Big Data Systems: Analysis, Management, And Applications 2025/2026

Introduzione ai concetti di base dei Big Data: terminologia, aspetti principali ed esempi di applicazioni. Problematiche principali legate alla gestione dei Big Data: volume dei dati e occupazione di memoria, velocità dell'elaborazione e complessità computazionale, presenza di errori e accuratezza dei dati, comprensione dei dati.
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

---

Fonte: GOMP