|
Siamo già al secondo giorno di Conferenza sul Data Mining, come mi immaginavo l'ambiente e' molto stimolante e coinvolgente, e' naturale non c'e' un attimo di pausa, a parte i coffe break (come in questo momento).
L'Organizzazione della Conferenza e' fatto molto bene, ci sono sessioni comuni e sessioni parallele, fino ad un massimo di 4.
il secondo giorno e' cominciato con un bel workshop di Ravi Kumar e con una breve presentazione delle aziende che nelle giornate di oggi, domani e giovedi presenteranno le loro soluzioni. La giornata di ieri era organizzata per dar modo a tutti i partecipanti di approcciare la settimana di conferenza in maniera da tutti gli argomenti trattati. Si e' quindi iniziato con 4 sessioni parallele:
Fodamenti di DataMining
DataMining per problemi relativi a dati "spazio temporali"
Data Mining su dati complessi
Data Mining ad alte performance - Fondamenti di DataMining ha ripercorso la gestione del processo esplorativo dei dati utilizzato per raggiungere dei risultati, nei vari step sono poi stat presentati vari algoritmi che in base all'uso che ne viene fatto possono raggiungere dei risultati migliori rispetto a quanto già fanno algoritmi utilizzati in maniera diffusa.
- DataMining per problemi relativi a dati "spazio temporali" ha illustrato molti degli studi effettuati nelle Università di tutto il mondo, alcuni relativi alle traccie GPS di utilizzatori di auto e moto per lo spostamento, all'indagine sulle coltivazioni di determinati alimenti e culture, altri relativi allo sfruttamento del territorio ed altri ancora con un ottica al riscaldamento terrestre
- Data Mining su dati complessi, sono stati affrontati molti degli argomenti relativi alla gestione di dati nei quali non sono possibili ad una prima analisi l'individuazione di particolari risultati, quindi sono necessarie varie analisi a monte di quella predittiva.
- Data Mining ad alte performance, si affrontavano gli argomenti relativi a del Data Mining con un elevato numero di dati ma che necessita di una risposta in "tempo reale", quindi cluster di server, classificazioni prima dell'analisi dei dati e tutto ciò che porta ad un restringimento del set di dati, in modo da permettere una risposta più efficente possibile. Alla prossima pausa caffè 
|
