Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
PHYSICS OF DATA
Insegnamento
MANAGEMENT AND ANALYSIS OF PHYSICS DATASET (C.I.)
SCP8082533, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
PHYSICS OF DATA
SC2443, ordinamento 2018/19, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi
Tipo di valutazione Voto
Denominazione inglese MANAGEMENT AND ANALYSIS OF PHYSICS DATASET (C.I)
Sito della struttura didattica http://physicsofdata.scienze.unipd.it/2019/laurea_magistrale
Dipartimento di riferimento Dipartimento di Fisica e Astronomia "Galileo Galilei"
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile DONATELLA LUCCHESI FIS/01

Moduli che appartengono al corso integrato
Codice Insegnamento Responsabile
SCP8082534 MANAGEMENT AND ANALYSIS OF PHYSICS DATASET (MOD. A) GIANMARIA COLLAZUOL
SCP8082535 MANAGEMENT AND ANALYSIS OF PHYSICS DATASET (MOD. B) DONATELLA LUCCHESI

Organizzazione dell'insegnamento
Periodo di erogazione  
Anno di corso  
Modalità di erogazione frontale

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 20/06/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2018

Commissioni d'esame
Commissione Dal Al Membri
1 Commissione Management and Analysis of Physics Datasets 2018/2019 01/10/2018 30/11/2019 LUCCHESI DONATELLA (Presidente)
COLLAZUOL GIANMARIA (Membro Effettivo)
ZANETTI MARCO (Supplente)

Syllabus
Prerequisiti: Elementi di analisi e algebra.
Fisica generale.
Statistica.
Elementi di base di programmazione.
Conoscenze e abilita' da acquisire: Conoscenze di base su sistemi operativi Unix
Conoscenza del calcolo distribuito.
Conoscenza del management di grandi moli di dati su architetture distribuite.
Capacita' di costruire un cluster con hardware a disposizione.
Management di dati sul cluster distribuito.
Analisi dei dati su cluster distribuito.
Modalita' di esame: Sviluppo di un progetto asseganto a fine corso. Presentzione e discussione del progetto, domande sul materiale presentato a lezione.
Criteri di valutazione: Valutazione del progetto consegnato: accuratezza dello svolgimento,completezza e correttezza dell'eleborato, sintesi.
Valutazione dell'esposizione: sintesi, completezza, correttezza e accuratezza nella presentazione.
Valutazione delle risposte: correttezza, completezza e accuratezza.

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Laboratory
  • Problem based learning
  • Working in group
  • Problem solving

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • Jupyter notebook

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Industria, innovazione e infrastrutture