Docenti:

• Dino Pedreschi http://www.di.unipi.it/~pedre pedre [at] di [dot] unipi [dot] it
• Francesco Bonchi http://www-kdd.isti.cnr.it/~bonchi francesco [dot] bonchi [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

• Appelli di gennaio-febbraio 2008: su appuntamento con il docente
• Appello di settembre: Mercoledì 12.09.2007, ore 9:00, Aula B1
• Risultati dell'appello del 24 Luglio 2007 pdf
• Risultati dell'appello del 26 Giugno 2007 pdf
• Risultati dell'appello del 5 Giugno 2007 pdf
• Risultati della verifica pre-appello del 30 Maggio 2007 pdf
• Le date degli appelli sono in linea.
• Gli studenti interessati a fare un seminario o un progetto di analisi durante la sessione estiva sono pregati di comunicare a francesco [dot] bonchi [at] isti [dot] cnr [dot] it il titolo del seminario o progetto e l'appello in cui intendono sostenere l'esame.
• Si ricorda che dopo la sessione estiva non sarà più possibile sostituire l'esame orale con un seminario/progetto.

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, concentrandosi su quelli più diffusi e consolidati, ma discutendo anche gli aspetti avanzati ed ancora al limite fra tecnologia metura e ricerca. Si discutono esempi di uso delle tecniche di data mining in contesti applicativi realistici, quali la market basket analysis ed il rilevamento di frodi. Il corso si conclude con cenni sugli 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;
2. le principali tecniche di datamining (regole associative, classificazione e clustering). Di queste tecniche si studieranno gli aspetti formali e implementativi, sia nelle versioni standard che avanzate;
3. alcuni casi di studio nell’ambito del marketing e del supporto alla gestione clienti, del rilevamento di frodi e di studi epidemiologici.
4. cenni sugli aspetti di privacy ed etici e delle tecnologie di analisi privacy-preserving.

• Lunedì 14-16, Aula A1
• Giovedì 16-18, Aula A

• Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to DATA MINING, Pearson - Addison Wesley, ISBN 0-321-32136-7, 2006

• http://www-users.cs.umn.edu/~kumar/dmbook/index.php (slides e capitoli 4, 6 e 8 scaricabili liberamente).

• 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

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

• Temi di approfondimento per seminari
• Progetti di analisi (in collaborazione con il corso di Data Mining della Laurea Specialistica in Informatica per l'Economia e l'Azienda)

• Seminari e progetti di esame già assegnati:

• Gli studenti interessati a fare un seminario o un progetto di analisi durante la sessione estiva sono pregati di comunicare a francesco [dot] bonchi [at] isti [dot] cnr [dot] it il titolo del seminario o progetto e l'appello in cui intendono sostenere l'esame.
• Si ricorda che dopo la sessione estiva non sarà più possibile sostituire l'esame orale con un seminario/progetto.

Appello di settembre: Mercoledì 12.09.2007, ore 9:00, Aula B1

Per la sessione estiva sono previsti i seguenti tre appelli:

• TDM a.a. 2005-06