Algorithmes pour mégadonnées (DSE)2020/21
L'objectif du cours est d'introduire les concepts fondamentaux à la base de la gestion et de l'analyse de mégadonnées, en comprenant les principales techniques d'élaboration pour données à large échelle et leur mise en œuvre sur des plateformes de calcul distribuées.
Résultats attendus
À la fin du module, les étudiants connaîtront les principales approches leur permettant d'analyser des quantités massives de données, ainsi que la capacité de concevoir et d'exécuter des calculs sur des mégadonnées, déployés sur systèmes distribués modernes.
Infos
-
Changement des heures de bureau
À partir du 31 Mai les heures de bureau seront organisées via e-mail.
-
Disponibilité des enregistrements des cours de « Algorithmes pour mégadonnées » du Master en Data Science for Economics »
Les enregistrement des cours de l'enseignement « Algorithmes pour mégadonnées » du Master en Data Science for Economics seront disponibles jusqu'à la fin de Mars.
-
Projets pour le cours de « Algorithmes pour mégadonnées » (Master DSE)
Les descriptions des projets pour le cours de « Algorithmes pour mégadonnées » du Master en « Data Science for Economics » sont disponibles.
Infos précédentes (2)
-
Tutorat « Algorithms for massive datasets » (DSE)
À partir du 1er mars, les étudiants pourrons assister à cinq sessions de tutorat organisées dans les mêmes jours précédemment utilisées pour les cours (lundi et mardi, 15h30-17h00). Les étudiants recevront un e-mail contenant le lien de zoom correspondant.
-
Semestre pour l'enseignement de Algorithmes pour mégadonnées (DSE)
Les cours de Algorithmes pour mégadonnées commenceront dans le deuxième semestre.
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
Les cours sont basées:
- sur le livre Mining of Massive Datasets, écrit par A. Rajaraman e J. Ullman (indiqué par RU dans le calendrier des cours), téléchargeable gratuitement sur le site des auteurs et publié en version imprimée par Cambridge University Press (ISBN:9781107015357);
- sur notes de cours et exemples de code publiés dans le calendrier des cours.
Programme
Le programme fait référence aux arguments détaillés dans le calendrier des leçons (disponible dès le debut des cours), qui correspond au matériel du livre adopté, plus le reste des documents indiqués entre le matériel bibliographique.
Prérequis
Le cours nécessite la connaissance à niveau license des principaux sujets de programmation, d'analyse mathématique, de calcul des probabilités et de statistiques.
Calendrier des leçons
| Leçon | Date | Sujet | Documents |
|---|---|---|---|
| L01 | 25/01/2021 | Préliminaires mathématiques. | |
| L02 | 26/01/2021 | Préliminaires techniques. | |
| L03 | 01/02/2021 | Analyse de liens. |
|
| L04 | 02/02/2021 | Analyse de liens. | |
| L05 | 08/02/2021 | HDFS et MapReduce. Algorithmes MapReduce. |
|
| L06 | 09/02/2021 | Spark. | |
| L07 | 15/02/2021 | Recherche d'élements similaires. | |
| L08 | 16/02/2021 | Ensembles d'élements fréquents. |
|
| L09 | 22/02/2021 | Ensembles d'élements fréquents. |
|
| L10 | 23/02/2021 | Systèmes de recommandation. |
|
| L11 | 01/03/2021 | Tutorat: Spark I. | |
| L12 | 02/03/2021 | Tutorat: Spark II. | |
| L13 | 08/03/2021 | Tutorat: Spark III. | |
| L14 | 09/03/2021 | Tutorat: Systèmes de recommendation. | |
| L15 | 15/03/2021 | Tutorat: Market-basket analysis. |
Modalités d'examination
Comment s'inscrire
Examen écrit (prof. Ardagna, prof. Foresti)
Pour passer une ou les deux parties de l'examen il faut s'inscrire à un appel sul UniMia. Quelques jours avant l'examen les étudiants inscrits recevront un mail demandant à quelle partie de l'examen écrit ils sohuaitent participer. Les étudiants qui ont déjà passé une partie de l'examen doivent utiliser Ariel pour s'inscrire à la partie qui reste. Les étudiants qui ne sont pas inscrits ne seront pas admis, car il est nécéssaire connaitre le nombre précis des participants pour organiser les salles (virtuelles), en particulier dans cette situation d'urgence.
Projet et examen oral (prof. Malchiodi)
Envoyer un e-mail au prof. Malchiodi, contenant un lien vers le projet. Les étudiants seront contactés afin d'organiser l'examen oral après vérification du projet. L'inscription sur UniMia n'est pas requise, mais il est demandé aux étudiants d'envoyer leur travail à proximité des appels d'examen.
Note finale
Après avoir réussi toutes les parties, la note finale sera enregistrée en association avec l'inscription UniMia pour la partie écrite de l'examen.
Expiration des notes
Si, un an après avoir réussi une des parties de l'examen, la note finale n'est pas enregistrée, toutes les parties de l'examen devront être répétées (y compris celles déjà réussies).
Sessions d'examen
| Session | Date |
|---|---|
| juin | N/A |
| juillet | N/A |
| septembre | N/A |
| septembre | N/A |
| janvier | N/A |
| février | N/A |