| | | corso | | | |
Basi di Dati e Sistemi Informativi: Basi di Dati Deduttive
(Corso di Laurea in Informatica (quinquennale))
Codice: | 4I077 | Crediti: | 6 | Semestre: | 2 | Sigla: | Bde | |
Docente
Fosca Giannotti
![Home Page di Fosca Giannotti](/Didattica/img/home_c.gif)
Prerequisiti
Obiettivi di apprendimento
L'obiettivo del corso è quello di fornire un'introduzione ai concetti fondamentali, ai modelli formali, e alle tecniche per l’estrazione di conoscenza da basi di dati relazionali mediante forme di ragionamento deduttivo ed induttivo. In particolare sara’ introdotto il paradigma delle basi di dati deduttive ed alcune tecniche di data mining per il rilevamento di regolarità e/ o anomalie.
Infine saranno considerate alcune applicazioni per cui i paradigmi introdotti risultano particolarmente utili. Il corso fa parte dei minor Basi di dati e Sistemi basati sulla conoscenza
Descrizione
La grande disponibilità di dati residenti su database relazionali (e non solo) nei più svariati settori motiva lo studio di tecniche di interrogazione che permettano un facile utilizzo dei risultati nel dominio applicativo. Il corso presenta una collezione di tecniche e metodi che permettono un passaggio graduale da «dati» a «conoscenza». Il corso inizia presentando il paradigma delle basi di dati logiche come strumento di
ragionamento deduttivo; si presentano varie modalita’ di aggregazione multidimensionale (OLAP) ed infine si introducono alcune tecniche di datamining (regole associative e serie temporali) come strumento di ragionamento induttivo
English Description
As massive amounts of data become available everyday from every kind of organizations, the ability to extract useful knowledge from these data is becoming a crucial need: as the said goes, we are drowning in data, but starving for knowledge. The course introduces a collection of techniques and methods aimed at a gradual transition from data to knowledge. First the logic database paradigm is introduced, as a tool for
deductive reasoning. Then various multidimensional aggregation mechanisms are introduced. Finally, a few data mining techniques, mainly association rules and temporal series, are presented as inductive reasoning tool
Programma
- Basi di dati deduttive (8 ore lezione + 6 ore esercitazione)
- Approccio deduttivo alle basi di dati relazionali
- dal Datalog all’algebra relazionale;
- ricorsione, negazione, stratificazione
- Sintassi e semantica dei linguaggi Datalog
- Semantica dichiarativa,
- Semantica Operazionale di punto fisso (Bottom up),
- Punto fisso Iterato
- Il linguaggio LDL++
- interrogazioni complesse
- interrogazioni multidimensionali: aggregazioni e raggruppamenti,
- OLAP (4 ore lezione + 2 ore esercitazione)
- Nozioni basiche di Data Warehousing
- Nozioni basiche di Data Cube
- Regole Associative (7 ore lezione + 4 ore esercitazione)
- Regole intra-attributo, inter-attributo
- Calcolo efficiente di regole d'associazione: algoritmo Apriori e varianti
- Estensioni del concetto di regola d'associazione: tassonomie, regole quantitative, regole predittive.
- Sequenze temporali (6 ore lezione + 3 ore esercitazione)
- Il tempo nelle basi di dati: Ontologia temporale, linguaggi per interrogazione temporale
- Regole associative e fattore Tempo: RdA Cicliche e Calendriche
- Patterns Sequenziali e Serie Temporali
Ore lezione: | 25 | Ore esercitazione: | 15 | | | |
Bibliografia
- C.Zaniolo, S. Ceri, C. Faloustsos, R. Snodgrass, V.S. Subrahmanian, "R. Zicari, Advanced Database Systems", Morgan Kaufmann, 1997
- Collezione di articoli in ambito OLAP e DataMining.
Modalità di esame:
L’esame consiste nell’approfondimento di alcuni aspetti di una delle tecniche non esplicitamente trattati dall’insegnante
con l’ausilio di articoli e monografie, ed una verifica orale.
Modalità di esame
L’esame consiste nell’approfondimento di alcuni aspetti di una delle tecniche non esplicitamente trattati dall’insegnante con l’ausilio di articoli e monografie, ed una verifica orale.