Algorithmes pour megadonnées

Master en Informatique (Università degli Studi di Milano)

Autres années

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

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:

Tout changement à l'horaire sera annoncé en classe et publié dans la section Infos de cette page.

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 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.

Les étudiant.e.s doivent s'inscrire à la session dans laquelle ils/elles veulent passer l'examen, et envoyer un e-mail au prof. Malchiodi dans les délais du projet (voir tableau ci-dessous), contenant un lien vers le projet. Les étudiants seront contactés après vérification du projet. Le tableau ci-dessous indique une date provisoire pour les examens.

Sessions d'examen