SOCIAL MEDIA MANAGEMENT

INF/01 - 6 CFU - 1° semestre

Docente titolare dell'insegnamento

GIOVANNI MARIA FARINELLA

Obiettivi formativi

l corso si propone di approfondire teorie e tecniche utili per la creazione di sistemi di analisi di dati multimediali (immagini, testo, tag, metadati) presenti nei social media.

I discenti acquisiranno conoscenze e capacità utili all'analisi di grosse moli di dati multimediali presenti nei social media. Le conoscenze acquisite saranno applicate attraverso attività laboratoriali e progettuali. Agli studenti verranno assegnati homework utili a sviluppare una capacità di apprendimento e di autonomia di giudizio. La prova orale prevista per il superamento dell'esame sarà utile a sviluppare le abilità comunicative dei discenti.

Prerequisiti richiesti

Nessuno

Frequenza lezioni

Consigliata

Contenuti del corso

Il corso include i seguenti argomenti:

Social Media, Computational Social Science e Marketing Digitale
Big Data, Sentiment Analysis e Visual Analytics
API e librerie per l'estrapolazione, il trattamento e la visualizzazione dei dati presenti nei Social Media
Algoritmi di Machine Learning e Pattern Recognition applicati al contesto dei Social Media
Algoritmi di Computer Vision per il trattamento delle immagini nel contesto dei Social Media
Deep Learning

Testi di riferimento

R. Zafarani, M. A. Abbasi, H. Liu, Social Media Mining - An Introduction, Cambridge University Press, 2014
J. Leskovec, A. Rajaraman, J. D. Ullman, Mining of Massive Datasets, Cambridge Press, 2011
C. Bishop, Pattern Recognition and Machine Learning, Springer, 2006
E. Alpaydin, Introduction to Machine Learning, The MIT Press, 2009
Y. Bengio, I. J. Goodfellow, A.Courville, Deep Learning, Book in preparation for MIT Press, 2015
Duda, P. E. Hart, D. G. Stork, Pattern Classification (2nd ed.), Wiley, 2000
Murphy, Machine Learning – A Probabilistic Perspective, The MIT Press, 2012
R. C. Gonzales, R.E. Woods, Elaborazione delle Immagini Digitali, Pearson Italia 2008
R. Szeliski, Computer Vision: Algorithms and Application, Springer 2010
S. J.D. Prince, Computer Vision: Models, Learning, and Inference, Cambridge University Press, 2012
First Contact with Tensor Flow, Jordi Torres, 2016

Altro materiale didattico

http://www.dmi.unict.it/farinella/SMM/

Programmazione del corso

	*	Argomenti	Riferimenti testi
1	*	Social Media, Computational Social Science e Marketing Digitale	1
2	*	Big Data, Sentiment Analysis e Visual Analytics	1, 2
3	*	API e librerie per l'estrapolazione, il trattamento e la visualizzazione dei dati presenti nei Social Media	11
4	*	Algoritmi di Machine Learning e Pattern Recognition applicati al contesto dei Social Media	1, 2, 3, 4, 5, 6, 7
5	*	Algoritmi di Computer Vision per il trattamento delle immagini nel contesto dei Social Media	8, 9, 10
6	*	Deep Learning	5, 11

* Conoscenze minime irrinunciabili per il superamento dell'esame.

N.B. La conoscenza degli argomenti contrassegnati con l'asterisco è condizione necessaria ma non sufficiente per il superamento dell'esame. Rispondere in maniera sufficiente o anche più che sufficiente alle domande su tali argomenti non assicura, pertanto, il superamento dell'esame.

Verifica dell'apprendimento

MODALITÀ DI VERIFICA DELL'APPRENDIMENTO

Prova orale e progetto

PROVE IN ITINERE

Non prevista

PROVE DI FINE CORSO

Prova orale e progetto

ESEMPI DI DOMANDE E/O ESERCIZI FREQUENTI

- Descrivere l'algoritmo e lo pseudocodice della discesa del gradiente

Apri in formato Pdf English version