Big Data Mining

Deep Learning

Credits: 
1
Hours: 
12
Area: 
Big Data Mining
Academic Year: 
Description: 

Il modulo affronta aspetti pratici del machine learning e delle reti neurali. Mostra le principali soluzioni tecnologiche per risolvere due problemi di machine learning: classificazione e regressione. Il corso copre vari aspetti cruciali di cui tener conto nello sviluppo di soluzioni di machine/deep learning:  i) come identificare la migliore soluzione per un dato problema? ii) come valutare un modello di machine learning? iii) come ottimizzarlo?

Data Mining & Machine Learning

Credits: 
4
Hours: 
40
Area: 
Big Data Mining
Description: 

Il modulo si propone di fornire un’introduzione ai concetti di base del data mining e del processo di estrazione della conoscenza, con approfondimenti sui modelli analitici e gli algoritmi più diffusi per il clustering, la classificazione e la scoperta di patterns, anche in riferimento alle nuove sorgenti di Big Data.

Statistical Methods for Data Science

Credits: 
2
Hours: 
20
Area: 
Big Data Mining
Teachers: 
Academic Year: 
Description: 

Questo modulo presenta metodologie, tecniche e tools di analisi statistica per data science: conoscenza di base della teoria della probabilità, variabili random, modelli statistici, estimation theory, test delle ipotesi, bootstrap, e conoscenza di base dell'analisi delle serie temporali. Il modulo mostra l'applicabilità in casi di studio nel dominio della finanza.

Data Science for Quantitive Finance

Credits: 
2
Hours: 
20
Area: 
Big Data Mining
Teachers: 
Academic Year: 
Description: 

Il corso introduce gli elementi principali per la comprensione dei mercati finanziari, la loro struttura e l'infrastruttura tecnologica. In particolare, il modulo fornisce un background sulla modellazione empirica di time series finanziari, individuando gli aspetti fondamentali della data science tra cui la memorizzazione dei dati, la latenza, l'high dimensional inference, ecc. Il modulo copre anche l'analisi semantica dei testi da news feed e social network per la previsione finanziaria.

Data Mining & Machine Learning

Credits: 
4
Hours: 
40
Area: 
Big Data Mining
Description: 

Il modulo si propone di fornire un’introduzione ai concetti di base del data mining e del processo di estrazione della conoscenza, con approfondimenti sui modelli analitici e gli algoritmi più diffusi per il clustering, la classificazione e la scoperta di patterns, anche in riferimento alle nuove sorgenti di Big Data.

Mobility Data Analysis

Credits: 
2
Hours: 
20
Area: 
Big Data Mining
Description: 

Il modulo si propone di mostrare le principali tecniche di analisi dei dati spazio-temporali relativi al movimento di persone e veicoli al fine di comprendere la mobilità in un territorio. L'apprendimento sarà sostenuto da numerosi casi di studio sviluppati nel laboratorio SoBigData.eu.

Web Mining

Credits: 
2
Hours: 
20
Area: 
Big Data Mining
Description: 

Il modulo presenta le principali tecniche di analisi delle tracce che gli utenti lasciano come effetto delle interrogazioni ai motori di ricerca sul web (query log). Vengono discusse le principali applicazioni del web mining fra cui la profilazione degli interessi o delle attività degli utenti e l'uso dei query log per varie forme di nowcasting, ovvero previsione a breve di indicatori sociali, economici e culturali. L'apprendimento sarà sostenuto da numerosi casi di studio sviluppati nel laboratorio SoBigData.eu.

Text Analytics and Opinion Mining

Credits: 
2
Hours: 
20
Area: 
Big Data Mining
Description: 

Il modulo presenta le principali tecniche di analisi e mining delle opinioni e delle preferenze degli utenti sulla base di Big Data provenienti dal web o da altre sorgenti. Particolare enfasi viene posta sull'uso delle tecniche di text mining per la comprensione del significato emotivo dei testi prodotti dagli utenti sui social media. L'apprendimento sarà sostenuto da numerosi casi di studio sviluppati nel laboratorio SoBigData.eu.

Data Science for Quantitive Finance

Credits: 
2
Hours: 
20
Area: 
Big Data Mining
Teachers: 
Academic Year: 
Description: 

Il corso introduce gli elementi principali per la comprensione dei mercati finanziari, la loro struttura e l'infrastruttura tecnologica. In particolare, il modulo fornisce un background sulla modellazione empirica di time series finanziari, individuando gli aspetti fondamentali della data science tra cui la memorizzazione dei dati, la latenza, l'high dimensional inference, ecc. Il modulo copre anche l'analisi semantica dei testi da news feed e social network per la previsione finanziaria.

Pagine

Abbonamento a RSS - Big Data Mining

Partners