(I) C.D. Manning, P. Raghavan, P. Raghavan Introduction to Information Retrieval, Cambridge University Press - 2008
(I) A. Rajaraman, J. D. Ullman, Mining of Massive Datasets, 2011
(L) I. Witten, A. Moffat, T.C. Bell Managing Gigabytes, Van Nostrand Reinhold – 1999
(L) D. Doermann, K. Tombre (Eds.) Handbook of Document Image Processing and Recognition, 2014 (L)
Note:
(L) : Book available in the Engineering library
(I) : Book available in Internet (authors' version)
Obiettivi Formativi
Obiettivo del corso è quello di fornire le conoscenze e capacità necessarie a progettare e sviluppare sistemi che permettano di estrarre conoscenza da grandi quantità di dati con particolar riferimento ad applicazioni nell'ambito di sistemi di analisi di immagini di documenti.
- Conoscenza delle tecniche di base del Data Mining che consentono di modellare grandi
quantità di dati ed estrarne informazione utile.
- Conoscenza delle problematiche relative all'estrazione di informazione ed indicizzazioni di documenti sia testuali che non testuali.
- Conoscenza dei principali modelli e algoritmi in Information Retrieval
- Conoscenza delle principali tecniche per l'estrazione di informazioni da documenti digitalizzati e quindi acquisite prevalentemente sotto forma di immagini.
Prerequisiti
Sono essenziali le conoscenze apprese nei corsi di Basi di Dati e Algoritmi e Strutture Dati. La conoscenza delle basi di Intelligenza Artificiale può risultare utile.
Metodi Didattici
Lezioni frontali, esercitazioni in classe, svolgimento assistito
di elaborati.
Altre Informazioni
Gli esami orali vengono svolti nell'ufficio del docente, dopo aver concluso
l'elaborato.
Modalità di verifica apprendimento
Durante il corso è prevista l'analisi di un articolo scientifico e la sua presentazione ai colleghi durante le lezioni
La verifica finale consta di un elaborato e di una prova orale.
L'elaborato può essere o individuale e basato sullo studio di alcuni articoli scientifici o in gruppo e finalizzato all'implementazione al test e all'analisi di una semplice applicazione nell'ambito degli argomenti del corso.
Nel complesso la verifica deve permettere allo studente di mostrare le capacità di:
- Saper analizzare un problema pratico e progettare una sua soluzione
- Saper applicare le principali tecniche descritte durante il corso tramite implementazione di un modulo software o tramite analisi teorica
- Saper interagire con colleghi per portare avanti lo svolgimento del progetto
- Saper descrivere in modo accurato in forma scritta il lavoro svolto e fornire una appropriata analisi dei risultati
- Saper descrivere metodi ed algoritmi degli argomenti trattati nel corso
Programma del corso
Basic concepts of Secondary Storage
Large scale file systems
Map-reduce, algorithms using Map-reduce
Information Retrieval
Document Engineering
Document Image Analysis and Recognition
Data Mining
Finding Similar Items, Frequent itemsets, Clustering, High-dimensional spaces and dimensionality reduction, Web mining, Datawarehouse
Homework & project