Prof. Luca Becchetti: i libri dei suoi insegnamenti

1. Quali fasi si seguono nella preparazione di un corpus testuale per l'analisi?
2. Che cosa si intende per tokenizzazione e quali difficoltà presenta nella lingua italiana?
3. Quali operazioni di normalizzazione si applicano ai testi prima dell'analisi?
4. Come si costruisce una matrice termini-documenti e quali pesi si possono usare?
5. Che cosa misura la tecnica tf-idf e come si interpreta?
6. Come funziona il modello a sacchi di parole e quali limiti presenta?
7. Quali metodi si usano per l'analisi del sentimento in un testo?
8. Come si rappresentano le parole in uno spazio vettoriale tramite gli embedding?
9. Quali differenze esistono tra modelli di topic come LDA e il clustering dei documenti?
10. Come si valuta la qualità di un modello di classificazione di testi?
11. Che cosa si intende per riconoscimento di entità nominate e come si applica?
12. Come si effettua la lemmatizzazione e in che cosa differisce dallo stemming?
13. Quali strumenti si usano per analizzare la frequenza delle parole in un corpus?
14. Come si gestisce la presenza di parole molto frequenti nei modelli di testo?
15. Quali problemi pongono le ambiguità semantiche nell'elaborazione del linguaggio naturale?
16. Come si applica la similarità coseno tra documenti?
17. Quali sono le fasi di un'analisi di parsing sintattico?
18. Come si valuta la coerenza di un modello di topic con metriche di coerenza?
19. Che cosa si intende per modelli sequenza-a-sequenza e quali usi hanno?
20. Come si affrontano i problemi di privacy e di qualità nei dati testuali raccolti dal web?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

1. Che cosa si intende per big data e quali caratteristiche li definiscono?
2. Quali sono i principali paradigmi per l'elaborazione distribuita di grandi volumi di dati?
3. Come funziona il modello di programmazione MapReduce e quali fasi prevede?
4. Che cosa si intende per file system distribuito e quali garanzie offre?
5. Quali differenze ci sono tra elaborazione batch ed elaborazione in tempo reale?
6. Come si progetta un sistema di streaming per l'analisi di dati continui?
7. Quali strumenti si usano per l'elaborazione in memoria di grandi dataset?
8. Come si garantisce la tolleranza ai guasti in un cluster di elaborazione?
9. Quali sono i vantaggi e i limiti dei database NoSQL rispetto a quelli relazionali?
10. Come si partiziona un dataset tra più nodi di un cluster?
11. Che cosa si intende per teorema CAP e come si applica nella progettazione?
12. Come si ottimizzano le query su dataset di grandi dimensioni?
13. Quali tecniche si usano per la compressione dei dati in un sistema distribuito?
14. Come si misura la scalabilità di un sistema di elaborazione parallela?
15. Che cosa si intende per legge di Amdahl e quale limite impone?
16. Come si gestisce la consistenza dei dati replicati su più nodi?
17. Quali pratiche si adottano per la sicurezza dei dati in un ambiente distribuito?
18. Come si costruisce una pipeline di dati affidabile dalla raccolta all'analisi?
19. Quali sono i costi e i benefici del calcolo in cloud per l'elaborazione di grandi quantità di dati?
20. Come si valuta la qualità dei dati in un flusso di elaborazione su larga scala?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.