Ateneo - UPO

Questo insegnamento introduce i concetti, i principi e i metodi fondamentali nel campo interdisciplinare della scienza delle reti, con un'attenzione particolare alle tecniche di analisi, alla modellizzazione e alle applicazioni per il World Wide Web e i social media online. Gli argomenti trattati includono la struttura delle reti, i modelli matematici delle reti, le topologie di rete comuni, la struttura dei grafi su larga scala, le strutture comunitarie, la diffusione epidemica, il PageRank e altre misure di centralità, oltre che la loro applicazione nella costruzione dei moderni sistemi di information retrieval, i processi dinamici nelle reti, e la visualizzazione dei grafi. Inoltre, saranno introdotti gli strumenti pratici che permettono l'applicazione dei principi base della scienza delle reti per svolgere attività di analisi di reti complesse) su dati reali, utilizzando Python e diversi pacchetti/librerie come networkx, igraph, e altri, nonché strumenti avanzati di visualizzazione dei grafi come GePhi.

"[1] Filippo Menczer, Santo Fortunato, and Clayton A. Davis, A First Course in Network Science, Cambridge University Press (in biblioteca) [2] David Easley and Jon Kleinberg, Networks, Crowds, and Markets: Reasoning About a Highly Connected World, Cambridge University Press [3] Albert-László Barabási, Network Science, Cambridge University Press [4] C. D. Manning, P. Raghavan and H. Schütze, Introduction to Information Retrieval, Cambridge University Press. 2008 



Materiale addizionale fornito dal docente"

"Lo scopo del corso è triplice. In primo luogo, la classe imparerà i principi fondamentali della scienza delle reti (NS), incluse le tecniche di analisi delle reti complesse, i modelli di base per studiare le dinamiche di rete (es., contagio sociale, fenomeni virali, diffusione di epidemie, etc.). In secondo luogo, la classe imparerà cos’è un sistema di information retrieval (IR), quali sono le tecniche di base per progettare un sistema di IR efficiente e scalabile su grandi collezioni di documenti, le applicazioni principali (ad esempio, come costruire un motore di ricerca sul Web) e le direzioni future. 

Infine, verrà spiegato come la scienza delle reti possa servire a progettare i moderni sistemi di information retrieval."

Corsi avanzati di programmazione ed algoritmi; basi di algebra lineare, calcolo delle probabilità e statistica.

"Lezioni che introducono i concetti teorici ed esercitazioni in laboratorio che li applicano. 

Nelle lezioni si affrontano gli argomenti di teoria tramite presentazioni diapositive, con esempi e alcune domande per verificare l’apprendimento degli studenti. 

Nelle esercitazioni in laboratorio gli studenti sono guidati nella realizzazione di semplici progetti volti a mettere in pratica le conoscenze teoriche acquisite."

Monitoraggio del processo di apprendimento: durante l’insegnamento gli studenti interagiranno con il docente per la soluzione di esercizi e di compiti di laboratorio. Le studentesse e gli studenti con disabilità o con Disturbi Specifici dell’Apprendimento (DSA) o con Bisogni Educativi Speciali (BES) possono richiedere servizi e strumenti specifici a loro dedicati rivolgendosi allo Staff Sviluppo e Coordinamento Carriere e Servizi alle Studentesse e agli Studenti e consultando la pagina dedicata del sito di Ateneo: https://uniupo.it/it/servizi/servizi-studentidisabili-e-dsa Le studentesse e gli studenti con disabilità, DSA, BES, una volta preso contatto con lo Staff di Ateneo, possono contattare la/il docente titolare dell'insegnamento in relazione alla declinazione delle modalità di esame, in merito agli aspetti didattici.

"L'esame consta di due parti: (a) la presentazione di un approfondimento a piacere, o in alternativa la discussione di un progetto implementativo a scelta, (b) domande sparse sul programma. L'esame completo di tutte le sue parti si svolge in un unico giorno. È possibile preparare la presentazione e/o il progetto in gruppo (di 2/3 persone al massimo).
 Una lista di fonti e di argomenti che possono essere scelti sarà fornita dal docente durante il corso. 
Il voto sarà espresso in trentesimi e rappresenterà la sintesi della valutazione delle due parti di cui sopra."

"Introduzione alle reti; Ripasso della teoria dei grafi; Omofilia; La forza dei legami deboli; Centralità, robustezza; Modelli di rete, reti casuali e reti piccolo mondo; Leggi di potenza e fenomeni del “più ricco diventa più ricco”; Comunità; Fenomeni di diffusione; Comportamento a cascata nelle reti; Diffusione di epidemie; Sperimentazioni di analisi di rete (strutturale e dinamica) con Gephi e Python/networkx; Introduzione all'information retrieval; Inverted index; Termini e posting; Ingestione dei documenti e pipeline NLP; Sperimentazioni di NLP ed information retrieval con SpaCy; Ranked retrieval; Valutazione dei motori di ricerca; Reti dirette e pesate; La struttura del Web; Analisi dei collegamenti; Calcolo del Pagerank; Modelli linguistici e word embedding; Word embedding con SpaCy"

"Conoscenza e comprensione: algoritmi e strutture dati di base per information retrieval e per analisi di reti complesse. 
Conoscenza applicata e comprensione: la classe sarà in grado di implementare ed usare un sistema di information retrieval di base e allo stesso modo saprà analizzare dati presentati sotto forma di rete, usando strumenti di pubblico dominio
. Effettuare valutazioni: la classe sarà in grado di esprimere in maniera autonoma una valutazione sulle tecniche più idonee per risolvere un generico problema di information retrieval e di scienza delle reti. 
Capacità comunicative: la classe imparerà a comunicare ed a giustificare l’uso delle tecniche più appropriate per la soluzione di un dato problema
. Capacità di apprendimento: la classe sarà in grado di apprendere in modo autonomo come raffinare le tecniche di base che saranno introdotte durante il corso e a come usare al meglio gli strumenti disponibili"