Diario delle lezioni

Ogni lezione è da 2 ore.

Totale: 24 lezioni (2*24 = 48 ore) per 6 CFU.

12 ottobre 2020 (Lezione n° 1)

  • Presentazione del corso
  • Introduzione al Data Mining
  • Introduzione ai Big Data
  • Principio di Bonferroni

13 ottobre 2020 (Lezione n° 2)

  • Introduzione alla computazione distribuita e concorrente
  • MapReduce e sua implementazione Hadoop: introduzione
  • File system distribuito HDFS: files e chunck
  • Architettura distribuita multirack
  • Gestione dei fallimenti
  • MapReduce: progettazione di algoritmi distribuiti
  • Map task
  • Reduce task
  • Combiners
  • Funzione di partizione

19 ottobre 2020 (Lezione n° 3)

  • MapReduce: prodotto matrice vettore
  • MapReduce: cammini di lunghezza 2 in grafi
  • MapReduce: prodotto di matrici in 2 step

20 ottobre 2020 (Lezione n° 4)

  • MapReduce: prodotto di matrici in un unico step
  • Estensioni di MapReduce: i Workflow
  • Spark: RDD, trasformazioni, azioni, Lazy evaluation, Lineage
  • Modello di costo di comunicazione in MapReduce
  • Reducer Size e Replication Rate

26 ottobre 2020 (Lezione n° 5)

  • Mapping schema: grafo bipartito input/output
  • Similarity join con MapReduce
  • Lower bound al reoplication rate
  • Esercizi su MapReduce

27 ottobre 2020 (Lezione n° 6)

  • Introduzione a Similar items
  • Jaccard similarity
  • Shingling di documenti di testo
  • Introduzione a funzioni Hash
  • Minhashing e Jaccard similarity

2 novembre 2020 (Lezione n° 7)

  • Minhash signature
  • Locality-Sensitive Hashing: dividere la matrice in bande
  • Il procedimento complete per la similarità di documenti di testo

3 novembre 2020 (Lezione n° 8)

  • Misure di distanza: distanze euclidee, distanza di Jaccard, distanza coseno, Edit distance, distanza di Hamming
  • Teoria Locality-Sensitive Hashing
  • AND-construction, OR-constriction, S-curve

9 novembre 2020 (Lezione n° 9)

  • LSH per distanza di Hamming
  • LSH per distanze euclidee
  • Matching di impronte digitali

10 novembre 2020 (Lezione n° 10)

  • Tecniche per item con alto grado di similarità: filtro per lunghezza e indicizzazione del prefisso
  • Frequent itemset: introduzione e applicazioni
  • Supporto, frequenza
  • Regole di associazione: confidenza, interesse

16 novembre 2020 (Lezione n° 11)

  • Algoritmo A-Priori

17 novembre 2020 (Lezione n° 12)

  • Esempio esecuzione Algoritmo A-Priori
  • Algoritmo di Park-Chen-Yu (PCY)
  • Varianti multi-stage e multi-hash dell’algoritmo PCY

23 novembre 2020 (Lezione n° 13)

  • Esempio di prestazioni migliorate con la variante multi-hash PCY
  • Algoritmo randomizzato “semplice”
  • Algoritmo distribuito di Savarese-Savasere-Omiecinski-Navathe (SON)
  • Algoritmo di Tovoinen (prima parte)

24 novembre 2020 (Lezione n° 14)

  • Algoritmo di Tovoinen (seconda parte)
  • Introduzione al problema del Clustering
  • Clustering gerarchico (prima parte)

30 novembre 2020 (Lezione n° 15)

  • Clustering gerarchico (seconda parte)
  • Algoritmo K-means di assegnamento di punti (prima parte)

1° dicembre 2020 (Lezione n° 16)

  • Algoritmo K-means di assegnamento di punti (seconda parte)
  • Algoritmo di Bradley, Fayyad e Reina (prima parte)

7 dicembre 2020 (Lezione n° 17)

  • Algoritmo di Bradley, Fayyad e Reina (seconda parte)
  • Algoritmo CURE
  • Algoritmo GRGPF (prima parte)

14 dicembre 2020 (Lezione n° 18)

  • Algoritmo GRGPF (seconda parte)
  • Introduzione all’analisi dei link nel Web

15 dicembre 2020 (Lezione n° 19)

  • PageRank
  • Teleporting
  • Calcolo del PageRank

21 dicembre 2020 (Lezione n° 20)

  • Topic-specific PageRank
  • TrustRank e Spam mass
  • Cenni a HITS

22 dicembre 2020 (Lezione n° 21)

  • Reti sociali: edge-betweeness per clustering
  • Algoritmo di Girvan-Newman
  • Modularity come misura della qualità di un clustering

11 gennaio 2021 (Lezione n° 22)

  • Ricerca di comunità in grafi sociali e correlazione con il problema degli itemset frequenti
  • Modelli generativi per la determinazione di comunità: AGM e BigCLAM (I parte)

12 gennaio 2021 (Lezione n° 23)

  • Modelli generativi per la determinazione di comunità: AGM e BigCLAM (II parte)
  • SimRank

18 gennaio 2021 (Lezione n° 24)

  • Panoramica dei tool per big data: import.io, Scraper API, RawGraphs, Gephi, Carto, Tableau
  • Esercizi in preparazione all’esame

19 gennaio 2021 (Lezione aggiuntiva)

  • Esercizi in preparazione all’esame

Scopri cosa vuol dire essere dell'Ud'A

SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551

SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371

email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693

icona Facebook   icona Twitter

icona Youtube   icona Instagram