Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
ICT FOR INTERNET AND MULTIMEDIA - INGEGNERIA PER LE COMUNICAZIONI MULTIMEDIALI E INTERNET
Insegnamento
NETWORK SCIENCE - SCIENZA DELLE RETI
INP7080669, A.A. 2018/19

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
ICT FOR INTERNET AND MULTIMEDIA - INGEGNERIA PER LE COMUNICAZIONI MULTIMEDIALI E INTERNET
IN2371, ordinamento 2017/18, A.A. 2018/19
N0
porta questa
pagina con te
Curriculum TELECOMMUNICATIONS [001PD]
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese NETWORK SCIENCE
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
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 TOMASO ERSEGHE ING-INF/03
Altri docenti LEONARDO BADIA ING-INF/03

Mutuante
Codice Insegnamento Responsabile Corso di studio
INP7080669 NETWORK SCIENCE - SCIENZA DELLE RETI TOMASO ERSEGHE IN2371

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Ingegneria delle telecomunicazioni ING-INF/03 9.0

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

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 9.0 72 153.0

Calendario
Inizio attività didattiche 01/10/2018
Fine attività didattiche 18/01/2019
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2019

Commissioni d'esame
Commissione Dal Al Membri
2 A.A. 2018/2019 01/10/2018 15/03/2020 ERSEGHE TOMASO (Presidente)
BADIA LEONARDO (Membro Effettivo)
CALVAGNO GIANCARLO (Supplente)
CORVAJA ROBERTO (Supplente)
GUGLIELMI ANNA VALERIA (Supplente)
LAURENTI NICOLA (Supplente)
MILANI SIMONE (Supplente)
ROSSI MICHELE (Supplente)
TOMASIN STEFANO (Supplente)
ZANELLA ANDREA (Supplente)
ZANUTTIGH PIETRO (Supplente)
ZORZI MICHELE (Supplente)
1 A.A. 2017/2018 01/10/2017 15/03/2019 BADIA LEONARDO (Presidente)
ERSEGHE TOMASO (Membro Effettivo)
BENVENUTO NEVIO (Supplente)
CALVAGNO GIANCARLO (Supplente)
CORVAJA ROBERTO (Supplente)
LAURENTI NICOLA (Supplente)
MILANI SIMONE (Supplente)
ROSSI MICHELE (Supplente)
TOMASIN STEFANO (Supplente)
VANGELISTA LORENZO (Supplente)
ZANELLA ANDREA (Supplente)
ZANUTTIGH PIETRO (Supplente)
ZORZI MICHELE (Supplente)

Syllabus
Prerequisiti: ATTENZIONE! Il corso ha due diverse articolazioni: NETWORK SCIENCE, da 9 crediti, viene erogato nella laurea magistrale in "ICT for Internet and multimedia", mentre SOCIAL NETWORK ANALYSIS, da 6 crediti, viene erogato nella laurea magistrale in "Strategie di comunicazione" e mutua una parte dei contenuti di NETWORK SCIENCE, completandoli con opportune attività di laboratorio e di progetto. La finalità delle due articolazioni è chiaramente differente, e pertanto la distinzione viene mantenuta in tutte le voci del presente syllabus.
--------------------------------

Nelle sue diverse articolazioni il corso ha i seguenti prerequisiti:
NETWORK SCIENCE - Il corso richiede conoscenze in Analisi Matematica e Algebra Lineare, Teoria della Probabilità e Programmazione al Calcolatore in un qualunque linguaggio appropriato per lo studio delle reti (es., MatLab, Python, C, Java).
SOCIAL NETWORK ANALYSIS - Il corso richiede conoscenze basilari di Matematica/Statistica, unite a capacità di orientarsi nell'ambito della Sociologia della Comunicazione e/o Tecniche di Indagine Sociale.

