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 anche con l’aiuto di casi di studio concreti svolti in laboratorio, sarà in grado di estrarre e manipolare dati 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. Esercitazioni pratiche in aula informatica.
Verifica Apprendimento
Conoscenza e capacità di comprensione
La verifica dei risultati di apprendimento sarà effettuata tramite una o più prove scritte ed un colloquio finale (quest’ultimo è facoltativo e/o a discrezione del docente). La valutazione finale, espressa in trentesimi, tiene conto sia delle prove scritte preliminari che del colloquio di esame.
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 e manipolare dati da web, da file e da database, anche di grandi dimensioni.
Testi
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/
Contenuti
- Introduzione al fenomeno dei Big Data - Metodologie per Big data - Data mining - Lab & tools
