Sei sulla pagina 1di 9

Corso: Corso di Laurea in Scienze dellInformazione Materia: Metodi Informatici per lAnalisi dei Dati (MIAD) Modulo: Metodi

per il trattamento dei dati sperimentali (MTDS)


Anno Accademico 2010/11 (codice 14299 Crediti:6) Docente: Domenico Tegolo

Calendario delle lezioni

Date desame:
Dopo il 24 Maggio da definire con gli studenti

Appelli di Esami:
2-Estate 2-Autunno 2-Inverno

Durata del Modulo: Numero di Crediti:

48 Ore 6

Come raggiungermi:
tel. 09123891119 fax. 0916040311 domenco.tegolo@unipa.it
1

<Questi handout sono da intendersi come appunti delle lezioni del modulo di MTDS e non come dispensa. AA 2010-2011>

Libri di testo consigliati:


Titolo: Intelligent Data Analysis (An introduction)

Autori:

M.Berthold, D.j.Hand

Editore: Springer (ISBN 3-540-65808-4)

Titolo: Algorithms for clustering data Autori: A.K.Jain, R.C.Dubes Editori: Prentice Hall (ISBN 0-13-022278-X) Titolo: Density Estimation for Statistics and Data Analysis Autori: B.W.Silverman Editori: Chapman and Hall (ISBN 0-412-24620-1) Titolo: The Elements of Statistical Learning Autori: T.Hastie, R.Tibshirani, J. Friedman Editori: Springer Series in Statistics (ISBN

)
2

<Questi handout sono da intendersi come appunti delle lezioni del modulo di MTDS e non come dispensa. AA 2010-2011>

Argomenti
1. Introduzione
a) La natura dei dati b) Nuove tecnologie a) Regressione b) Metodi Lineari Generalizzati c) Analisi multi-variata a) Inferenza b) Modellazione c) Reti bayesiane

4. Analisi Cluster
a) Metodi b) Validazione c) Applicazioni

2. Metodi statistici

5. Metodi fuzzy 6. Rappresentazione dei dati 7. Applicazioni

3. Metodi bayesiani

<Questi handout sono da intendersi come appunti delle lezioni del modulo di MTDS e non come dispensa. AA 2010-2011>

Introduzione
Altezza (m.) Errore (cm.) 1 1.5 1 1

La natura dei dati

1.3 1.4 1.7 1.55

T(era)Byte= 210GigaByte

Nuove tecnologie

<Questi handout sono da intendersi come appunti delle lezioni del modulo di MTDS e non come dispensa. AA 2010-2011>

Metodi statistici
a) Regressione lineare

b) Metodi Lineari generalizzati

c) Analisi multi-variata

<Questi handout sono da intendersi come appunti delle lezioni del modulo di MTDS e non come dispensa. AA 2010-2011>

Metodi bayesiani
a) Inferenza Nel campione ci sono 4 agglomerati (cluster)

b) Modellazione
numero campioni numero parametri varianza media
P ( B | A1 )

c) Reti bayesiane

P ( B | A2 ) P ( B | A3 )

<Questi handout sono da intendersi come appunti delle lezioni del modulo di MTDS e non come dispensa. AA 2010-2011>

Algoritmi Cluster
A B A B D C A

<Questi handout sono da intendersi come appunti delle lezioni del modulo di MTDS e non come dispensa. AA 2010-2011>

Metodi fuzzy
a) Perch?
Gli uomini pi alti di 1.80 metri sono alti.

Un uomo alto 1.799 metri non alto

b) Logica fuzzy

Vero, Falso, Abbastanza vero Abbastanza falso

c) Aritmetica fuzzy

Aritmetica degli intervalli

<Questi handout sono da intendersi come appunti delle lezioni del modulo di MTDS e non come dispensa. AA 2010-2011>

Applicazioni
a) Astrofisica c) Biologia e) Medicina g) Controllo di qualit

Data mining
<Questi handout sono da intendersi come appunti delle lezioni del modulo di MTDS e non come dispensa. AA 2010-2011>