Può essere utile ogni ulteriore conoscenza dei processi di rete in economia, biologia, telecomunicazioni, semantica, etc.
Conoscenze e abilita' da acquisire: Nelle sue diverse articolazioni il corso ha le seguenti conoscenze e abilità attese:
NETWORK SCIENCE
1. Apprendere e interpretare criticamente le principali misure usate nell'analisi delle reti
2. Conoscere i principali modelli matematici che descrivono i processi di generazione di una rete
3. Saper riconoscere il livello di importanza dei nodi nella rete
4. Saper identificare comunità (ovvero gruppi coesi), anche parzialmente sovrapposte, usando soluzioni algoritmiche adeguate
5. Conoscere e saper utilizzare i principali modelli di diffusione in una rete
6. Valutare il livello di robustezza/coesione di una rete
7. Conoscere i principali ambiti di applicazione, anche interdisciplinari, delle tecniche studiate
8. Essere in grado di sintetizzare l'analisi di una rete in un documento professionale
9. Essere in grado di implementare al calcolatore algoritmi atti all'analisi delle reti
SOCIAL NETWORK ANALYSIS
1. Apprendere e interpretare criticamente le principali misure usate nell'analisi delle reti
2. Saper riconoscere il livello di importanza dei nodi nella rete
3. Saper identificare comunità (ovvero gruppi coesi), anche parzialmente sovrapposte
4. Valutare il livello di robustezza/coesione di una rete
5. Conoscere i principali ambiti di applicazione, anche interdisciplinari, delle tecniche studiate
6. Sapere applicare l'analisi di reti a contesti sociali/interdisciplinari valutandone olisticamente le implicazioni
Modalita' di esame: Nelle sue diverse articolazioni il corso ha le seguenti modalità di esame:
NETWORK SCIENCE
La verifica delle conoscenze e delle abilità attese viene effettuata con una prova di esame suddivisa in due parti:
1. SVILUPPO DI UN PROGETTO volto a verificare la capacità di applicazione della teoria in contesti anche interdisciplinari, e che richiede: la scelta, la raccolta dei dati e l'analisi di una differente rete per ogni studente; l'implementazione al calcolatore (in un qualsiasi linguaggio di programmazione noto allo studente) degli algoritmi richiesti per l'analisi; la stesura di una elaborato. Il progetto è previsto in due modalità:
1a. per studenti FREQUENTANTI in cui gli studenti vengono guidati verso obiettivi intermedi di progetto coerentemente con lo sviluppo delle lezioni, e completano il progetto al termine del corso;
1b. per studenti NON FREQUENTANTI, in cui lo sviluppo del progetto avviene in un'unica soluzione e viene discusso in un esame orale in uno degli appelli istituzionali.
2. ESAME SCRITTO a libro aperto composto da 3 esercizi che richiedono di calcolare analiticamente e/o numericamente alcune misure di rete, volto a verificare la capacità analitica dello studente di riconoscere modelli e valutare metriche rilevanti; nello specifico gli esercizi verteranno su: analisi della tipologia di rete; modelli epidemiologici; analisi dell'importanza dei nodi di una rete; identificazione di comunità; robustezza della rete.
SOCIAL NETWORK ANALYSIS
La verifica delle conoscenze e delle abilità attese viene effettuata tramite una prova di esame suddivisa in due parti:
1. SVILUPPO DI UN PROGETTO volto a verificare la capacità di applicazione della teoria in contesti anche interdisciplinari, e che richiede: la scelta, la raccolta dei dati e l'analisi di una rete sociale o legata a tematiche interdisciplinari; la valutazione sociologica dei risultati ottenuti; la stesura di un elaborato. Il progetto è previsto in due modalità:
1a. per studenti FREQUENTANTI in cui gli studenti vengono guidati verso obiettivi intermedi di progetto coerentemente con lo sviluppo delle lezioni, e completano il progetto al termine del corso;
1b. per studenti NON FREQUENTANTI, in cui lo sviluppo del progetto avviene in un'unica soluzione.
2. ESAME ORALE che parte dalla presentazione del progetto tramite diapositive, integrata da interventi del docente volti a saggiare la capacità analitica dello studente di riconoscere modelli e valutare metriche rilevanti.

Il voto finale viene espresso come combinazione dei giudizi nelle due prove di esame (30% progetto, 70% esame) e prevede un bonus fino a 3 punti per gli studenti frequentanti (punto 1a). Gli appelli istituzionali prevedono alla mattina l'esame scritto per gli studenti di NETWORK SCIENCE, e al pomeriggio la discussione orale per gli studenti di SOCIAL NETWORK ANALYSIS e gli studenti di NETWORK SCIENCE non frequentanti.
Criteri di valutazione: I criteri di valutazione con cui verrà effettuata la verifica delle conoscenze e delle abilità attese, e opportunamente declinati a seconda della articolazione del corso, saranno:
1. Completezza delle conoscenze acquisite
2. Capacità di analisi di una rete attraverso le tecniche proposte
3. Proprietà nella terminologia tecnica usata, sia scritta che orale
4. Originalità e indipendenza nella identificazione della rete oggetto di studio
5. Competenza e coerenza nell'interpretazione del significato delle misure analitiche ottenute
6. Abilità nell'utilizzo degli strumenti informatici nello studio delle misure analitiche di rete (specifico per NETWORK SCIENCE)
7. Qualità dell'esposizione orale (specifico per SOCIAL NETWORK ANALYSIS)
Contenuti: Nelle sue diverse articolazioni il corso prevede di coprire i seguenti contenuti:
NETWORK SCIENCE
1. Modelli di rete - Proprietà basilari di una rete: grafi, matrice di adiacenza, distribuzione del grado dei nodi, connettività; Modello Erdos-Renyi; Grafi aleatori; Leggi di potenza e reti scale-free; Fenomeno dello small-world; Hubs; Generazione e espansione di una rete; Modello di Barabasi-Albert; Attaccamento preferenziale; Evolution networks; Assortatività; Robustezza.
2. Modelli epidemici di rete e modello compartimentale - Modello SIR; Modelli di infezione; Estensioni di SIR; Eterogeneità; Contagio complesso; Protezione della rete
3. Ranking - Hubs and authorities; PageRank: teletrasporto, ranking su argomenti specifici, misure di prossimità, grado di fiducia; Metodi di accelerazione tramite interpolazione quadratica.
4. Rilevazione di comunità - Dendrogrammi; Metodo di Girvan Newman e betweenness; Ottimizzazione della misura di modularità; Clustering spettrale; Altri algoritmi di clustering; Modello nucleo-periferia per comunità sovrapposte; Metodo di percolazione della Clique; Modello di affiliazione dei cluster e BigCLAM.
5. Altri argomenti: Link prediction; Comportamento a cascata; Massimizzazione dell'influenza; Rilevazione delle epidemie.
6. Scenari di applicazione
SOCIAL NETWORK ANALYSIS
1. Modelli di rete - Proprietà basilari di una rete: grafi, matrice di adiacenza, distribuzione del grado dei nodi, connettività; Grafi aleatori; Leggi di potenza e reti scale-free; Fenomeno dello small-world; Hubs; Attaccamento preferenziale; Assortatività; Robustezza.
2. Modelli epidemici di rete e modello compartimentale - Modello SIR; Modelli di infezione; Protezione della rete
3. Ranking - Hubs and authorities; PageRank: teletrasporto, ranking su argomenti specifici, misure di prossimità.
4. Rilevazione di comunità - Ottimizzazione della misura di modularità; Clustering spettrale; Modello nucleo-periferia per comunità sovrapposte; Modello di affiliazione dei cluster.
5. Scenari di applicazione
Attivita' di apprendimento previste e metodologie di insegnamento: Per gestire le sue diverse articolazioni, il corso prevede un blocco comune di 12 lezioni frontali (3 crediti) che dia una panoramica sulle tematiche e sulle metodologie e comprenda una carrellata sugli scenari applicativi. Le rimanenti lezioni sono invece organizzate diversamente a seconda della articolazione del corso, ovvero:
NETWORK SCIENCE
Si prevedono: 18 lezioni frontali di approfondimento matematico sulle tematiche introdotte nella parte comune, e che coprano anche la presentazione di tematiche più avanzate; 3 lezioni dedicate alla soluzione di esercizi; 3 lezioni dedicate alla revisione in itinere dei progetti.
SOCIAL NETWORK ANALYSIS
Si prevedono 8 lezioni di laboratorio atte a guidare gli studenti all'uso di programmi al calcolatore per l'analisi della rete, e 4 lezioni dedicate alla revisione in itinere dei progetti.

Le attività di didattica frontale prevedono l'utilizzo di tablet (lucidi + inchiostro digitale).
Eventuali indicazioni sui materiali di studio: Tutto il materiale didattico presentato durante le ore di lezione frontale è reso disponibile sulla piattaforma "http://elearning.dei.unipd.it".

Ulteriore materiale didattico di interesse può essere reperito nei siti web:
1. Albert-László Barabási, Network science, http://barabasi.com/networksciencebook
2. Jure Lescovec, Analysis of Networks, http://web.stanford.edu/class/cs224w
3. Remco van der Hofstad, Random graphs and complex networks, http://www.win.tue.nl/~rhofstad/NotesRGCN.html
Testi di riferimento:
  • Barabási, Albert-László, Network Science. Cambridge: Cambridge University Press, 2016. Cerca nel catalogo
  • Newman, Mark E. J., Networks: an introduction. Oxford: New York, Oxford University Press, 2010. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Problem based learning
  • Case study
  • Problem solving
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • One Note (inchiostro digitale)

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Uguaglianza di genere Industria, innovazione e infrastrutture Ridurre le disuguaglianze Citta' e comunita' sostenibili