Analyse de megadonnées2012/13
Cet enseignement présente les principales techniques liées à l'analyse de grandes quantités de données.
Infos
-
Changement des horarires pour l'enseignement de Analyse de mégadonnées
Vendredi 7/6 il y aura deux leçons de l'enseignement de Analiyse de mégadonnées: une entre 11:30 et 13:30 (aula 5) et une autre entre 13:30 et 15:30.
-
Annulation leçon de Analyse de mégadonnées du 31/5
La leçons du 31/5 est annulée à cause d'une conférence.
-
Heures de bureau annulées
Les heures de bureau regulières sont annulées jusqu'au prochaîn semestre. Les étudiants peuvent organiser un rendez-vous via e-mail.
Infos précédentes (10)
-
Annulation leçon de Analyse de mégadonnées du 17/5 et du 21/5
Les leçons du 17/5 et du 21/5 sont annulées à cause d'une réunion de projét de la CE.
-
Tutoriel sur l'installation de Hadoop
J'ai publié un tutoriel sur l'installation de Hadoop sur une machine virtuelle.
-
Heures de bureau annulées
Les heures de bureau du 2/5 et du 9/5 sont annulées. Les étudiants peuvent organiser un rendez-vous via e-mail.
-
Annulation leçon de Analyse de mégadonnées du 26/4
La leçon du 22/3 est annulée à cause des vacances du 25/4.
-
Série de séminaires sur la création de start-up
Une série de séminaires sur la création de start-up va avoir lieu dans notre Université.
-
Annulation leçon de Analyse de mégadonnées du 22/3
La leçon du 22/3 est annulée à cause d'un grève du transport publique.
-
Changement des horarires pour l'enseignement de Analyse de mégadonnées
À partir du 19/03 les leçons du mardi auront lieu en aula 6 entre 14:30 et 16:30, et les leçons du vendredi auront lieu en aula 5 entre 13:30 et 15:30.
-
Changement de date pour la leçon de Analyse de mégadonnées du 15/03
La leçon de vendredi 15/03 commencera à 14:30.
-
Annulation leçon de Analyse de mégadonnées du 8/3
La leçon du 8/3 est annulée.
-
Heures de bureau annulées
Les heures de bureau du 28/02 sont annulées. Les étudiants peuvent organiser un rendez-vous via e-mail.
Horaires du cours
Les cours auront lieu au département d'Informatique, selon le calendrier suivant:
| Jour | Heure | Lieu |
|---|---|---|
| mardi | 14:30 - 16:30 | aula 6 |
| vendredi | 13:30 - 15:30 | aula 5 |
Tout changement à l'horaire sera annoncé en classe et publié dans la section Infos de cette page.
Heures de bureau
Sur rendez-vous, salle 5015 du Département d'Informatique.
Il est possible contacter l'enseignant par e-mail, en prenant soin de lire à l'avance le guide préparé par le professeur Sebastiano Vigna et précisant clairement dans le message le nom du cours et l'année scolaire. En particulier, les étudiants sont encouragés à toujours utiliser leur adresse académique (c'est à dire celui basée sur la domaine studenti.unimi.it) en signant avec nom et numéro d'identification et rappelant que le temps de réponse peut varier en fonction des engagements de l'enseignant.
Materiel bibliographique
L'enseignement fait référence au livre: Anand Rajaraman and Jeff Ullman, Mining of Massive Datasets, disponible soit en format PDF téléchargeable gratuitement soit en version imprimée et publiée par Cambridge University Press (ISBN:9781107015357).
La partie sur les systèmes de fichiers distribués et sur MapReduce fait réference au livre adopté et au tutoriel sur Hadoop publié par Yahoo!
La partie sur l'apprentissage automatique est décrite dans le chapitre additionel du livre disponible en ligne, dans le chapitre 3 de S. Haykin, Neural Networks: A Comprehensive Foundation, Prentice Hall, 1999 (ISBN 0-13-908385-5) et dans deux tutoriels en ligne sur la classification et sur la régression.
La partie sur la réduction dimensionnelle est décrite dans le chapitre additionel du livre disponible en ligne.
Programme
Le programme fait référence aux arguments détaillés dans le calendrier des leçons, qui correspond au matériel du livre adopté dans les chapitres 1, 2 (excluant le paragraphe 2.6.7), 3 (jusqu'au paragraphe 3.7 inclus), 4 (jusqu'au paragraphe 4.5 inclus), 5 (excluant les paragraphes 5.2.4 et 5.2.5), 6 (jusqu'au paragraphe 6.5.1 inclus), 7 (jusqu'au paragraphe 7.5 inclus), 8 (jusqu'au paragraphe 8.4.6 inclus), 9 (jusqu'au paragraphe 9.4 inclus), 10 (paragraphes 10.1, 10.2, 10.4 et 10.5), 11 (jusqu'au paragraphe 11.3 inclus) et 12 (jusqu'au paragraphe 12.3 inclus), plus le reste des documents indiqués entre le matériel bibliographique.
Calendrier des leçons
| Leçon | Date | Sujet | Documents |
|---|---|---|---|
| L01 | 05/03/2013 | Introduction à la fouille des données | |
| L02 | 12/03/2013 | Systèmes de fichiers distribués et Hadoop | |
| L03 | 15/03/2013 | Map-reduce et Hadoop | |
| L04 | 19/03/2013 | Algorithmes Map-reduce | |
| L05 | 26/03/2013 | Analyse d'algorithmes map-reduce | |
| L06 | 05/04/2013 | Analyse d'algorithmes map-reduce | |
| L07 | 09/04/2013 | noSQL | |
| L08 | 16/04/2013 | Recherche d'élements similaires | |
| L09 | 19/04/2013 | Recherche d'élements similaires | |
| L10 | 23/04/2013 | Fouille de flots de données | |
| L11 | 30/04/2013 | Analyse de liens | |
| L12 | 03/05/2013 | Analyse de liens | |
| L13 | 07/05/2013 | Ensembles d'élements fréquents | |
| L14 | 10/05/2013 | Ensembles d'élements fréquents | |
| L15 | 14/05/2013 | Web advertising | |
| L16 | 24/05/2013 | Clustering | |
| L17 | 28/05/2013 | Clustering | |
| L18 | 04/06/2013 | Recommendation systems | |
| L19 | 07/06/2013 | Système de recommandation | |
| L20 | 07/06/2013 | Perceptrons | |
| L21 | 11/06/2013 | Classification basée sur vecteurs de support | |
| L22 | 14/06/2013 | Régression basée sur vecteurs de support | |
| L23 | 18/06/2013 | Réduction dimensionnelle | |
| L24 | 21/06/2013 | Analyse des résaux sociaux |