L'insegnamento intende fornire alle studentesse e agli studenti le conoscenze metodologiche e applicative necessarie per risolvere problemi relativi all’apprendimento automatico e analizzare insiemi di dati potenzialmente grandi.
Le studentesse e gli studenti acquisiscono capacità teoriche e pratiche che consentono loro di utilizzare e sviluppare strumenti di machine-learning per analizzare dati di grandi dimensioni.
Le studentesse e gli studenti acquisiscono capacità teoriche e pratiche che consentono loro di utilizzare e sviluppare strumenti di machine-learning per analizzare dati di grandi dimensioni.
scheda docente materiale didattico
Jared Dean. Big Data, Data Mining, and Machine Learning: Value Creation for Business Leaders and Practitioners, 2014, Wiley.
Materiale supplementare (software e dati) sarà pubblicato sulla pagina web del docente.
Programma
Caratteristiche dei big data - Modelli di programmazione per i big data: Hadoop MapReduce e Apache Spark - Algoritmi di machine learning – Apache Spark con R: sparklyr, dplyr, ggplot2.Testi Adottati
Slides fornite dal docenteJared Dean. Big Data, Data Mining, and Machine Learning: Value Creation for Business Leaders and Practitioners, 2014, Wiley.
Materiale supplementare (software e dati) sarà pubblicato sulla pagina web del docente.
Modalità Frequenza
Non è necessaria ma fortemente consigliata la frequenza.Modalità Valutazione
Il raggiungimento degli obiettivi dell’insegnamento è certificato mediante il superamento di un esame con valutazione in trentesimi. L’esame prevede una prova orale che valutata in trentesimi e si intende superata con un voto minimo di 18/30. La prova orale, della durata di 25 minuti circa, consiste in un colloquio, con domande e discussione sui contenuti teorici e metodologici indicati nel programma. Si valuteranno in particolar modo la capacità di applicare correttamente i metodi trattati, il rigore e la capacità espositiva.