Francesco Stranieri

Student

Programmer

Web Developer

Francesco Stranieri

Student

Programmer

Web Developer

Data Mining – Classification

  • Date: 07/09/2019
See Demo

Acquisisce questo Badge il learner che partecipa al corso “Data Mining: Classification” erogato dalla piattaforma EduOpen.

Il Badge è a tutti gli effetti l’Attestato di Partecipazione al corso.

Questo Badge attesta che lo studente ha partecipato e concluso positivamente il corso  “Data Mining: Classification”.

Il detentore di questo BADGE ha acquisito le seguenti

Competenze:

– Come pre-processare e trasformare diversi tipi di dati.

– Come formulare problemi di classificazione supervisionata binaria e non binaria.

– Come sviluppare un classificatore supervisionato per risolvere problemi di classificazione binaria e non binaria.

– Come comparare diversi classificatori supervisionati, in presenza o assenza di matrici di costo, per selezionare quello “ottimale”.

– Come identificare gli “attributi rilevanti” per la risoluzione di un problema di classificazione supervisionata.

– Come sviluppare un workflow KNIME per formulare e risolvere problemi di classificazione supervisionata binaria e non binaria.

Questo BADGE è assegnato allo studente che abbia seguito, sulla piattaforma per l’erogazione dei Mooc EduOpen, il corso di “Data Mining: Classification” tenuto dal Prof. Fabio Stella del DIpartimento di Informatica, Sistemistica e Comunicazione dell’Università di Milano-Bicocca.

Lo studente ha preso visione di video lezioni metodologiche e pratiche sui seguenti argomenti base; tipi di dato, esplorazione dei dati, trattamento di dati mancanti e pre-processamento di dati di tipi differenti.

Il candidato ha inoltre preso visione di lezioni metodologiche e pratiche su; formulazione e risoluzione di problemi di classificazione supervisionata binaria con e senza matrici di costo, misure di prestazione di un classificatore e tecniche per la loro stima, curve ROC, Lift e di guadagno cumulato, tecniche per la selezione degli attributi “rilevanti” e tecniche per la formulazione e risoluzione di problemi di classificazione non binaria.

Il candidato ha infine preso visione di lezioni metodologiche e pratiche per l’addestramento e la validazione dei seguenti modelli di classificazione supervisionata; alberi di decisione, regressione logistica, feed-forward neural networks, support vector machines, naive Bayes, tree augmented naive Bayes e classificatori Bayesiani.

Il candidato ha utilizzato la piattaforma open source KNIME per svolgere le sessioni pratiche nelle quali gli è stato richiesto di sviluppare un workflow KNIME e di effettuarne il caricamento sulla piattaforma che ospita il corso.

%d blogger hanno fatto clic su Mi Piace per questo: