Ateneo - UPO

Introduzione agli algoritmi principali e alle strutture dati per il recupero dei documenti, facenti parte di una collezione di grandi dimensioni, che soddisfano un determinato bisogno informativo.
Introduzione ai modelli e alle tecniche analitiche principali di scienza delle reti, disciplina che consente di studiare un sistema complesso rappresentato nei termini di una rete (come una rete sociale, una rete di comunicazione, una rete di contatto, etc.)

[ir] C. D. Manning, P. Raghavan and H. Schütze, Introduction to Information Retrieval, Cambridge University Press. 2008

[ns] F. Menczer, S. Fortunato & C. Davis, A First Course in Network Science, Cambridge University Press. 2020

Materiale addizionale fornito dal docente

Lo scopo del corso è triplice. In primo luogo, studenti e studentesse impareranno 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.
In secondo luogo, impareranno 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.).
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

L'esame consta di tre parti: (a) la presentazione di un approfondimento a piacere, (b) la discussione di un progetto implementativo a scelta, (c) domande sparse sul programma. L'esame completo di tutte le sue parti si svolge in un unico giorno. È possibile preparare la presentazione ed il progetto in gruppo (di 2/3 persone al massimo).
Se la presentazione approfondisce un argomento del modulo di information retrieval, allora il progetto deve risolvere un problema pratico di network science - oppure viceversa. 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 tre parti di cui sopra.

Information Retrieval:
liste di posting.
Costruzione e compressione degli indici.
Modello a spazi vettoriali.
Valori di rilevanza.
Valutazione di un sistema di information retrieval.
Classificazione di testo.
Tecniche di clustering.
Basi di ricerca su Web.
Crawling ed indicizzazione su Web.
Analisi basata sui collegamenti.

Scienza delle Reti:
introduzione alla teoria dei grafi;
fenomeno dei piccoli mondi;
hub;
reti;
dirette e non dirette;
modelli di rete;
individuazione di comunità;
reti dinamiche.

Conoscenza e comprensione: algoritmi e strutture dati di base per information retrieval e per analisi di reti complesse
Conoscenza applicata e comprensione: gli studenti saranno in grado di implementare ed usare un sistema di information retrieval di base e allo stesso modo sapranno analizzare dati presentati sotto forma di una rete, usando strumenti di pubblico dominio
Effettuare valutazioni: gli studenti saranno 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: Gli studenti impareranno a comunicare ed a giustificare l’uso delle tecniche più appropriate per la soluzione di un dato problema
Capacità di apprendimento: gli studenti saranno in grado di apprendere in modo autonomo come raffinare le tecniche di base che impareranno durante il corso e a come usare al meglio gli strumenti disponibili