Algorithmes pour mégadonnées2026/27
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
Aucune annonce pour l'instant.
Horaires du cours
Les cours ont lieu en présentiel, pendant le deuxième semestre, au secteur "Città studi". Le calendrier est le suivant:
| Jour | Heure | Lieu |
|---|---|---|
| mardi | 13:30 - 16:30 | Lab. magistrale 5 piano |
| jeudi | 13:30 - 16:30 | Lab. magistrale 5 piano |
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 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 | 12/01/2027 | HDFS et map-reduce. | |
| L02 | 14/01/2027 | Algorithmes map-reduce. Communication cost model. | |
| L03 | 19/01/2027 | Analyse de liens. | |
| L04 | 21/01/2027 | Analyse de liens. Spark. | |
| L05 | 26/01/2027 | Recherche d'élements similaires. | |
| L06 | 28/01/2027 | Recherche d'élements similaires. | |
| L07 | 02/02/2027 | Ensembles d'étements fréquents. | |
| L08 | 04/02/2027 | Ensembles d'étements fréquents. | |
| L09 | 09/02/2027 | Fouille de flots de données. | |
| L10 | 11/02/2027 | Clustering. | |
| L11 | 16/02/2027 | Régression. | |
| L12 | 18/02/2027 | Régression logistique. Systèmes de recommandation. | |
| L13 | 23/02/2027 | Systèmes de recommandation. | |
| L14 | 25/02/2027 | Apprentissage profond et TensorFlow. | |
| L15 | 02/03/2027 | Transformers et LLM. | |
| L16 | 04/03/2027 | Reduction de la dimenionnalité. Gradient boosting. |
Modalités d'examination
L'examen consiste en une épreuve écrite comprenant des questions ouvertes, théoriques ou appliquées, portant sur les sujets abordés pendant le cours et dont le niveau de difficulté est cohérent avec celui des activités pédagogiques proposées. Pendant l'épreuve, les étudiants peuvent consulter un formulaire fourni par l'enseignant et utiliser des calculatrices non programmables. La consultation de manuels, de notes personnelles ou de tout autre document est interdite, de même que l'utilisation de dispositifs électroniques autres que les calculatrices autorisées.
L'épreuve écrite est notée sur 30, avec un seuil de réussite fixé à 18/30, et les résultats sont communiqués par courrier électronique. L'évaluation tient compte de la maîtrise des sujets abordés, de la justesse des démarches et des solutions proposées, de l'utilisation correcte de la notation et des formalismes mathématiques, ainsi que de l'emploi approprié de la terminologie technique.
En fonction des résultats de l'épreuve écrite, l'enseignant peut demander une épreuve orale complémentaire afin d'évaluer plus précisément la compréhension des sujets abordés et le niveau global de préparation de l'étudiant. La note finale, exprimée sur 30, est déterminée sur la base des résultats de l'épreuve écrite et, le cas échéant, de l'épreuve orale.
Sessions d'examen
| Session | Date |
|---|---|
| mars | 30/03/27 |
| juin | 18/06/27 |
| juillet | 07/07/27 |
| septembre | 13/09/27 |
| novembre | N/A |
| décembre | N/A |