validation and interpretation.

• Data Mining A.A. 2013/14
• Data Mining A.A. 2012/13
• Data Mining A.A. 2011/12
• Data Mining A.A. 2010/11
• Data Mining A.A. 2009/10
• Data Mining A.A. 2008/09
• Data Mining A.A. 2007/08
• Data Mining A.A. 2006/07
• PhD Workshop 2011
• Analisi delle Reti Sociali
• Social and Information Networks
• ICT for BI & CRM - Part III: Data Mining
• Data Mining for Customer Relationship Management 2015