Miniere di dati
La scoperta della conoscenza nascosta nelle grandi basi dati
Pagine: 224
ISBN: 9788846438096
Edizione: 1a edizione 2002
Codice editore: 380.195
Disponibilità: Discreta
Le aziende sono ricche di dati ma povere di informazioni. La ricchezza di dati può diventare ricchezza di conoscenza grazie al Knowledge discovery in databases (KDD) che offre una nuova generazione di tecniche per l'analisi intelligente di "miniere" di dati allo scopo di "estrarre" la conoscenza ivi nascosta.
Queste tecniche di data mining scoprono automaticamente nuovi fatti e correlazioni tra i dati, segnalando, per esempio, tipologie d'acquisto o altri comportamenti non individuati in precedenza.
La flessibilità di questi metodi è tale da permetterne l'utilizzo proficuo nei campi più vari: gestione di progetti di fidelizzazione, churn management, marketing mirato, diagnostica medica, prevenzione di frodi, controllo dei processi produttivi, identificazione di nuovi prodotti assicurativi e finanziari, ottimizzazione di spazi di vendita...
Miniere di dati presenta le diverse fasi del processo di scoperta della conoscenza nascosta nelle grandi basi dati e, in particolare, descrive, attraverso numerosi esempi pratici, alcune tecniche di data mining (alberi decisionali, regole associative, reti neurali artificiali, nearest neighbor, algoritmi genetici e logica fuzzy).
Questo libro, nato dall'esperienza pratica della sua autrice, si rivolge a tutti coloro che per lavoro affrontano problemi di analisi dei dati e non richiede al lettore conoscenze tecnico-informatiche.
Antonella Ferrari svolge da anni attività di consulenza per progetti di analisi di dati e di data mining in aziende di diversi settori, tra i quali: telefonia mobile, televisione, trasporti e spedizioni. È, inoltre, docente di Informatica generale II presso l'Università Cattolica del Sacro Cuore e autrice di pubblicazioni sulle tecnologie neurali applicate a problematiche aziendali.
Dal dato alla conoscenza
(KDD: Knowledge Discovery in Databases; Il processo di KDD; Gli obiettivi del KDD: la conoscenza e la metaconoscenza; La profondità della conoscenza)
Il data minino
(Cosa non é il data mining; Il data mining e la statistica; Il data mining e gli strumenti OLAP; Le tipologie di problemi affrontati con tecniche di data mining; Il computer che impara; Gli algoritmi di machine learning; La temporaneità di una teoria)
La preparazione dei dati
(La raccolta dei dati; L'analisi e la "pulizia" dei dati; La trasformazione dei dati; La pre-elaborazione dei dati)
Le tecniche di data minino
(Gli alberi decisionali; Le regole associative; Le reti neurali artificiali; Nearest neighbor; Gli algoritmi genetici; La logica fuzzy)
La creazione e la valutazione di un modello revisionale
(Il modello previsionale; Il processo di creazione del modello; La scelta del modello migliore)
Contributi: Riccardo Lodigiani
Collana: Economia e politica industriale
Argomenti: Demografia e statistica
Livello: Studi, ricerche
Potrebbero interessarti anche
