L'insegnamento si propone di introdurre gli studenti ai recenti sviluppi nella rappresentazione e apprendimento dell'informazione tramite grafi, offrendo una panoramica delle tecniche sviluppate nei campi emergenti della scienza delle reti e dell’apprendimento automatico. Attraverso casi di studio tratti da economia, finanza e diritto, si dimostra l'applicazione pratica di questi metodi a dati relazionali reali.

01. Metodi classici per l’analisi delle reti

01.01 Fondamenti di teoria dei grafi

01.02 Proprietà strutturali di nodi e grafi

01.03 Rilevamento di comunità e motivi ricorrenti

01.04 Modelli probabilistici di grafi

01.05 Librerie Python per l’analisi delle reti

01.06 Applicazioni in ambito giuridico e amministrativo

02. Apprendimento automatico su reti

02.01 Rappresentazioni compresse di nodi e grafi

02.02 Reti neurali su grafi (graph neural networks)

02.03 Modelli generativi per grafi

02.04 Librerie Python per l’apprendimento su grafi

02.05 Applicazioni in finanza e marketing

03. Sistemi federati e distribuiti

03.01 Sistemi distribuiti e algoritmi

03.02 Apprendimento federato e relativi framework

Non vi sono propedeuticità obbligatorie, tuttavia si suggerisce di seguire l'insegnamento dopo aver sostenuto l'esame di Machine Learning

Conoscenze e comprensione: Al termine del corso, si comprenderanno le idee fondamentali, i recenti sviluppi e il potenziale applicativo dei principali algoritmi e modelli per l’analisi delle reti. Si avrà familiarità sia con i principi teorici sia con le metodologie pratiche, e si sarà in grado di applicare tali tecnologie alla risoluzione di problemi in contesti reali.

Capacità di applicare conoscenze e comprensione: Si sarà in grado di utilizzare le conoscenze acquisite per progettare sistemi analitici basati su algoritmi e modelli di apprendimento automatico su grafi.

Autonomia di giudizio: Si sarà in grado di valutare in modo critico i risultati ottenuti dall’applicazione dei metodi trattati durante il corso e di trarne conclusioni motivate.

Abilità comunicative: Si sarà in grado di illustrare in modo chiaro e appropriato i principi e i metodi relativi alla rappresentazione e all’apprendimento su grafi.

Capacità di apprendimento: Si svilupperà la capacità di progettare e implementare sistemi per l’analisi e l’elaborazione di grafi.

Il materiale didattico predisposto dalla/dal docente in aggiunta ai testi consigliati (come ad esempio diapositive, dispense, esercizi, bibliografia) e le comunicazioni della/del docente specifiche per l'insegnamento sono reperibili all'interno della piattaforma Moodle › blended.uniurb.it

Modalità didattiche

L'insegnamento viene erogato a distanza all'interno della piattaforma Moodle.

Obblighi

Sebbene fortemente consigliata, la frequenza non è obbligatoria.

Testi di studio

"Graph Representation Learning" di William L. Hamilton
"Networks, Crowds, and Markets: Reasoning About a Highly Connected World" di David Easley e Jon Kleinberg
"Network Science" di Albert-László Barabási

Modalità di
accertamento

L’esame consiste nello svolgimento di un progetto, i cui obiettivi saranno definiti in accordo con la docente. La valutazione prevede la consegna di una relazione scritta, dell’implementazione in un repository GitHub ben documentato e una breve presentazione orale, seguita da una discussione in cui vengono illustrate e motivate le scelte metodologiche e implementative adottate.

Disabilità e DSA

Le studentesse e gli studenti che hanno registrato la certificazione di disabilità o la certificazione di DSA presso l'Ufficio Inclusione e diritto allo studio, possono chiedere di utilizzare le mappe concettuali (per parole chiave) durante la prova di esame.

A tal fine, è necessario inviare le mappe, due settimane prima dell’appello di esame, alla o al docente del corso, che ne verificherà la coerenza con le indicazioni delle linee guida di ateneo e potrà chiederne la modifica.

Modalità didattiche

Come per frequentanti.

Obblighi

Come per frequentanti.

Testi di studio

Come per frequentanti.

Modalità di
accertamento

Come per frequentanti.

Disabilità e DSA

Le studentesse e gli studenti che hanno registrato la certificazione di disabilità o la certificazione di DSA presso l'Ufficio Inclusione e diritto allo studio, possono chiedere di utilizzare le mappe concettuali (per parole chiave) durante la prova di esame.

A tal fine, è necessario inviare le mappe, due settimane prima dell’appello di esame, alla o al docente del corso, che ne verificherà la coerenza con le indicazioni delle linee guida di ateneo e potrà chiederne la modifica.