Navigazione di Sezione:
Big Data Systems: Analysis, Management, And Applications 2025/2026
Programma di Big Data Systems: Analysis, Management, And Applications:
Infrastrutture: Architetture Distribuite e Parallele; Cloud Computing per i Big Data. Ambiente Hadoop.
Memorizzazione dei Big Data: Memorizzazione strutturata; Distributed file systems; Database non relazionali; Tipologie di database NoSql; Tecniche di preelaborazione dei Big Data:
Paradigma Map Reduce e Spark: Hadoop e Map Reduce; Spark e SparkSQL, Datasets and DataFrames. Spark programs based on RDDs (Resilient Distributed Data sets)
Algoritmi per grandi quantità di dati in Map Reduce: Ricerca del vicino più prossimo in alte dimensioni. Locality Sensitive Hashing (LSH), Recommender Systems, Clustering, Data stream mining, Analisi di grafi di grandi dimensioni, Algoritmi per l’individuazione di comunità in grafi di grandi dimensioni; Web spam and TrustRank; Web advertising.
Esercitazioni e progetto in Spark
Testi di studio
- Non esiste un libro di testo, poiché il materiale si basa principalmente su articoli scientifici e documentazione di framework e strumenti per il Big Data. Quelli elencati di seguito coprono una buona parte degli argomenti trattati nel corso
• Bahga, V. Madisetti, Cloud Computing Solutions Architect: A Hands-On Approach, 2019.
• M. Kleppman, Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems, O'Reilly, 2017.
• Matei Zaharia, Bill Chambers. Spark: The Definitive Guide (Big Data Processing Made Simple). O'Reilly Media, 2018.
• Advanced Analytics and Real-Time Data Processing in Apache Spark. Packt Publishing, 2018.
• Tom White. Hadoop, The Definitive Guide. (Third edition). O'Reilly Media, 2015.
• Donald Miner, Adam Shook . “MapReduce Design Patterns: Building Effective Algorithms and Analytics for Hadoop and Other Systems.” O'Reilly, 2012
English
Italiano