CLEBA

Lingua Insegnamento:

Italiano
Testi di riferimento:

Appunti del corso
Per ulteriori approfondimenti:
Leskovec, Jure, Anand Rajaraman, and Jeffrey David Ullman.
Mining of massive datasets.
Cambridge University Press, 2014.
Disponibile gratuitamente online: http://www.mmds.org/
Obiettivi formativi:

L’obiettivo formativo per lo studente è che raggiunga i seguenti risultati di apprendimento:
Conoscenza e capacità di comprensione
Il corso intende fornire le conoscenze metodologiche e applicative relative ai principali strumenti e metodi per l'analisi di insiemi di dati potenzialmente grandi.
Capacità di applicare conoscenza e comprensione
Al termine del corso di insegnamento, lo studente sarà in grado di analizzare dataset da web, da file e da database, anche di grandi dimensioni.
Prerequisiti:

Lo studente deve possedere le conoscenze della statistica di base. È consigliata, anche se non richiesta, una conoscenza di base della programmazione.
Metodi didattici:

Lezioni orali.
Modalità di verifica dell'apprendimento:

Conoscenza e capacità di comprensione
La verifica dei risultati di apprendimento è effettuata tramite una o più prove scritte (più prove scritte nel caso di effettuazione di prove parziali) ed un colloquio orale (quest’ultimo è facoltativo e/o a discrezione del docente).
Nella prova scritta sono proposti sia esercizi che domande di teoria.
Il colloquio orale (facoltativo e/o a discrezione del docente) consiste in domande volte ad approfondire alcuni dei temi del programma (anche tra quelli ricompresi nella prova scritta) con la finalità di verificare la capacità dello studente di analizzare aspetti più particolari e specifici.
La valutazione finale, espressa in trentesimi, tiene conto sia della/e prova/e scritta/e che del colloquio orale.

Capacità di applicare conoscenza e comprensione
Durante le prove d’esame si verifica la capacità degli studenti di applicare le conoscenze fornite dal corso al fine di essere in grado di estrarre, manipolare e analizzare dati da web, da file e da database, anche di grandi dimensioni.
Sostenibilità:
Obiettivi Agenda 2030 per lo sviluppo sostenibile:

Gli argomenti trattati nel corso non sono direttamente riconducibili alla sostenibilità ambientale, sociale ed economica.
Altre Informazioni:

- Introduzione al fenomeno dei Big Data
- Metodologie per Big data
- Data mining
- Machine learning and Neural Networks

Introduzione

• Introduzione al fenomeno dei Big Data
Metodologie per i Big data
• Frameworks di programmazione: MapReduce/Hadoop, Spark
Data Mining
• Similar Items
• Frequent Itemset and Association Analysis
• Clustering
Graph Analytics
• PageRank
• Large scale Machine Learning
• Neural Nets and Deep Learning