Inglese

L’insegnamento annuale fornisce competenze approfondite in tecniche di analisi e trattamento dei dati, con particolare enfasi su data mining e big data analytics. Il programma integra fondamenti teorici con applicazioni pratiche e utilizzo di software specialistico (R, Python). Sono trattati: introduzione al data mining e Knowledge Discovery in Databases (KDD), analisi esplorativa dei dati, metodi fattoriali multivariati (PCA, analisi delle corrispondenze), classificazione (alberi decisionali, k-NN, Naïve Bayes, ensemble methods), associazione (market basket analysis), clustering (k-means, clustering gerarchico, metodi basati su densità), anomaly detection, e strategie di imputazione dei dati mancanti.

P.-N. Tan, M. Steinbach, A. Karpatne, V. Kumar, Introduction to Data Mining, 2nd ed., Boston, Pearson 2019, pp. 1016.
T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed., New York, Springer 2009, pp. 745.
Materiale didattico, slide e script forniti dal docente sulla piattaforma e-learning di Ateneo.

Al termine dell’insegnamento, lo studente dovrà aver acquisito:
Conoscenza e capacità di comprensione: Comprendere gli aspetti metodologici del data mining, conoscere i fondamenti matematici e statistici delle tecniche di estrazione di conoscenza dai dati.
Utilizzazione delle conoscenze e capacità di comprensione: Saper applicare le principali tecniche di data mining a problemi reali; implementare algoritmi di classificazione, clustering e associazione mediante software specialistico (R, Python).
Capacità di trarre conclusioni (Autonomia di giudizio): Valutare criticamente i risultati delle analisi e scegliere le tecniche più appropriate al contesto; disporre di capacità autonoma nel prendere decisioni su problemi complessi di estrazione di conoscenza dai dati.
Abilità comunicative: Saper esprimere i risultati delle analisi di data mining utilizzando un linguaggio tecnico-scientifico; comunicare efficacemente i findings a un pubblico tecnico e non tecnico.
Capacità di apprendere: Sviluppare abilità autonome per l’aggiornamento continuo delle tecniche di data mining; capacità di consultare fonti bibliografiche in inglese e internazionali per acquisire nuove competenze.

Sono richieste conoscenze di analisi matematica, algebra lineare, statistica descrittiva e inferenziale.

L’insegnamento annuale prevede 96 ore totali (12 CFU), così articolate: - Lezioni frontali (40 ore) con utilizzo di slide e materiale didattico fornito dal docente. - Esercitazioni in aula (24 ore) per l’apprendimento dei concetti attraverso problemi e case study. - Sessioni di laboratorio (32 ore) dedicate all’implementazione pratica in R e Python e all’analisi di dataset reali. La frequenza è caldamente consigliata; le presenze sono registrate tramite firma o procedure informatiche di Ateneo.

La verifica prevede due componenti integrate:
Tesina scritta (deliverable da sviluppare durante il corso): Rapporto tecnico sugli aspetti metodologici delle tecniche di data mining apprese, con presentazione commentata dei risultati delle elaborazioni di dati estratti da un dataset pubblico. La tesina deve illustrare le scelte metodologiche, l’implementazione degli algoritmi e l’interpretazione critica dei risultati. Requisiti formali: lunghezza indicativa 20-30 pagine, formato A4, font 11pt, spazi 1.5; consegna entro data stabilita.
Prova orale (30 minuti): Discussione dei contenuti teorici e dei risultati della tesina; verifica della padronanza concettuale delle tecniche affrontate e della capacità di argomentazione critica.
Struttura della valutazione: Il voto finale (in trentesimi) è calcolato come media ponderata: 40% della tesina + 60% della prova orale.
Parametri di valutazione: La valutazione considera: (1) correttezza metodologica nell’applicazione delle tecniche, (2) qualità dell’analisi critica, (3) proprietà di linguaggio specialistico, (4) capacità di sintesi e approfondimento, (5) completezza nella trattazione dei risultati.

Il materiale didattico (slide, dataset pubblici, script R e Python) sarà reso disponibile sulla piattaforma Teams. È prevista l’analisi di dataset estratti da pubbliche banche dati (es. UCI Machine Learning Repository, Kaggle). Attività di tutoraggio sono disponibili su richiesta.

