2021-2022

Data Mining & Machine Learning

Credits: 
4
Hours: 
42
Area: 
Big Data Mining
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.

Data Driven Innovation

Credits: 
1
Hours: 
12
Area: 
Big Data for Business
Description: 

Il modulo mira innanzitutto a presentare le caratteristiche principali dei processi di innovazione nelle imprese e nelle istituzioni. Oltre ad alcuni cenni teorici di economia dell’innovazione, enfasi verrà posta sulla gestione dei processi innovativi (ruolo della R&S, dell’Open Innovation, ecc.). Verranno poi descritte le nuove opportunità di innovazione rese possibili dagli avanzamenti recenti nei processi di raccolta ed elaborazione di dati su vasta scala.

Del Sarto Nicola

Nicola Del Sarto è assegnista presso la Scuola Superiore Sant'Anna di Pisa. Ha conseguito un dottorato di ricerca in Management presso la Scuola Superiore Sant'Anna nel 2019. Gli interessi di ricerca di Nicola si concentrano su start-up e meccanismi di supporto come incubatori, acceleratori e programmi di accelerazione aziendale. Inoltre, sta studiando i processi di creazione di imprese nell'ambito del paradigma Open Innovation.

Italiano

Text & Web Mining

Credits: 
3
Hours: 
36
Area: 
Big Data Mining
Description: 

Il corso presenta le principali tecninche di analisi dei dati sel web.Usando i query log di un motore di ricerca come un caso di studio, gli studenti sono guidati nello sviluppo di un insieme di metodologie per l'analisi dei dati con lo scopo di creare la base di conoscenza utile a costruire un sistema di raccomandazione. Inoltre il corso discute come la stessa informazione possa essere ottimizzata per il ranking nei servizi web.

Time Series and Mobility Data Analysis

Credits: 
3
Hours: 
36
Area: 
Big Data Mining
Academic Year: 
Description: 

Il corso ha lo scopo di introdurre le principali tecniche di data mining e machine learning (incluso deep learning) per l'analisi di dati temporali, in particolare di time series e dati spazio-temporali relativi alla mobilita' umana. La presentazione delle nozioni sara' supportata da diversi casi di studio sviluppati dal laboratorio SoBigData.eu.

Data Visualization and Data Journalism

Credits: 
3
Hours: 
36
Area: 
Big Data Story Telling
Description: 

Il modulo ha l'obbiettivo di preparare gli studenti per la creazione di presentazioni appropriate dei dati e della conoscenza estratta attraverso strumenti e narrative multimediali.
Il modulo prima presenta le tecniche di visualizzazione per una presentazione efficace delle informazioni che derivano da sorgenti dati differenti: dati strutturati (relazionali, gerarchie e alberi), dati relazionali (social network), dati temporali, dati spaziali e dati spazio-temporali.

Big Data for Society

Credits: 
2
Hours: 
24
Area: 
Big Data for Social Good
Academic Year: 
Description: 

Il modulo prevede attività seminariali che riportano esperienze e casi di studio/uso di Big Data analytics e Social Mining da parte del laboratorio SoBigData.eu e delle aziende ed istituzioni partner del Master.

High Performance & Scalable Analytics, NO-SQL Big Data Platforms

Credits: 
2
Hours: 
22
Area: 
Big Data Technology
Description: 

Il corso propone l’insegnamento di concetti base del paradigma di calcolo distribuito tramite MapReduce dal punto di vista teorico e pratico, in particolare ci si focalizzerà su Hadoop per lo sviluppo di competenze nell'uso di strumenti di calcolo ad alte prestazioni per il data engineering, l'analisi di dati e l'utilizzo di tecniche di data mining. Gli studenti impareranno come i classici algoritmi di data mining possono essere applicati sui Big Data usando Hadoop (Spark).

Gennaro Claudio

Claudio Gennaro è ricercatore presso CNR-ISTI. Ha conseguito la laurea in Ingegneria Elettronica presso l'Università di Pisa nel 1994 e il Master in Information Technology presso il CEFRIEL di Milano. Ha conseguito il dottorato di ricerca in Ingegneria Informatica e Automatica nel 1999 presso il Politecnico di Milano. I suoi interessi principali sono intelligenza artificiale, deep learning, strutture di accesso per il recupero di documenti multimediali, reti di sensori wireless, sistemi peer- to-peer, biblioteche digitali, valutazione delle prestazioni e computazione parallela.

Italiano

Falchi Fabrizio

Fabrizio Falchi è ricercatore del gruppo Artificial Intelligence for Multimedia Information Retrieval parte del NeMIS lab dell'Istituto ISTI del Consiglio Nazionale delle Ricerche. Dottore di Ricerca in Information Engineering (University of Pisa), e in Informatics (Faculty of Informatics of Masaryk University of Brno), ha conseguito anche anche un MBA dalla Scuola Superiore Sant'Anna in Pisa.

Italiano

Pagine

Abbonamento a RSS - 2021-2022

Partners