Data mining

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 e il Web mining. 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.

Per conseguire gli obiettivi indicati, sarà necessario:

• organizzare il processo di apprendimento in moduli flessibili, posti in sequenza logica;
• presentare in modo approfondito una specifica tecnologia tra le varie concorrenti sul mercato, e le altre solo "per differenza";
• mantenere una posizione indipendente e critica verso i vari software vendors presenti sul mercato, al fine di formare una capacità critica nello studente;
• coordinarsi con i docenti dei corsi indicati nei prerequisiti e dei corsi paralleli del semestre;
• partire dai problemi di business per ritrovare le necessarie scelte tecnologie a supporto della loro soluzione;
• proporre l'analisi di casi di studio tratti da esperienze reali riportate in letteratura o derivanti da ricerche del docente;
• separare gli aspetti e le scelte puramente tecnologiche da quelle funzionali alla soluzione di un problema di analisi.

Introduzione (1 ore) Presentazione del corso,

Il processo di estrazione della conoscenza; (3 ore)

Motivazioni, Classi di applicazioni , Panoramica sulle tecniche.

Le principali tecniche di datamining; (16 ore)

Regole associative: inter-attributo, intra-attributo, qualitative, predittive e tassonomiche;

Classificazione bayesiana e con alberi di decisione;

Clustering k-means.

Di queste tecniche si studieranno gli aspetti formali ed algoritmici.

Metodologie di estrazione di conoscenza: casi di studio nell'ambito del marketing e del supporto alla gestione clienti.

(12 ore)

Caso di studio 1: Segmentazione della clientela,

Caso di studio 2: Individuazione dei comportamenti di acquisto nella grande distribuzione

Caso studio 3: Analisi di rischio nel settore bancario

Caso studio 4: Rilevamento di Frodi Fiscali

Caso Studio 5: Fare mining su dati ufficiali (spesso aggregati):

Applicare le tecniche di datamining ai dati web(4 ore)

Le nozioni basiche Web mining, una caso d studio su Web Usage Mining

Tavola rotonda (2 ore) con aziende che utilizzano tecnologia Data Mining

Si invitano alcune aziende che producono e/o utilizzano tecnologia DM a presentarsi ed a

confrontarsi con le domande degli studenti

Aspetti di privacy ed etici (2 ore)

Si introducono gli aspetti di privacy ed etici inerenti all'utilizzo di tecniche inferenza sui dati e dei quali l'analista deve essere a conoscenza.

• 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
• S. Chakrabarti, Mining the Web: Discovering Knowledge from Hypertext Data, Morgan Kaufmann, ISBN 1-55860-754-4, 2002
• Barry Linoff Data Mining Techniques for Marketing Sales and Customer Support, John Wiles & Sons, 2002