Ingegneria informatica e dell'intelligenza artificiale
Cod 198298
- Laurea magistrale
- 2 anni
- 120 CFU
- LM-32
ING-INF/05
Ingegneria dei Dati
Codice: 20810223
Scheda insegnamento
- Anno Accademico di erogazione
- 2026/2027
- Corso di studi
- Ingegneria informatica e dell'intelligenza artificiale
- Periodo di erogazione
- Primo semestre
- CFU
- 6 CFU
- Lingua
- Italiano
- SSD
- ING-INF/05
Scopri il programma didattico
Programma, testi adottati e modalità d’esame sono quelli pubblicati dai docenti per l’anno accademico 2026/2027. L’insegnamento è diviso in canali: ogni canale ha il suo programma.
- Docente
- Paolo Merialdo
- Curriculum
- Sistemi Informatici Complessi
- Anno di corso
- 2
- Periodo
- Primo semestre
- Ore
- 48
- CUIN
- 260002631
Programma
Data extraction
Data cleaning
Data integration
Towards data semantics and word embeddings
Explainable AI
Prerequisiti
Algoritmi e strutture dati
Basi di dati
Testi adottati
Slide
Xin Luna Dong , Divesh Srivastava: Big Data Integration. Springer ISBN 978-3-031-00725-5
Dan Jurafsky and James H. Martin: Speech and Language Processing (https://web.stanford.edu/~jurafsky/slp3/)
Bibliografia di riferimento
Slides
Xin Luna Dong , Divesh Srivastava: Big Data Integration. Springer ISBN 978-3-031-00725-5
Dan Jurafsky and James H. Martin: Speech and Language Processing (https://web.stanford.edu/~jurafsky/slp3/)
Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press (https://nlp.stanford.edu/IR-book/information-retrieval-book.html)
Modalità di erogazione
Didattica frontale, discussione progetti
Modalità di frequenza
Fortemente consigliata. Gli studenti che frequentano devono fare i progetti assegnati dal docente in gruppo. Gli studenti non frequentanti devono fare i progetti assegnati dal docente autonomamente
Modalità di valutazione
Discussione progetti assegnati a lezione
Prove previste
- Prova orale
- Valutazione di un progetto
- Docente
- Paolo Merialdo
- Curriculum
- Ingegneria dei Dati
- Anno di corso
- 2
- Periodo
- Primo semestre
- Ore
- 48
- CUIN
- 260002614
Programma
Data extraction
Data cleaning
Data integration
Towards data semantics and word embeddings
Explainable AI
Prerequisiti
Algoritmi e strutture dati
Basi di dati
Testi adottati
Slide
Xin Luna Dong , Divesh Srivastava: Big Data Integration. Springer ISBN 978-3-031-00725-5
Dan Jurafsky and James H. Martin: Speech and Language Processing (https://web.stanford.edu/~jurafsky/slp3/)
Bibliografia di riferimento
Slides
Xin Luna Dong , Divesh Srivastava: Big Data Integration. Springer ISBN 978-3-031-00725-5
Dan Jurafsky and James H. Martin: Speech and Language Processing (https://web.stanford.edu/~jurafsky/slp3/)
Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press (https://nlp.stanford.edu/IR-book/information-retrieval-book.html)
Modalità di erogazione
Didattica frontale, discussione progetti
Modalità di frequenza
Fortemente consigliata. Gli studenti che frequentano devono fare i progetti assegnati dal docente in gruppo. Gli studenti non frequentanti devono fare i progetti assegnati dal docente autonomamente
Modalità di valutazione
Discussione progetti assegnati a lezione
Prove previste
- Prova orale
- Valutazione di un progetto
- Docente
- Paolo Merialdo
- Curriculum
- Intelligenza artificiale e Machine Learning
- Anno di corso
- 2
- Periodo
- Primo semestre
- Ore
- 48
- CUIN
- 260002649
Programma
Data extraction
Data cleaning
Data integration
Towards data semantics and word embeddings
Explainable AI
Prerequisiti
Algoritmi e strutture dati
Basi di dati
Testi adottati
Slide
Xin Luna Dong , Divesh Srivastava: Big Data Integration. Springer ISBN 978-3-031-00725-5
Dan Jurafsky and James H. Martin: Speech and Language Processing (https://web.stanford.edu/~jurafsky/slp3/)
Bibliografia di riferimento
Slides
Xin Luna Dong , Divesh Srivastava: Big Data Integration. Springer ISBN 978-3-031-00725-5
Dan Jurafsky and James H. Martin: Speech and Language Processing (https://web.stanford.edu/~jurafsky/slp3/)
Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press (https://nlp.stanford.edu/IR-book/information-retrieval-book.html)
Modalità di erogazione
Didattica frontale, discussione progetti
Modalità di frequenza
Fortemente consigliata. Gli studenti che frequentano devono fare i progetti assegnati dal docente in gruppo. Gli studenti non frequentanti devono fare i progetti assegnati dal docente autonomamente
Modalità di valutazione
Discussione progetti assegnati a lezione
Prove previste
- Prova orale
- Valutazione di un progetto
- Docente
- Paolo Merialdo
- Curriculum
- Algoritmi, Big Data e Machine Learning
- Anno di corso
- 2
- Periodo
- Primo semestre
- Ore
- 48
- CUIN
- 260002659
Programma
Data extraction
Data cleaning
Data integration
Towards data semantics and word embeddings
Explainable AI
Prerequisiti
Algoritmi e strutture dati
Basi di dati
Testi adottati
Slide
Xin Luna Dong , Divesh Srivastava: Big Data Integration. Springer ISBN 978-3-031-00725-5
Dan Jurafsky and James H. Martin: Speech and Language Processing (https://web.stanford.edu/~jurafsky/slp3/)
Bibliografia di riferimento
Slides
Xin Luna Dong , Divesh Srivastava: Big Data Integration. Springer ISBN 978-3-031-00725-5
Dan Jurafsky and James H. Martin: Speech and Language Processing (https://web.stanford.edu/~jurafsky/slp3/)
Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Introduction to Information Retrieval, Cambridge University Press (https://nlp.stanford.edu/IR-book/information-retrieval-book.html)
Modalità di erogazione
Didattica frontale, discussione progetti
Modalità di frequenza
Fortemente consigliata. Gli studenti che frequentano devono fare i progetti assegnati dal docente in gruppo. Gli studenti non frequentanti devono fare i progetti assegnati dal docente autonomamente
Modalità di valutazione
Discussione progetti assegnati a lezione
Prove previste
- Prova orale
- Valutazione di un progetto
Esplora gli obiettivi dell’insegnamento
Ambito disciplinare: Ingegneria informatica
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.
Esempi di domande d’esame
Paolo Merialdo
Illustrare il progetto e motivare le scelte tecnologiche e metodologiche
Illustrare punti di forza e di debolezza della soluzione
Descrivere le metriche usate per la valutazione
Paolo Merialdo
Illustrare il progetto e motivare le scelte tecnologiche e metodologiche
Illustrare punti di forza e di debolezza della soluzione
Descrivere le metriche usate per la valutazione
Paolo Merialdo
Illustrare il progetto e motivare le scelte tecnologiche e metodologiche
Illustrare punti di forza e di debolezza della soluzione
Descrivere le metriche usate per la valutazione
Paolo Merialdo
Illustrare il progetto e motivare le scelte tecnologiche e metodologiche
Illustrare punti di forza e di debolezza della soluzione
Descrivere le metriche usate per la valutazione