Master en Informatique (Università degli Studi di Milano)
Le cours vise à décrire le cadre de traitement des mégadonnées, soit en termes de méthodologies que de technologies.
Résultats attendus
Les étudiants:
- sauront utiliser des technologies pour le stockage distribué des données;
- connaîtront le paradigme de calcul distribué MapReduce et ses extensions principales;
- connaîtront les principaux algorithmes pour les problèmes classiques des mégadonnées, ainsi que leurs implémentation à l'aide d'un paradgme de calcul distribué;
- sauront choisir les méthodes appropriées pour résoudre les problèmes caractérisés par mégadonnées.
Infos
| Date | Info |
|---|---|
| 31/05/2021 |
Réunion avec Radicalbit Vendredi 4/6 une réunion est prévue pour les étudiants du cours de «Algorithmes pour mégadonnées». Lors de cette réunion la société Radicalbit présentera des opportunités pour les thèses externes. La réunion aura lieu à distance, en utilisant le même lien Zoom des cours. |
| 31/05/2021 |
Changement des heures de bureau À partir du 31 Mai les heures de bureau seront organisées via e-mail. |
| 27/05/2021 |
Disponibilité des enregistrements des cours de
«Statistique et analyse des données» (Licence en Informatique) et
de «Algorithmes pour mégadonnées» (Master en Informatique) Les enregistrement des cours des enseignements «Statistique et analyse des données» (Licence en Informatique) et de «Algorithmes pour mégadonnées» (Master en Informatique) seront disponibles jusqu'au 19 Juin. |
| 20/05/2021 |
Projet commun pour les cours de «Algorithmes pour
mégadonnées» et «Méthodes statistiques pour l'apprentissage
automatique» (Master en Informatique) La description d'un projet commun pour les cours de «Algorithmes pour mégadonnées» et de «Méthodes statistiques pour l'apprentissage automatique» du Master en «Informatique» est disponible. |
| 02/05/2021 |
Projets pour le cours de «Algorithmes pour mégadonnées» (Master en Informatique) Les descriptions des projets pour le cours de «Algorithmes pour mégadonnées» du Master en «Informatique» sont disponibles. Un projet commun avec le cours «Méthodes statistiques pour l'apprentissage automatique» sera publié prochainement. |
| 28/04/2021 |
Heures de bureau du 30 Avril Les heures de bureaux du 30 avril sont annulées. |
| 01/04/2021 |
Heures de bureau du 2 Avril Les heures de bureaux du 2 avril sont annulées. |
| 30/03/2021 |
Accès aux enregistrements des cours L'accès aux enregistrement des cours est possible seulement aux étudiants inscrits à la page moodle de l'enseignement. Si cela n'est pas possible, les élèves doivent contacter l'enseignant. |
| 10/03/2021 |
Changement des heures de bureau de l'enseignement «Algorithmes pour mégadonnées» Les heures de bureau du 11/03 de l'enseignement «Algorithmes pour mégadonnées» commenceront à 18:30. À partir de la semaine prochaine, les heures de bureau auront lieu chaque vendredi à 16:30. |
| 29/09/2020 |
Semestre pour l'enseignement de Algorithmes pour mégadonnées Les cours de Algorithmes pour mégadonnées commenceront dans le deuxième semestre. |
Langue
Les leçons sont en anglais.
Horaires du cours
Les cours ont lieu (jusqu'à nouvel ordre) à distance par authentification à un lien zoom publié sur la page moodle du cours. Le calendrier provisoir est le suivant:
| Jour | Heure | Lieu |
|---|---|---|
| lundi | 16:30 - 18:30 | zoom |
| mercredi | 14:30 - 16:30 | zoom |
Tout changement à l'horaire sera annoncé en classe et publié dans la section Infos de cette page. L'enregistrement des cours, marquées avec (R) dans le calendrier, est disponible jusqu'à la fin de l'enseignement, en accedant à sa page moodle.
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.
Des heures de bureau en groupe spécifiques pour l'enseignement seront organisées sur base hebdomadaire, chaque jeudi à 17h30 en utilisant le même lien de zoom des cours.
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 detaillés dans le calendrier des leçons (disponible dès le debut du cours), qui corresponds au matériel du livre adopté, plus le reste des documents indiqués entre le materiel 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
Modalités d'examination
L'examen se compose d'un projet et d'un test oral, liés aux sujets traités dans le cours. Le projet analyse un ou plusieurs jeux de données par l'application critique des techniques affrontées lors des cours, et il est décrit dans un rapport écrit. L'évaluation du projet, exprimée par une note de réussite / échec, tient compte du niveau de maîtrise des sujets et de la clarté du rapport. L'épreuve orale, accessible après une évaluation positive du projet, est basée sur la discussion de sujets abordés dans le cours et sur des questions approfondies sur le projet présenté. L'évaluation de l'épreuve orale, exprimée sur une échelle comprise entre 0 et 30, prend en compte le niveau de maîtrise des sujets, la clarté et les compétences linguistiques.
Sessions d'examen
| Session | Date | |
|---|---|---|
| juin | 17/06/2021 | |
| juillet | 02/07/2021 | |
| septembre | 08/09/2021 | |
| septembre | 22/09/2021 | |
| janvier | N/A | |
| février | N/A |