«Richard – Introduzione al Data Mining» è adottato per Elementi di Data Mining dal prof. Giuseppina Andresini (Informatica e Tecnologie dell'Informazione - Taranto – sede di Taranto, Informatica e Tecnologie per la Produzione del Software – sede di Bari, Informatica – sede di Bari – Bari).
Come lo indica il docente: Richard J. Roiger, Michael W. Geatz, Introduzione al Data Mining. McGraw-Hill, 2003
Titolo
Introduzione al data mining
Autori
Richard J. Roiger
Editore
McGraw-Hill, 2004
ISBN
9788838661679
Chi lo adotta
Elementi di Data Mining – Prof. Giuseppina Andresini (canale unico)Informatica e Tecnologie dell'Informazione - Taranto – sede di Taranto · Laurea triennale (L-31) · esame facoltativo · Percorso standard · 6 CFU
Richard – Introduzione al Data Miningquesto libroCerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026
Argomenti del programma: 1) Unsupervised machine learning: l'algoritmo k-means, analisi dei cluster, valutazione della qualità dei cluster. 2) Analisi di associazione. regola di associazione, itemset frequenti, principali esempi di pattern di associazione. 3) Mining data streams: Introduzione ai concetti preliminari sullo stream, gestione del cambiamento nei dati derivanti dallo stream, algoritmi per l’identificazione del cambiamento nello…
Richard – Introduzione al Data Miningquesto libroCerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026
Argomenti del programma: 1) Unsupervised machine learning: l'algoritmo k-means, analisi dei cluster, valutazione della qualità dei cluster. 2) Analisi di associazione. regola di associazione, itemset frequenti, principali esempi di pattern di associazione. 3) Mining data streams: Introduzione ai concetti preliminari sullo stream, gestione del cambiamento nei dati derivanti dallo stream, algoritmi per l’identificazione del cambiamento nello…
Richard – Introduzione al Data Miningquesto libroCerca su Amazon ›Il prof non ha cambiato il libro dall'anno scorsoVerificato sulla scheda ufficiale il 03/10/2026
Argomenti del programma: 1) Unsupervised machine learning: l'algoritmo k-means, analisi dei cluster, valutazione della qualità dei cluster. 2) Analisi di associazione. regola di associazione, itemset frequenti, principali esempi di pattern di associazione. 3) Mining data streams: Introduzione ai concetti preliminari sullo stream, gestione del cambiamento nei dati derivanti dallo stream, algoritmi per l’identificazione del cambiamento nello…