Data Mining e Classificazione
Di cosa parla
Riassunto AI · si legge in un minuto
Leggi il riassunto completo
- Introduzione al data mining e machine learning: i BIG-DATA generati da IoT e la rete 5G offrono nuove opportunità ma presentano sfide statistiche e computazionali.
- Natura dei Big Data: si tratta di grandi insiemi di dati qualitativamente nuovi, come comportamenti e convinzioni delle persone, utilizzati in campi diversi come la salute pubblica; i dati non strutturati, come testi, audio e video, richiedono tecniche avanzate per l'analisi.
- Aspetti negativi dei Big Data: la preparazione dei dati è faticosa e il numero elevato di variabili può portare a false correlazioni; multiple testing e correzione del False Discovery Rate sono necessari per evitare errori statistici.
- Riduzione dimensionale: tecniche come feature extraction e selection permettono di gestire grandi volumi di dati, migliorando la interpretabilità e le prestazioni dei modelli predittivi.
- Modelli applicabili: ensemble learning, Random Forests, Gradient Boosting e Reti Neurali sono efficaci per prevenzioni accurate; l'analisi dei testi sociali utilizza Sentiment Analysis per classificare opinioni positive e negative in tweet brevi e informali.
- Intelligenza Artificiale: il Pepper robot di Softbank comunica con le persone, riconosce emozioni e impara dagli altri robot attraverso il Cloud; i database strutturati offrono vantaggi come l'integrazione dei dati e l'indipendenza dal formato.
Riassunto generato con l'intelligenza artificiale a partire dagli appunti. Come lo facciamo
Stai vedendo l'anteprima delle prime pagine. Registrati per sbloccare le pagine restanti.
Studia questi appunti con l'AI
Riassunto e domande d'esame sono gratis: chiedili e ti mandiamo un'email quando sono pronti.
In preparazione: di solito è pronto in giornata.
Registrati e scarica gratis questo appunto.
Simula l'esame con domande costruite su questi appunti.