Bologna · Facoltà: Ingegneria e architettura · Ingegneria e scienze informatiche - sede di Cesena (LM-18)
Di cosa si tratta: I big data vengono letti come supporto ai processi decisionali, con un approccio prevalentemente umanistico che mette al centro le persone più dei numeri. Si studiano i tre principali tipi di apprendimento algoritmico usati nel machine learning: supervisionato, non supervisionato e rinforzato, e le domande a cui ciascuno permette di rispondere.
Link affiliati Amazon di ricerca: il prezzo per te non cambia.
Domande possibili all’esame
Quali caratteristiche definiscono i big data, come volume, varietà e velocità?
Qual è la differenza tra dati strutturati, semi-strutturati e non strutturati?
Come funziona il paradigma MapReduce nell'elaborazione distribuita?
Quali vantaggi offre un data lake rispetto a un data warehouse tradizionale?
Che cosa afferma il teorema CAP nei sistemi distribuiti?
Come si garantisce la qualità dei dati in un flusso di grandi dimensioni?
Qual è il ruolo di Apache Spark rispetto a Hadoop nell'elaborazione in memoria?
Come si differenziano l'elaborazione batch e quella in streaming?
Quali tecniche si usano per partizionare i dati tra più nodi di un cluster?
Che cosa si intende per schema-on-read e in quali casi è preferibile allo schema-on-write?
Come si progetta una pipeline ETL per integrare sorgenti eterogenee?
Quali problemi di privacy emergono nell'analisi di grandi quantità di dati personali?
In che modo la replicazione dei dati aumenta la tolleranza ai guasti?
Quali strumenti di visualizzazione sono adatti a dataset di grandi dimensioni?
Come si valuta la scalabilità orizzontale rispetto a quella verticale?
Quali modelli di dati adottano le basi di dati NoSQL?
Come si individuano i dati anomali in un dataset di grandi dimensioni?
Quali metodi di compressione riducono lo spazio di archiviazione senza perdita di informazioni?
Come si collega il concetto di big data alle decisioni aziendali basate sui dati?
Quali competenze sono richieste a chi lavora con l'analisi di big data?
Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.
Domande frequenti Libri, programma ed esami del prof. Enrico Gallinucci a Bologna
Che libro usa il prof. Enrico Gallinucci per Big Data a Bologna?
Per Big Data (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Tom White. Hadoop - The Definitive Guide (4th, Matei Zaharia – 2nd Edition, Andrew – Streaming Data, Ian Foster – Cloud Computing for Science and Engineering.
Quanto è impegnativo Big Data?
6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.
Dove trovo la scheda ufficiale di un esame?
Ogni insegnamento qui sopra ha il link alla scheda ufficiale dell’ateneo: controllala sempre prima di acquistare.
Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.
Questo sito usa solo strumenti tecnici (nessun cookie di profilazione). I link ai negozi sono link di affiliazione. Cookie policy · Privacy