- Oggetto:
- Oggetto:
Reti Complesse
- Oggetto:
Complex Networks
- Oggetto:
Anno accademico 2022/2023
- Codice dell'attività didattica
- MFN0954
- Docenti
- Lorenzo Dall'amico (Professore a contratto)
Michele Tizzani (Professore a contratto) - Corso di studi
- [008515] Laurea magistrale in informatica
- Anno
- 1° anno 2° anno
- Periodo didattico
- Secondo semestre
- Tipologia
- Caratterizzante
- Crediti/Valenza
- 6 CFU (Ore aula: 48)
- SSD dell'attività didattica
- INF/01 - informatica
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Italiano/Inglese
- Modalità di frequenza
- Facoltativa
- Tipologia d'esame
- Scritto più orale obbligatorio
- Prerequisiti
- Un'ottima conoscenza operativa di programmazione ed algoritmi; basi di algebra lineare; calcolo delle probabilità e statistica.An excellent working knowledge of programming and algorithms; basics of linear algebra; probability calculus and statistics..
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
Lo scopo del corso è triplice. In primo luogo, studentesse e studenti impareranno i principi fondamentali della scienza delle reti (NS), incluse le tecniche di analisi delle reti complesse, i modelli di base per studiare le dinamiche di rete (es., contagio sociale, fenomeni virali, diffusione di epidemie, etc.). In secondo luogo, impareranno ad analizzare insiemi di dati rappresentabili sotto forma di reti, tramite lo studio computazionale della struttura del grafo e dei processi dinamici che su di esso si manifestano.Questo insegnamento concorre agli obiettivi formativi dell'ambito delle reti e e dei sistemi informatici, oltre che in quelli dei sistemi per il trattamento dell'informazione del Corso di Laurea Magistrale in Informatica.
The purpose of the course is threefold. First, students will learn the fundamentals of network science (NS), including techniques for analyzing complex networks, and basic models for studying network dynamics (e.g., social contagion, viral phenomena, the spread of epidemics, etc.). Second, they will learn how to analyze datasets that can be represented in the form of networks, through the computational study of graph structure and the dynamic processes that occur on it.This teaching contributes to the educational objectives in the area of computer networks and systems, as well as information processing systems in the Computer Science Master's degree program.
- Oggetto:
Risultati dell'apprendimento attesi
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Le studentesse e gli studenti approfondiranno la loro conoscenza di algoritmi e strutture dati di base per l'analisi di reti complesse e per la rappresentazione visuale di informazione scientifica e complessa.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Gli studenti e le studentesse saranno in grado di analizzare dati, presentati sotto forma di una rete, usando strumenti di pubblico dominio.AUTONOMIA DI GIUDIZIO: Le studentesse e gli studenti saranno in grado di esprimere in maniera autonoma una valutazione sulle tecniche più idonee per risolvere un generico problema di scienza delle reti e di visualizzazione di informazione complessa.
ABILITÀ COMUNICATIVE: Gli studenti e le studentesse impareranno a comunicare ed a giustificare l’uso delle tecniche più appropriate per la soluzione di un dato problema di scienza delle reti e di visualizzazione dell'informazione.CAPACITÀ DI APPRENDIMENTO: Le studentesse e gli studenti saranno in grado di apprendere in modo autonomo come raffinare le tecniche di base che impareranno durante il corso e a come usare al meglio gli strumenti disponibili.
KNOWLEDGE AND CAPACITY TO UNDERSTAND: Students will deepen their knowledge of basic algorithms and data structures for the analysis of complex networks and for the visual representation of scientific and complex information.
ABILITY TO APPLY KNOWLEDGE AND UNDERSTANDING: Students will be able to analyze data, including presented in the form of a network, using tools from public domains.
JUDGMENTAL AUTONOMY: Students will be able to independently make an assessment of the most appropriate techniques for solving a generic network science problem and complex information visualization.
