Prof. Matteo Zignani

• I materiali didattici verranno resi disponibili sulla piattaforma Deepnote e sul sito web MyAriel dell'insegnamento.

Argomenti del programma: Introduzione al Machine Learning su Grafi - Fondamenti di teoria dei grafi: definizioni di base (nodi, archi, grado, cammini, connettività, centralità), tipi di grafi (orientati, pesati, multigrafi, bipartiti, ecc.), rappresentazioni computazionali (liste di adiacenza, matrici). - Terminologia e notazione standard usata nella letteratura e nelle implementazioni.

• Per la prima parte dell'insegnamento, relativa ai social media digitali e alla loro analisi, sono consigliati (opzionali) i seguenti testi di consultazione:
• Per la seconda parte dell'insegnamento, relativa a privacy e sicurezza informatica, il testo di riferimento è:
• Ulteriori articoli, materiali didattici, slide, esempi ed esercitazioni potranno essere messi a disposizione tramite la piattaforma MyAriel durante lo svolgimento dell'insegnamento.

Argomenti del programma: L'insegnamento è articolato in due parti principali. La prima parte introduce i social media digitali, le tecnologie che ne supportano il funzionamento e le tecniche per l'estrazione, l'analisi e l'interpretazione dei dati prodotti dalle piattaforme sociali. La seconda parte affronta i temi della privacy, della sicurezza informatica e delle principali minacce nei contesti social e web.

• Ulteriore materiale integrativo, preparato dai docenti, viene reso disponibile sul sito web dell'insegnamento.

Argomenti del programma: L'insegnamento si articola in una parte di teoria e in una parte di laboratorio. La parte di teoria verte sui seguenti argomenti: Modelli di rete Elementi costituenti e loro misure - Componenti connesse - Grado dei nodi e reti scale-free - Diadi e reciprocità - Triadi e coefficiente di clustering - Similarità dei nodi - Assortatività Applicazioni - Community detection - Information diffusion Introduzione…