2015-2016

Sentiment Analysis & Opinion Mining

Credits: 
3
Hours: 
21
Area: 
Big Data Mining
Teachers: 
Academic Year: 
Description: 

Il modulo presenta le principali tecniche di analisi e mining delle opinioni e delle preferenze degli utenti sulla base di Big Data provenienti dal web o da altre sorgenti. Particolare enfasi viene posta sull'uso delle tecniche di text mining per la comprensione del significato emotivo dei testi prodotti dagli utenti sui social media. L'apprendimento sarà sostenuto da numerosi casi di studio sviluppati nel laboratorio SoBigData.eu.

Web Mining & Nowcasting

Credits: 
3
Hours: 
21
Area: 
Big Data Mining
Description: 

Il modulo presenta le principali tecniche di analisi delle tracce che gli utenti lasciano come effetto delle interrogazioni ai motori di ricerca sul web (query log). Vengono discusse le principali applicazioni del web mining fra cui la profilazione degli interessi o delle attività degli utenti e l'uso dei query log per varie forme di nowcasting, ovvero previsione a breve di indicatori sociali, economici e culturali. L'apprendimento sarà sostenuto da numerosi casi di studio sviluppati nel laboratorio SoBigData.eu.

Trani Salvatore

Salvatore Trani ha conseguito la laurea in Informatica presso l'Università di Pisa nel 2013. Intraprende successivamente un periodo di collaborazione con l'Istituto di Scienza e Tecnologie dell'Informazione (ISTI) "A. Faedo" del Consiglio Nazionale delle Ricerche (CNR) di Pisa. Collaborazione che prosegue anche durante i suoi studi presso la scuola di Dottorato di Informatica dell'Università di Pisa.

Italiano

Social Network Analysis

Credits: 
3
Hours: 
21
Area: 
Big Data Mining
Description: 

Il modulo ha lo scopo di fornire agli studenti gli strumenti e le conoscenze necessarie ad analizzare dati su larga scala provenienti da Online Social Networks. Nel modulo vengono presentati gli strumenti di analisi necessari, vengono poi illustrati i risultati ottenuti applicando tali strumenti a vari tipi di reti sociali. Tali strumenti vengono applicati ai due modi principali di rappresentare una OSN tramite grafi, considerando cioè il social e l’interaction graph.

Mobility Data Analysis

Credits: 
3
Hours: 
21
Area: 
Big Data Mining
Teachers: 
Academic Year: 
Description: 

Il modulo si propone di mostrare le principali tecniche di analisi dei dati spazio-temporali relativi al movimento di persone e veicoli al fine di comprendere la mobilità in un territorio. L'apprendimento sarà sostenuto da numerosi casi di studio sviluppati nel laboratorio SoBigData.eu.

 

Gabrielli Lorenzo

Lorenzo Gabrielli ha sei anni di esperienza nell’analisi di Big Data con tecniche di Data Mining e Machine Learning. I suoi interessi riguardano lo studio della mobilità allo scopo di individuare i pattern individuali e collettivi di comportamento, arricchimento semantico degli spostamenti, studio della capacità del trasporto pubblico locale di servire viaggi privati.

Italiano

Guidotti Riccardo

Riccardo Guidotti è nato nel 1988 a Pitigliano (GR) Italia. Si è laureato con lode in Informatica nel 2013, presso l'Università di Pisa. La sua tesi di laurea si intitola "Mobility Ranking: Human Mobility Analysis using Ranking Measures". Ha iniziato il dottorato di ricerca in Computer Science presso la Scuola per Graduate Studies "Galileo Galilei", (Università di Pisa), nel novembre 2013. Attualmente è membro del Knowledge Discovery and Data Mining Laboratory.

Italiano

Data Mining & Machine Learning

Credits: 
5
Hours: 
35
Area: 
Big Data Mining
Academic Year: 
Description: 

Il modulo si propone di fornire un’introduzione ai concetti di base del data mining e del processo di estrazione della conoscenza, con approfondimenti sui modelli analitici e gli algoritmi più diffusi per il clustering, la classificazione e la scoperta di patterns, anche in riferimento alle nuove sorgenti di Big Data.

Web Search Engines and Information Retrieval

Credits: 
3
Hours: 
21
Area: 
Big Data Sensing & Procurement
Academic Year: 
Description: 

Il modulo prevede l'insegnamento dei moduli software che costituiscono un moderno motore di ricerca, e di analisi delle prestazioni e dei limiti computazionali delle soluzioni algoritmiche correntemente adottate per ciascuno di essi. Fondamenti pratici e teorici per l’organizzazione e l’analisi dei sistemi di IR.

Analytical Crawling, Text Annotation

Credits: 
2
Hours: 
14
Area: 
Big Data Sensing & Procurement
Teachers: 
Academic Year: 
Description: 

l modulo presenta le tecniche di base per il sensing e l'estrazione di big data dal web. Gli studenti si impadroniranno dell'uso delle tecniche di "crawling" del web, di ranking delle risorse web e di annotazione semantica delle informazioni testuali reperite sul web.

Pagine

Abbonamento a RSS - 2015-2016

Partners