Roberto TAGLIAFERRI | ARCHITETTURE PER I BIG DATA
Roberto TAGLIAFERRI ARCHITETTURE PER I BIG DATA
cod. 0212800015
ARCHITETTURE PER I BIG DATA
| 0212800015 | |
| DIPARTIMENTO DI SCIENZE ECONOMICHE E STATISTICHE | |
| CORSO DI LAUREA | |
| STATISTICA PER I BIG DATA | |
| 2025/2026 |
| OBBLIGATORIO | |
| ANNO CORSO 3 | |
| ANNO ORDINAMENTO 2018 | |
| PRIMO SEMESTRE |
| SSD | CFU | ORE | ATTIVITÀ | |
|---|---|---|---|---|
| INF/01 | 5 | 30 | LEZIONE |
| Obiettivi | |
|---|---|
| OBIETTIVO DEL CORSO È INTRODURRE LO STUDENTE ALLE ARCHITETTURE PER I BIG DATA E ALLA LORO CARATTERIZZAZIONE, NONCHÉ ALLE SOLUZIONI TECNICHE ALLA LORO BASE, SOPRATTUTTO A QUELLE HARDWARE. CONOSCENZA E CAPACITÀ DI COMPRENSIONE DURANTE IL CORSO, LO STUDENTE ACQUISIRÀ UNA CONOSCENZA TEORICA E PRATICA DEGLI ELEMENTI ARCHITETTURALI ALLA BASE DI SISTEMI PER I BIG DATA, IN MODO DA ESSERE IN GRADO DI COGLIERNE I TRATTI TECNICI DISTINTIVI E I PRINCIPI DI FUNZIONAMENTO. L’OBIETTIVO CONSISTE NELL’APPRENDERE COME TALI SISTEMI FUNZIONANO E COME UTILIZZARE AL MEGLIO LA VARIETÀ DI SOLUZIONI DISPONIBILI, ORIENTANDONE LA SCELTA ATTRAVERSO UNA CONOSCENZA DELLE FINALITÀ, DELLE POSSIBILITÀ TECNICHE, DEI LIMITI D’IMPIEGO, ANCHE ATTRAVERSO ESEMPI PRATICI DI APPLICAZIONE COME, AD ESEMPIO, NEL CAMPO DELL’INTELLIGENZA ARTIFICIALE. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE L’IMPOSTAZIONE DEL CORSO INTENDE SVILUPPARE NELLO STUDENTE LA CONSAPEVOLEZZA TECNICA CIRCA LA PROGETTAZIONE, REALIZZAZIONE, DISPIEGAMENTO E UTILIZZO DI UNA SOLUZIONE ARCHITETTURALE PER I BIG DATA, ATTRAVERSO LO STUDIO TEORICO E L’ESERCIZIO PRATICO SU ASPETTI INERENTI ALL’ORGANIZZAZIONE HARDWARE E IL LORO UTILIZZO PER I BIG DATA E L’INTELLIGENZA ARTIFICIALE. |
| Prerequisiti | |
|---|---|
| NON SONO PREVISTI PREREQUISITI |
| Contenuti | |
|---|---|
| ARCHITETTURE DI CALCOLATORI: ELEMENTI DI BASE DI ARCHITETTURE SISD (RISC). (16 H) SIMD, VETTORIALI, MIMD E GPU. ARCHITETTURE PER L'INTELLIGENZA ARTIFICIALE. (10 H) L'ARCHITETTURA HADOOP: HDFS E MAPREDUCE (2H) CENNI SULL'ARCHITETTURA SPARK (2H) |
| Metodi Didattici | |
|---|---|
| L’INSEGNAMENTO È ARTICOLATO IN DUE PARTI ENTRAMBE DI DIDATTICA FRONTALE CHE TRATTANO LE ARCHITETTURE HW E SW, RISPETTIVAMENTE. |
| Verifica dell'apprendimento | |
|---|---|
| L'ESAME PREVEDE LO SVOLGIMENTO DI UNA PROVA ORALE DOPO LA FINE DEL CORSO. LA PROVA È VALUTATA SU UNA SCALA IN TRENTESIMI. LA PROVA ORALE HA L'OBIETTIVO DI VERIFICARE IL GRADO DI COMPRENSIONE DELLO STUDENTE DI TEMI DI MAGGIORE RILEVANZA TEORICA E A VALUTARE IL LIVELLO DI PADRONANZA DELLA DISCIPLINA. NELLA VALUTAZIONE SI TIENE CONTO DELL'ACCURATEZZA DELLE RISPOSTE FORNITE E DELLA ESAUSTIVITÀ' DELLE RISPOSTE. TALE VALUTAZIONE VIENE ESPRESSA SULLA BASE DELLA SCALA DI VOTI DA 18/30 (CONOSCENZA LIMITATA DELL’ARGOMENTO) A 30/30 LODE (IL CANDIDATO DIMOSTRA SIGNIFICATIVA PADRONANZA DEI CONTENUTI). LA DURATA DELLA PROVA È DI CIRCA 30 MINUTI |
| Testi | |
|---|---|
| DAVID A PATTERSON JOHN L HENNESSY, STRUTTURA E PROGETTO DEI CALCOLATORI. PROGETTARE CON RISC-V. SECONDA EDIZIONE ITALIANA A CURA DI ALBERTO BORGHESE, ZANICHELLI, 2023 ALEX HOLMES, HADOOP IN PRACTICE, SECOND EDITION, MANNING, SHELTER ISLAND, 2015 HOLDEN KARAU, ANDY KONWINSKI, PATRICK WENDELL & MATEI ZAHARIA. LEARNING SPARK LIGHTNING-FAST BIG DATA ANALYSIS. O'REILLY MEDIA, 2015 |
| Altre Informazioni | |
|---|---|
| NON CI SONO ALTRE INFORMAZIONI |
BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2025-08-21]