1.Introduzione al Data Mining (1 CFU / 8 ore):mData Mining versus Knowledge Discovery in Databases (KDD) (0.3 CFU).
oAnalisi esplorativa dei dati (0.7 CFU).
2.Metodi Fattoriali Multivariati (1.5 CFU / 12 ore): Analisi in Componenti Principali (PCA) (0.5 CFU);Analisi delle Corrispondenze (0.5 CFU); Analisi delle Corrispondenze Multiple (0.5 CFU);
3.Classificazione (2.5 CFU / 20 ore): Concetti base della classificazione (0.5 CFU); Classificatori basati su regole e alberi decisionali (0.7 CFU);Classificatori k-NN e Naïve Bayes (0.6 CFU); Metodi ensemble (0.7 CFU).
4.Analisi di Associazione (2 CFU / 16 ore): Association Rule Mining e generazione di regole (0.7 CFU); Misure di Support e Confidence (0.4 CFU).
oRegole multi-livello e Pattern discovery (0.9 CFU).
5.Analisi dei Cluster (3 CFU / 24 ore): Metodi partitivi: K-means (0.8 CFU); Clustering gerarchico (0.8 CFU); Metodi basati su densità e modelli di miscela (0.8 CFU); Validazione dei cluster (0.6 CFU).
6.Anomaly Detection e Trattamento Dati (1 CFU / 8 ore): Individuazione di dati anomali e rumore (0.5 CFU); Imputazione di dati mancanti (0.5 CFU).
7.Laboratorio Pratico con R e Python (1 CFU / 8 ore):Implementazione pratica degli algoritmi su dataset reali (1 CFU).

English

The annual course provides in-depth competencies in data analysis and processing techniques, with emphasis on data mining and big data analytics. The program integrates theoretical foundations with practical applications using specialized software (R, Python). Topics include introduction to data mining and KDD, exploratory data analysis, multivariate factorial methods (PCA, correspondence analysis), classification (decision trees, k-NN, Naïve Bayes, ensemble methods), association rules (market basket analysis), clustering (k-means, hierarchical clustering, density-based methods), anomaly detection, and missing data imputation strategies.

P.-N. Tan et al., Introduction to Data Mining, 2nd ed., Pearson 2019.
T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning, 2nd ed., Springer 2009.
Teaching materials, slides, and scripts provided on the e-learning platform.

Knowledge and understanding: Understanding data mining methodologies and mathematical/statistical foundations.
Applying knowledge: Applying data mining techniques to real problems; implementing classification, clustering, and association algorithms using R and Python.
Making judgements: Critically evaluating results and selecting appropriate techniques; autonomous decision-making on complex knowledge extraction problems.
Communication skills: Expressing analysis results using technical language; communicating findings to technical and non-technical audiences.
Learning skills: Developing autonomous abilities for continuous technique updates; consulting English-language sources for new skills.

Knowledge of mathematical analysis, linear algebra, descriptive and inferential statistics is required.

Annual course, 96 total hours (12 CFU): 40h of lectures, 24h of exercises, 32h of laboratory sessions.

Two integrated assessments:
1. Written report (project deliverable): Technical report on data mining methodologies with commented results from public dataset analysis. Format: 20-30 pages, A4, 11pt font, 1.5 spacing.
2. Oral exam (30 min): Discussion of theory and report results; verification of conceptual mastery.
Evaluation structure: Final grade = 40% report + 60% oral.
Evaluation parameters: (1) Methodological correctness, (2) Critical analysis quality, (3) Specialized language, (4) Synthesis ability, (5) Result interpretation completeness.

Teaching materials (slides, public datasets, R and Python scripts) available on Teams. Analysis of public datasets (UCI ML Repository, Kaggle). Tutoring available upon request

Data Mining Introduction (1 CFU / 8h): KDD, exploratory data analysis.
Multivariate Factorial Methods (1.5 CFU / 12h): PCA (0.5 CFU) , Correspondence analysis (0.5 CFU); Multiple correspondence analysis (0.5 CFU);
Classification (2.5 CFU / 20h):Basic concepts (0.5 CFU); Decision trees (0.7 CFU); k-NN, Naïve Bayes (0.6 CFU), ensemble methods (0.7 CFU).
Association Analysis (2 CFU / 16h): Association Rule Mining and Rule Generation (0.7 CFU); Support and Confidence Measures (0.4 CFU).
Cluster Analysis (3 CFU / 24h): K-means (0.8 CFU); Hierarchical clustering (0.8 CFU); Density-based methods and mixture models (0.8 CFU); Cluster validation (0.6 CFU).
Anomaly Detection (1 CFU / 8h): Identification of outliers and noise (0.5 CFU); Imputation of missing data (0.5 CFU)..
Laboratory (1 CFU / 8h): R and Python implementation on real datasets.