Laurea magistrale in Informatica (Università degli Studi di Milano)
Questo insegnamento introduce le principali tecniche legate all'analisi di grosse moli di dati.
Avvisi
| Data | Informazione |
|---|---|
| 06/06/2016 |
Sospensione del ricevimento studenti A partire dal 13 giugno il ricevimento studenti su base regolare è sospeso fino al prossimo semestre. Gli studenti possono contattare il docente per un ricevimento su appuntamento. |
| 01/05/2016 |
Sospensione del ricevimento studenti per due settimane Il ricevimento studenti è sospeso per le prossime due settimane. Gli studenti possono contattare il docente via e-mail. |
| 16/02/2016 |
Sospensione del ricevimento studenti del 22 febbraio Il ricevimento studenti del 22 febbraio è sospeso. Gli studenti possono contattare il docente per un ricevimento su appuntamento. |
| 23/11/2015 |
Credito per AWS Gli studenti del corso di analisi dei dati su larga scala possono ottenere codici promozionali per AWS registrandosi al programma AWS educate specificando «Università degli Studi di Milano» come istituzione. Crediti aggiuntivi possono essere ottenuti tramite il GitHub education program. |
| 05/10/2015 |
Sospensione lezione di Analisi dei dati su larga scala La lezione di Analisi dei dati su larga scala del 7 ottobre è sospesa. |
| 01/10/2015 |
Orario di ricevimento per il primo semestre L'orario di ricevimento studenti per il primo semestre si svolgerà il lunedì alle 14:30 nello studio del docente, a partire dal 5/10. |
Lingua
Le lezioni sono in italiano.
Orari del corso
Le lezioni si svolgeranno presso il dipartimento di Informatica, secondo il seguente orario provvisorio:
| Giorno | Ora | Luogo |
|---|---|---|
| lunedì | 14:30 - 16:30 | aula 5 |
| mercoledì | 14:30 - 16:30 | aula 6 |
Eventuali variazioni rispetto al calendario pianificato verranno comunicate in aula e pubblicizzate nel paragrafo Avvisi di questa pagina.
Ricevimento studenti
Su appuntamento, stanza 5015 del Dipartimento di Informatica.
È possibile contattare il docente tramite posta elettronica, avendo cura di leggere preventivamente la guida predisposta dal Prof. Sebastiano Vigna e di specificare chiaramente nell'oggetto del messaggio il nome dell'insegnamento e l'anno accademico. In particolare, si invitano gli studenti a usare sempre come mittente l'indirizzo fornito loro dall'Ateneo (basato cioè sul dominio studenti.unimi.it) firmando con nome, cognome e matricola e ricordando che i tempi di risposta possono variare in funzione degli impegni del docente.
Materiale didattico
La parte teorica del corso è basata sul seguente libro di testo: Anand Rajaraman and Jeff Ullman, Mining of Massive Datasets, disponibile sia come PDF gratuitamente scaricabile che pubblicato in versione cartacea da Cambridge University Press (ISBN:9781107015357). Per le parti pratiche si consiglia la lettura di Holden Karau, Andy Konwinski, Patrick Wendell, Matei Zaharia, Learning Spark. Lightning-Fast Big Data Analysis, O'Reilly, 2015 (ISBN:978-1-449-35862-4) e di Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills, Advanced Analytics with Spark. Patterns for Learning from Data at Scale, O'Reilly, 2015 (ISBN:978-1-491-91276-8)
Per la parte sui file system distribuiti e il paradigma MapReduce si consiglia, oltre al capitolo 2 del libro di testo, la lettura del tutorial su Hadoop predisposto da Yahoo!
Programma
Il programma riguarda gli argomenti dettagliati nel calendario delle lezioni, che corrisponde al materiale trattato sul libro di testo, oltre che sui restanti documenti elencati tra il materiale didattico.
Calendario delle lezioni
Modalità d'esame
L'esame consiste in una prova orale, da svolgersi su appuntamento.