Appunti VERIFICATO
Data Mining e Classificazione
Università degli Studi di Roma - La Sapienza scienze statistiche Curriculum demografico sociale 2023
33 visualizzazioni
Nessun voto ancora
Stai vedendo l'anteprima delle prime pagine. Registrati per sbloccare le pagine restanti.
Di cosa parla
- 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.
Registrati e sblocca subito 3 appunti gratis, questo incluso.