Fornire competenze su sistemi, metodologie, modelli e formalismi per l’analisi di informazioni strutturate e non strutturate. In particolare il corso mira a presentare aspetti metodologici e tecnologici per l’estrazione, il cleaning, l’integrazione, l’analisi e l'esplorazione dell'informazione proveniente da fonti non strutturate.
Curriculum
scheda docente
materiale didattico
Data quality
Data integration
Programma
Source discoveryData quality
Data integration
Testi Adottati
Slide del docenteBibliografia Di Riferimento
- Dong, Xin Luna, and Divesh Srivastava. "Big data integration." 2013 IEEE 29th international conference on data engineering (ICDE). IEEE, 2013. - Abedjan, Ziawasch, et al. Data profiling. Vol. 10. San Rafael, CA, USA: Morgan & Claypool Publishers, 2019. - Zha, Daochen, et al. "Data-centric ai: Perspectives and challenges." Proceedings of the 2023 SIAM International Conference on Data Mining (SDM). Society for Industrial and Applied Mathematics, 2023.Modalità Frequenza
Il corso di tiene in presenza. La frequenza non è obbligatoria, ma è fortemente consigliata. Gli studenti lavoratori devono contattare il docente ad inizio corso.Modalità Valutazione
La prova orale consiste nella discussione dei progetti assegnati dal docente durante il corso.
scheda docente
materiale didattico
Data quality
Data integration
Programma
Source discoveryData quality
Data integration
Testi Adottati
Slide del docenteBibliografia Di Riferimento
- Dong, Xin Luna, and Divesh Srivastava. "Big data integration." 2013 IEEE 29th international conference on data engineering (ICDE). IEEE, 2013. - Abedjan, Ziawasch, et al. Data profiling. Vol. 10. San Rafael, CA, USA: Morgan & Claypool Publishers, 2019. - Zha, Daochen, et al. "Data-centric ai: Perspectives and challenges." Proceedings of the 2023 SIAM International Conference on Data Mining (SDM). Society for Industrial and Applied Mathematics, 2023.Modalità Frequenza
Il corso di tiene in presenza. La frequenza non è obbligatoria, ma è fortemente consigliata. Gli studenti lavoratori devono contattare il docente ad inizio corso.Modalità Valutazione
La prova orale consiste nella discussione dei progetti assegnati dal docente durante il corso.
scheda docente
materiale didattico
Data quality
Data integration
Programma
Source discoveryData quality
Data integration
Testi Adottati
Slide del docenteBibliografia Di Riferimento
- Dong, Xin Luna, and Divesh Srivastava. "Big data integration." 2013 IEEE 29th international conference on data engineering (ICDE). IEEE, 2013. - Abedjan, Ziawasch, et al. Data profiling. Vol. 10. San Rafael, CA, USA: Morgan & Claypool Publishers, 2019. - Zha, Daochen, et al. "Data-centric ai: Perspectives and challenges." Proceedings of the 2023 SIAM International Conference on Data Mining (SDM). Society for Industrial and Applied Mathematics, 2023.Modalità Frequenza
Il corso di tiene in presenza. La frequenza non è obbligatoria, ma è fortemente consigliata. Gli studenti lavoratori devono contattare il docente ad inizio corso.Modalità Valutazione
La prova orale consiste nella discussione dei progetti assegnati dal docente durante il corso.
scheda docente
materiale didattico
Data quality
Data integration
Programma
Source discoveryData quality
Data integration
Testi Adottati
Slide del docenteBibliografia Di Riferimento
- Dong, Xin Luna, and Divesh Srivastava. "Big data integration." 2013 IEEE 29th international conference on data engineering (ICDE). IEEE, 2013. - Abedjan, Ziawasch, et al. Data profiling. Vol. 10. San Rafael, CA, USA: Morgan & Claypool Publishers, 2019. - Zha, Daochen, et al. "Data-centric ai: Perspectives and challenges." Proceedings of the 2023 SIAM International Conference on Data Mining (SDM). Society for Industrial and Applied Mathematics, 2023.Modalità Frequenza
Il corso di tiene in presenza. La frequenza non è obbligatoria, ma è fortemente consigliata. Gli studenti lavoratori devono contattare il docente ad inizio corso.Modalità Valutazione
La prova orale consiste nella discussione dei progetti assegnati dal docente durante il corso.