





Studia grazie alle numerose risorse presenti su Docsity
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
Prepara i tuoi esami
Studia grazie alle numerose risorse presenti su Docsity
Prepara i tuoi esami con i documenti condivisi da studenti come te su Docsity
Trova i documenti specifici per gli esami della tua università
Preparati con lezioni e prove svolte basate sui programmi universitari!
Rispondi a reali domande d’esame e scopri la tua preparazione
Riassumi i tuoi documenti, fagli domande, convertili in quiz e mappe concettuali
Studia con prove svolte, tesine e consigli utili
Togliti ogni dubbio leggendo le risposte alle domande fatte da altri studenti come te
Esplora i documenti più scaricati per gli argomenti di studio più popolari
Ottieni i punti per scaricare
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
tesina algoritmi e programma cart per informatica
Tipologia: Tesine universitarie
1 / 9
Questa pagina non è visibile nell’anteprima
Non perderti parti importanti!






Scienze della comunicazione, tecnologie e culture digitali 2015/ La definizione di informatica proposta dall’ACM (Association for Computing Machinery), una delle principali organizzazioni scientifiche di informatici di tutto il mondo, è la seguente: ”L’informatica è la scienza degli algoritmi che descrivono e trasformano l’informazione: la loro teoria, analisi, progetto, efficienza, realizzazione e applicazione.” Pertanto l’algoritmo è un concetto fondamentale e centrale dell’informatica, perché è alla base della nozione teorica di calcolabilità: un problema è calcolabile quando è risolvibile mediante un algoritmo. Il termine deriva dalla trascrizione latina del nome del matematico persiano al- Khwarizmi, che è considerato uno dei primi autori ad aver fatto riferimento a questo concetto. In informatica, un algoritmo non è altro che un procedimento che permette la risoluzione di specifici problemi mediante l'applicazione di una sequenza finita di precise istruzioni, che a loro volta devono essere interpretate ed eseguite, fino alla loro conclusione, seguendo un certo ordine. Le proprietà fondamentali che deve avere un qualunque algoritmo sono:
Altro caso è quello dell’applicazione di uno specifico algoritmo di un sofisticato software su alcuni veicoli Volkswagen che rileva quando la macchina è in fase di test ufficiali di emissioni, e trasforma completamente i comandi delle emissioni solo durante questa fase. L’efficacia dei dispositivi di controllo delle emissioni di inquinamento di questi veicoli è notevolmente ridotta in tutte le situazioni di guida normali. Ciò si traduce in automobili che soddisfano gli standard di emissioni in laboratorio o nelle testing station, ma durante il normale funzionamento, emette ossidi di azoto o NOx, fino a 40 volte sopra la norma. Nel 2015 invece, si è molto parlato dell'algoritmo utilizzato dal ministero dell'istruzione (MIUR), università e ricerca per assegnare le cattedre ai docenti. Il sistema utilizzando dati ed informazione dei docenti, inviati via email (oltre 55.000), ha assegnato le cattedre incrociando punti e province. Un meccanismo che costringerà molti precari, inseriti da anni nella graduatoria ad esaurimento di una determinata provincia ovvero nella graduatoria di merito dei concorsi regionali, ad accettare sedi di servizio non ricomprese nella regione o provincia di attuale inclusione, pena l’esclusione da ogni possibilità di assunzione, pur in presenza di posti disponibili in sede locale.
I processi aziendali sono ormai caratterizzati da una grande mole di dati e risulta quindi sempre più difficile estrarreda essi le caratteristiche rilevanti per poter prendere decisioni; pertanto risulta di fondamentale importanza un processo atto a scoprire correlazioni, relazioni e tendenze, setacciando grandi quantità di dati immagazzinati in archivi, usando tecniche di riconoscimento delle relazioni e tecniche e statistiche e matematiche. Il data mining non consiste in un processo atto a prendere decisioni, ma è di supporto ad esso. Le tecniche del data mining vengono utilizzate in molteplici e differenti ambiti:
soluzione a tutti i problemi aziendali. Tutte queste definizioni però non tengono conto del fatto che il data mining non è legato ad alcuna tecnica specifica e non rappresenta una soluzione universale. Vi sono molteplici tecniche di Data Mining e l'obiettivo dell'analisi è la guida per scegliere correttamente quali di esse utilizzare. Gli strumenti del Data Mining si dividono in due gruppi, entrambi necessari:
valori delle variabili predittive. Possono essere pertanto trattati direttamente senza analisi preventive ed eventuali trasformazioni anche variabili multimodali o con distribuzioni non normali oppure predittori a valori discreti finiti ordinali o non ordinali. Inoltre l'analisi CART ha il grande vantaggio di poter operare anche in caso di variabili predittive per la quali mancano i valori. L'analisi CART, dunque presenta un certo numero di vantaggi rispetto ad altri metodi di classificazione. In primo luogo, come è già stato detto: è intrinsecamente non parametrica. Cioè non viene formulato alcun presupposto sulla distribuzione di base dei valori delle variabili predittrici. Quindi CART può maneggiare sia dati numerici, sia dati non numerici a struttura ordinale e non ordinale. Ciò è una caratteristica importante poiché fa risparmiare all'analista il tempo necessario ad effettuare una serie di stranscodifiche per rendere le variabili con distribuzione normale. CART identifica le variabili di suddivisione effettuando una ricerca esauriente di tutte le possibilità attraverso efficienti algoritmi e quindi funziona anche nei problemi con molte centinaia di possibili predittori. CART inoltre usa metodi sofisticati per trattare variabili mancanti, quindi è possibile ottenere risultati utili anche qualora siano parzialmente mancanti. Un altro vantaggio consiste nel limitare le preparazioni sui dati da parte dell'analista fornendo un metodo relativamente automatico di apprendimento. Infine, gli alberi di CART sono relativamente semplici da interpretare per coloro che non sono statistici. L'analisi di CART consiste sinteticamente in quattro passi base: