BIG DATA E DATA MINING
cod. 1009070

Anno accademico 2022/23
1° anno di corso - Secondo semestre
Docente
Flavio BERTINI
Settore scientifico disciplinare
Informatica (INF/01)
Ambito
Discipline informatiche
Tipologia attività formativa
Caratterizzante
48 ore
di attività frontali
6 crediti
sede:
insegnamento
in ITALIANO

Obiettivi formativi

Al termine del corso lo studente conosce i modelli dei dati semi-strutturati e non strutturati in relazione a quelli strutturati ed i principali costrutti dei linguaggi SQL/XML ed XQuery; conosce le principali tecniche di information retrieval e di analisi dei dati; è in grado di progettare e realizzare un datawarehouse; è capace di elaborare un progetto utilizzando le principali tecniche di data mining.

Prerequisiti

Fortemente consigliata la conoscenza del modello dei dati relazionale. Buona conoscenza dei linguaggi di programmazione imperativi.

Contenuti dell'insegnamento

■ Modelli dei dati semi-strutturati e non strutturati
■ Limiti di SQL e introduzione a SQL/XML ed XQuery
■ I modelli di information retrieval e web information retrieval
■ Introduzione al datawarehousing e al data mining

Programma esteso

■ Parte I
■ Introduzione
■ Modelli dati semi-strutturati e non strutturati
■ Parte II
■ Introduzione XML
■ Linguaggio SQL/XML
■ Linguaggio XQuery
■ XQuery in database management system
■ NoSQL database
■ Parte III
■ Introduzione Information Retrieval
■ Ranking
■ Web Information Retrieval
■ Information Retrieval valutazione
■ Metodi avanzati
■ Parte IV
■ Data analytics
■ Data warehouse
■ Data mining: regole associative, classificazione e clustering

Bibliografia

■ A. Moller, M. Schwartzbach - Introduzione a XML - Pearson, 2007, ISBN: 9788871923734
■ P.-N. Tan, M. Steinbach, V. Kumar - Introduction to data mining - Addison Wesley, 2005, ISBN: 0321420527
■ C.D. Manning, P. Raghavan, H. Schütze - Introduction to Information Retrieval - Cambridge University Press, 2008, ISBN: 0521865719
■ M. Golfarelli, S. Rizzi - Datawarehouse. Teoria e pratica della progettazione - McGraw-Hill Education, 2006, ISBN: 9788838662911

Metodi didattici

Didattica frontale parte in aula

Modalità verifica apprendimento

La verifica avviene con la discussione di un articolo. Lo studente approfondisce un argomento avanzato partendo da un articolo scientifico tra quelli proposti e prepara una presentazione da utilizzare il giorno dell'esame. La discussione avverrà principalmente sugli argomenti della pubblicazione scelta. In alternativa e previa approvazione del docente, la verifica potrà avvenire con la realizzazione di un progetto da discutersi durante l'esame. Per partecipare a un appello d'esame occorre iscriversi entro 7 giorni dalla data dell'esame. L'esame sarà in presenza a meno di ulteriori indicazioni/restrizioni sanitarie.

Altre informazioni

- - -

Obiettivi agenda 2030 per lo sviluppo sostenibile

Referenti e contatti

Numero verde

800 904 084

Segreteria studenti


E. segreteria.scienze@unipr.it

Servizio per la qualità della didattica

Manager della didattica:
Dott.ssa Claudia Buga

T. 0521 902842
E. smfi.didattica@unipr.it
E. claudia.buga@unipr.it

Presidente del corso di studio

Prof. Alessandro Dal Palù
E. alessandro.dalpalu@unipr.it

Delegato orientamento in ingresso

Prof. Vincenzo Arceri
E. vincenzo.arceri@unipr.it

Delegato orientamento in uscita

Prof. Enea Zaffanella
E. enea.zaffanella@unipr.it

Docenti tutor

Prof. Enea Zaffanella
E. enea.zaffanella@unipr.it
Prof. Alessandro Dal Palù
E. alessandro.dalpalu@unipr.it

Delegati Erasmus

Prof. Roberto Bagnara
E. roberto.bagnara@unipr.it
Studente tutor dott.ssa Anna Macaluso
E. anna.macaluso@studenti.unipr.it

Responsabile assicurazione qualità

Prof. Roberto Bagnara
E  roberto.bagnara@unipr.it

Tirocini formativi

Referente prof. Enea Zaffanella
E. enea.zaffanella@unipr.it

Referente per le fasce deboli

Prof.ssa Fiorenza Morini
E. fiorenza.morini@unipr.it

Rappresentanti degli studenti in CCSU 
 

  • Lorenzo Copelli
  • Alessandro Frasconi
  • Marcello Galli
  • Samuel Seligardi