Libri UniversitariApri il catalogo

Azzalini – Analisi dei dati e data mining

Libro adottato a Padova, Bari, Chieti-Pescara, Vanvitelli, a.a. 2026/2027 · 5 canali

«Azzalini – Analisi dei dati e data mining» è adottato per Big Data dal prof. Michelangelo Ceci (Computer Science – sede di Bari – Bari); per Data Mining dal prof. Rosanna Verde (Scienze e Tecniche delle Amministrazioni Pubbliche – Vanvitelli); per Metodi Statistici per Big Data dal prof. Francesco Denti (Statistica per l'Economia e l'Impresa – sede di Padova, Statistica per le Tecnologie e le Scienze – sede di Padova – Padova); per Data Mining dal prof. Luigi Ippoliti (Economia e Informatica per l'Impresa – Chieti-Pescara).

Azzalini – Analisi dei dati e data miningCerca su Amazon ›

Come lo indica il docente: Azzalini e Scarpa, Analisi dei dati e data mining, Springer, 2004 · A. Azzalini - B. Scarpa, Analisi dei dati e data mining, Springer-Verlag Italia, 2004 ISBN 88-470-0272-9 · Azzalini, A., & Scarpa, B. (2004). Analisi dei dati e data mining (e altre 1 varianti)

Titolo
Analisi dei dati e data mining
Autori
Adelchi Azzalini
Editore
Springer, 2009
ISBN
9788847002722

Chi lo adotta

Programma e testi di ogni canale

Big Data – Prof. Michelangelo Ceci Canale unico

Corso di laurea: Computer Science – sede di Bari · Laurea magistrale (LM-18) · 2º anno · 1º semestre · 6 CFU

Bari · Dipartimento di Informatica · 6 CFU · apri nel catalogo · Computer Science – sede di Bari · 2º anno · 1º semestre ›

Mayer-Schönberger e Cukier, Big Data

Work – And ThinkCerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026
Sadalage e Fowler, NoSQL Distilled, Addison-Wesley, 2012Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026

Aggarwal, Data Mining

The Textbook, Springer, 2015Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026
Mitchell, Machine Learning, McGraw-Hill, 1997Cerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026
Roiger – Introduction to Data MiningCerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026
Azzalini – Analisi dei dati e data miningquesto libroCerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare
  • Articoli scientifici, slide e materiali di laboratorio sono disponibili su ADA.

Argomenti del programma: 1. Introduzione ai Big Data Definizioni; motivazioni e contesti applicativi; caratteristiche e dimensioni dei Big Data; scalabilita; estrazione di valore dai dati; il quarto paradigma della ricerca scientifica. 2. Modellazione e memorizzazione dei Big Data Modello ad aggregati. Modelli key-value, documentale e column-family. BigTable e DynamoDB. Database a grafo: concetti, interrogazione e organizzazione dei dati.

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Data Mining – Prof. Rosanna Verde Canale unico

Corso di laurea: Scienze e Tecniche delle Amministrazioni Pubbliche · 1º anno · 2º semestre · 8 CFU

Vanvitelli · Dipartimento di Scienze Politiche · 8 CFU · apri nel catalogo · Scienze e Tecniche delle Amministrazioni Pubbliche · 1º anno · 2º semestre ›

Uno a scelta tra questi 2:

Zani – Analisi dei dati e Data Mining per…Cerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Azzalini – Analisi dei dati e data miningquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 04/10/2026
Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Metodi Statistici per Big Data – Prof. Francesco Denti Canale unico

Corso di laurea: Statistica per l'Economia e l'Impresa – sede di Padova · Laurea triennale (L-41) · esame facoltativo · 9 CFU

Padova · Dipartimento di Scienze Statistiche · 9 CFU · apri nel catalogo · Statistica per l'Economia e l'Impresa – sede di Padova · 3º anno · 2º semestre ›

Azzalini – Analisi dei dati e data miningquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Libri consigliati nell'a.a. 2025/2026
Materiale didattico del corsoCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare
  • Il materiale di studio e i testi di riferimento per la preparazione dell'esame comprendono:
  • Materiale Didattico: Slide delle lezioni, script R e notebook computazionali (.html) caricati regolarmente sulla piattaforma Moodle durante l'insegnamento.

Argomenti del programma: L’insegnamento è strutturato nei seguenti nuclei tematici: - Aspetti di Statistica Computazionale: Introduzione agli algoritmi ricorsivi e dinamici; formulazione e stima del Modello Lineare Dinamico (DLM). - Metodi Avanzati di Riduzione della Dimensionalità: Analisi delle Componenti Indipendenti (ICA); Curve Principali (Principal Curves) e Superfici Principali (Principal Surfaces); Tecniche di embedding non lineare…

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Metodi Statistici per Big Data – Prof. Francesco Denti Canale unico

Corso di laurea: Statistica per le Tecnologie e le Scienze – sede di Padova · Laurea triennale (L-41) · esame facoltativo · 9 CFU

Padova · Dipartimento di Scienze Statistiche · 9 CFU · apri nel catalogo · Statistica per le Tecnologie e le Scienze – sede di Padova · 3º anno · 2º semestre ›

Azzalini – Analisi dei dati e data miningquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Libri consigliati nell'a.a. 2025/2026
Materiale didattico del corsoCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare
  • Il materiale di studio e i testi di riferimento per la preparazione dell'esame comprendono:
  • Materiale Didattico: Slide delle lezioni, script R e notebook computazionali (.html) caricati regolarmente sulla piattaforma Moodle durante l'insegnamento.

Argomenti del programma: L’insegnamento è strutturato nei seguenti nuclei tematici: - Aspetti di Statistica Computazionale: Introduzione agli algoritmi ricorsivi e dinamici; formulazione e stima del Modello Lineare Dinamico (DLM). - Metodi Avanzati di Riduzione della Dimensionalità: Analisi delle Componenti Indipendenti (ICA); Curve Principali (Principal Curves) e Superfici Principali (Principal Surfaces); Tecniche di embedding non lineare…

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Data Mining – Prof. Luigi Ippoliti Canale unico

Corso di laurea: Economia e Informatica per l'Impresa · Laurea triennale (L-33) · 3º anno · 1º semestre · 6 CFU

Chieti-Pescara · Dipartimento di Economia · 6 CFU · apri nel catalogo · Economia e Informatica per l'Impresa · 3º anno · 1º semestre ›

Kevin Murphy – Machine learningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Libri consigliati nell'a.a. 2025/2026
James – An Introduction to Statistical LearningCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Data mining, inference and predictionCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Wickham – Ggplot2Cerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Approach – 3rd editionCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
James – Introduzione all'apprendimento statisticoCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Azzalini – Analisi dei dati e data miningquesto libroCerca su Amazon ›Verificato sulla scheda ufficiale il 03/10/2026
Bacheca del docente: cosa indica di studiare
  • Dispense del corso ed esercitazioni pratiche

Argomenti del programma: Il corso prevede la trattazione dei seguenti argomenti per il raggiungimento dei risultati di apprendimento attesi: introduzione all'apprendimento statistico, Tecniche di visualizzazione dei dati, Tecniche di apprendimento supervisionato (classificazione) e non supervisionato (tecniche di riduzione di dimensionalità) con l’uso del linguaggio R, Python e MATLAB

Apri la scheda ufficiale ›
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.

Si studia insieme a