Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
DATA SCIENCE
Insegnamento
BIG DATA COMPUTING
SCP7079297, A.A. 2017/18

Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
DATA SCIENCE
SC2377, ordinamento 2017/18, A.A. 2017/18
N0
porta questa
pagina con te
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese BIG DATA COMPUTING
Sito della struttura didattica http://datascience.scienze.unipd.it/2017/laurea_magistrale
Dipartimento di riferimento Dipartimento di Matematica
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile ANDREA ALBERTO PIETRACAPRINA INF/01

Mutuante
Codice Insegnamento Responsabile Corso di studio
INP7079233 BIG DATA COMPUTING ANDREA ALBERTO PIETRACAPRINA IN0521

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Tecnologie dell'informatica INF/01 3.0
CARATTERIZZANTE Tecnologie dell'informatica ING-INF/05 3.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 48 102.0

Calendario
Inizio attività didattiche 26/02/2018
Fine attività didattiche 01/06/2018
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2017

Commissioni d'esame
Commissione Dal Al Membri
2 A.A. 2018/2019 01/10/2018 15/03/2020 PIETRACAPRINA ANDREA ALBERTO (Presidente)
PUCCI GEPPINO (Membro Effettivo)
BILARDI GIANFRANCO (Supplente)
FANTOZZI CARLO (Supplente)
PESERICO STECCHINI NEGRI DE SALVI ENOCH (Supplente)
SILVESTRI FRANCESCO (Supplente)
VANDIN FABIO (Supplente)
1 A.A. 2017/2018 01/10/2017 15/03/2019 PIETRACAPRINA ANDREA ALBERTO (Presidente)
PUCCI GEPPINO (Membro Effettivo)
BILARDI GIANFRANCO (Supplente)
FANTOZZI CARLO (Supplente)
SILVESTRI FRANCESCO (Supplente)
VANDIN FABIO (Supplente)

Syllabus
Prerequisiti: Competenze relative al progetto e all'analisi di algoritmi e strutture dati, e conoscenza delle nozioni fondamentali di calcolo delle probabilità e statistica.
Conoscenze e abilita' da acquisire: Il corso fornisce allo studente conoscenze relative ai principali strumenti e metodi per l'analisi di insiemi di dati potenzialmente grandi.
Modalita' di esame: Prova scritta e progetto (di gruppo) obbligatori. I progetti sono presentati e discussi a fine corso o, facoltativamente, in una prova orale successiva al superamento dello scritto.
Criteri di valutazione: La valutazione finale è ottenuta combinando la valutazione del progetto e quella dello scritto.
Contenuti: Il corso affronterà i seguenti argomenti:

Introduzione al fenomeno dei Big Data
Programming frameworks: MapReduce/Hadoop, Spark
Association Analysis
Clustering
Graph Analytics (metriche di centralità, scale-free/Power-law graphs, fenomeno dello small world, uncertain graphs)
Similarity and diversity search
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni frontali e attività propedeutiche allo svolgimento del progetto
Eventuali indicazioni sui materiali di studio: Il diario delle lezioni, il materiale didattico e le modalità d'esame dettagliate saranno resi disponibili sul sito web accessibile da MOODLE.
Testi di riferimento:
  • J. Leskovec, A. Rajaraman and J. Ullman, Mining Massive Datasets. --: Cambridge University Press, 2014. Available in pdf Cerca nel catalogo