Algorithmes pour mégadonnées2020/21
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
-
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.
-
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 « 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.
Infos précédentes (7)
-
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.
-
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.
-
Heures de bureau du 30 Avril
Les heures de bureaux du 30 avril sont annulées.
-
Heures de bureau du 2 Avril
Les heures de bureaux du 2 avril sont annulées.
-
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.
-
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.
-
Semestre pour l'enseignement de Algorithmes pour mégadonnées
Les cours de Algorithmes pour mégadonnées commenceront dans le deuxième semestre.
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 détaillés dans le calendrier des leçons (disponible dès le debut du 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 | 01/03/2021 | Préliminaires mathématiques. | |
| L02 | 03/03/2021 | Préliminaires techniques. | |
| L03 | 08/03/2021 | Analyse de liens. |
|
| L04 | 10/03/2021 | Analyse de liens. |
|
| L05 | 15/03/2021 | HDFS et map-reduce. | |
| L06 | 17/03/2021 | Algorithmes map-reduce. Spark. | |
| L07 | 22/03/2021 | Communication cost model. | |
| L08 | 24/03/2021 | Recherche d'élements similaires. | |
| L09 | 29/03/2021 | Recherche d'élements similaires. |
|
| L10 | 31/03/2021 | Ensembles d'élements fréquents. |
|
| L11 | 12/04/2021 | Ensembles d'élements fréquents. |
|
| L12 | 14/04/2021 | Bases de données noSQL: mongodb. | |
| L13 | 19/04/2021 | Clustering. |
|
| L14 | 21/04/2021 | Clustering. |
|
| L15 | 26/04/2021 | Système de recommandation. | |
| L16 | 28/04/2021 | Fouille de flots de données. |
|
| L17 | 03/05/2021 | Fouille de flots de données. |
|
| L18 | 05/05/2021 | Régression. | |
| L19 | 10/05/2021 | Régression et régression logistique. | |
| L20 | 12/05/2021 | Apprentissage profond et TensorFlow. | |
| L21 | 17/05/2021 | Apprentissage profond et TensorFlow. | |
| L22 | 19/05/2021 | Résau de neurones récurrents. | |
| L23 | 24/05/2021 | Réduction de la dimensionnalité. | |
| L24 | 26/05/2021 | Gradient boosting. |
Modalités d'examination
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 |