COMMUNICATION SKILLS: Students will learn to communicate and justify the use of the most appropriate techniques for solving a given network science and information visualization problem.
LEARNING SKILLS: Students will be able to learn independently how to refine the basic techniques they will learn in the course and how to best use the available tools.
- Oggetto:
Modalità di insegnamento
Lezioni che introducono i concetti teorici ed esercitazioni in laboratorio che li applicano. Nelle lezioni si affrontano gli argomenti di teoria tramite presentazioni diapositive, con esempi e alcune domande per verificare l’apprendimento degli studenti. Nelle esercitazioni in laboratorio gli studenti sono guidati nella realizzazione di semplici progetti volti a mettere in pratica le conoscenze teoriche acquisite.
Lectures that introduce theoretical concepts and laboratory exercises that apply them. In the lessons, theoretical topics are addressed through slide presentations, with examples and some questions to verify students' learning. In laboratory exercises, students are guided in the implementation of simple projects aimed at putting into practice the theoretical knowledge acquired.
- Oggetto:
Modalità di verifica dell'apprendimento
Progetto (30%): progetto individuali su un'analisi di dati rappresentati in forma di rete (lo sviluppo di codice è normalmente parte del compito). Esame scritto (70%): sulla parte teorica. Esame orale: opzionale, secondo le indicazioni che saranno fornite dal docente durante il corso.
Per ognuna delle prove di cui sopra si esprimerà una valutazione in trentesimi. La singola prova si intende superata se si ottiene un punteggio superiore oppure uguale a 18/30. Il voto finale sarà calcolato dai punteggi ottenuti nelle singole prove tramite una media pesata secondo le percentuali mostrate sopra.
Project (30%): individual project on an analysis of data represented in network form (code development is normally part of the assignment). Written exam (70%): on the theory part. Oral exam: optional as directed by the lecturer during the course.
A grade in the range [0,30] will be given for each of the above tests. The individual test will be considered passed if a score greater than or equal to 18/30 is obtained. The final grade will be calculated from the scores obtained in the individual tests by a weighted average according to the percentages shown above.
- Oggetto:
Attività di supporto
Durante l’insegnamento gli studenti e le studentesse interagiranno con il docente per la soluzione di esercizi e di compiti di laboratorio, anche tramite la piattaforma moodle.
During teaching, students will interact with the lecturer in solving exercises and lab assignments, including through the Moodle platform.
- Oggetto:
Programma
Reti Complesse e "Analisi di rete"
- Introduzione alle reti complesse
- Teoria dei grafi e metriche di rete
- centralità, piccoli mondi, hub
- reti dirette, pesate e temporali
- Legami forti e deboli
- Buchi strutturali, ponti e partizioni di grafi
- Reti ed Omofilia
- Leggi di potenza fenomeno rich gets richer
- Epidemie sui grafi
- Comunità
- Modelli a cascata
- Algoritmi di Hits Page Rank
- Teoria dei giochi
- Reti e traffico
- Introduzione a grafi temporali e ipergrafi
Complex networks and "Network analysis"
- Introduction to complex networks
- Graph theory and network metrics
- Centrality, small world, hubs
- Directed, weighted and temporal networks
- Strong and weak ties
- Structural holes, bridges e graph partitions
- Networks and homophily
- Power laws and rich gets richer phenomena
- Epidemics on graphs
- Community detection
- Cascading behaviors
- Hits and Page Rank algorithms
- Game theory
- Traffic and networks
- Introduction to temporal graphs and hypergraphs
Testi consigliati e bibliografia
- Oggetto:
- Albert-László Barabási, Network Science, Cambridge University Press
- Mark Newman, Networks, Oxford University Press
- Filippo Menczer, Santo Fortunato , and Clayton A. Davis, A First Course in Network Science, Cambridge University Press
- David Easley and Jon Kleinberg, Networks, Crowds, and Markets: Reasoning About a Highly Connected World, Cambridge University Press
- Oggetto:
