Algoritmi per dati su larga scala (DSE)

Laurea magistrale in Data science and economics (Università degli Studi di Milano)

Altri anni accademici

Obiettivo del corso è introdurre i concetti fondamentali alla base della gestione e all'analisi di big data, comprese le principali tecniche di elaborazione che trattano dati su larga scala e la loro implementazione su sistemi computazionali distribuiti.

Risultati attesi

Alla fine del modulo, gli studenti conosceranno i principali approcci legati all'analisi di quantità massive di dati e saranno capaci di progettare e implementare elaborazioni di dati su larga scala utilizzando moderni sistemi di calcolo distribuito.

Avvisi

Lingua

Le lezioni sono in inglese.

Orari del corso

Le lezioni avranno luogo nel settore di Città Studi, secondo il seguente calendario:

Nelle date seguenti è prevista una differente organizzazione delle lezioni:

• 17/01: lezioni in aula Beta;
• 25/01: lezione il martedì, in sostituzione di quella del 24/01;
• 22/02: lezione il martedì, in sostituzione di quella del 21/01;
• 23/02, 12:30-14:30: lezione aggiuntiva in aula 303;
• 28/02: lezione in aula MA (Via Mangiagalli 31);
• 07/03: lezione in aula MA (Via Mangiagalli 31).

Eventuali variazioni rispetto al calendario pianificato verranno comunicate in aula e pubblicizzate nel paragrafo Avvisi di questa pagina.

Didattica a distanza

Fino a nuove indicazioni, le lezioni si svolgono anche a distanza, autenticandosi a un link zoom accessibile dalla pagina Ariel dell'insegnamento.

Si ricorda che lo scopo della trasmissione in streaming è di favorire «[...] la partecipazione degli studenti con particolari fragilità o che risultino immunodepressi, degli studenti non ancora in possesso della certificazione verde COVID-19 nonché degli studenti internazionali che in presenza di limitazioni agli spostamenti determinati dall'emergenza epidemiologica tuttora in corso sarebbero impossibilitati a garantire la presenza in aula» (Decreto rettorale sulla didattica del 23 agosto). In tutti gli altri casi, è fortemente consigliata la presenza in aula, a meno che non ci siano più posti disponibili.

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

Le lezioni sono basate:

• sul libro Mining of Massive Datasets, scritto da A. Rajaraman e J. Ullman (indicato come RU nel calendario delle lezioni), gratuitamente scaricabile dal sito degli autori e pubblicato in versione cartacea da Cambridge University Press (ISBN:9781107015357);
• sulle dispense e sul codice di esempio pubblicati nel calendario delle lezioni.

Programma

Il programma riguarda gli argomenti dettagliati nel calendario delle lezioni (disponibile all'inizio delle lezioni), che corrisponde al materiale trattato sul libro di testo, oltre che sui restanti documenti elencati tra il materiale didattico.

Propedeuticità

È richiesta la conoscenza degli argomenti principali di programmazione degli elaboratori, analisi matematica e probabilità e statistica al livello considerato in una laurea triennale di area informatica.

Calendario delle lezioni

Modalità d'esame

L'esame del modulo consiste di un progetto e di una prova orale, entrambi relativi agli argomenti trattati nell'insegnamento. Il progetto richiede l'elaborazione di un dataset tramite applicazione critica delle tecniche descritte durante le lezioni, ed è riassunto in una relazione scritta. La valutazione del progetto, espressa in termini approvato/respinto, tiene conto del livello di padronanza degli argomenti e della chiarezza espositiva nella relazione presentata. La prova orale, alla quale si accede dopo che il progetto è stato valutato positivamente, è basata sulla discussione di alcuni argomenti trattati nell'insegnamento e sull'approfondimento di alcuni aspetti del progetto presentato. La valutazione della prova orale, espressa in trentesimi, tiene conto del livello di padronanza degli argomenti, della chiarezza espositiva e della proprietà di linguaggio. Per le modalità di esame degli altri moduli si rimanda alle relative pagine Web.

Come iscriversi

Esame scritto (prof. Ardagna, prof. Foresti)

È necessario iscriversi tramite UniMia all'appello d'esame nel quale si vuole sostenere una o entrambe le parti dell'esame. Entro pochi giorni dall'esame verrà inviata una mail agli studenti iscritti, chiedendo quale parte dell'esame sarà sostenuta. Gli studenti che hanno già sostenuto con profitto una parte dell'esame devono iscriversi alla parte rimanente tramite Ariel. Gli studenti non iscritti non saranno ammessi a sostenere l'esame: è necessario conoscere con precisione il numero esatto di persone che sosterranno l'esame, per poter dimensionare le aule (anche virtuali), soprattutto in questa situazione emergenziale.

Progetto ed esame orale (prof. Malchiodi)

Non è richiesto di iscriversi tramite UniMia. Gli stuenti devono inviare una mail al prof. Malchiodi entro la data indicata nella tabella sottostante, contenente un link al progetto. Quando il progetto è stato corretto gli studenti saranno contattati per organizzare l'esame orale. La tabella sottostante indica le date provvisorie per gli orali.

Voto finale

Dopo che tutte le parti dell'esame sono state sostenute con profitto, il voto finale sarà verbalizzato nell'appello in cui lo studente risulta iscritto per l'esame scritto.

Validità dei voti

Il voto per ogni parte dell'esame è valido per un anno. Se dopo un anno dal sostenimento di una parte dell'esame con profitto il voto finale non è registrato, sarà necessario ripetere tutte le parti (comprese quelle già sostenute con profitto).

Appelli d'esame