Insegnamento VISUALIZZAZIONE DELL'INFORMAZIONE E ANALISI VISUALE
Nome del corso di laurea | Ingegneria informatica e robotica |
---|---|
Codice insegnamento | 70A00028 |
Curriculum | Data science |
Docente responsabile | Giuseppe Liotta |
Docenti |
|
Ore |
|
CFU | 9 |
Regolamento | Coorte 2021 |
Erogato | Erogato nel 2022/23 |
Erogato altro regolamento | |
Attività | Caratterizzante |
Ambito | Ingegneria informatica |
Settore | ING-INF/05 |
Anno | 2 |
Periodo | Primo Semestre |
Tipo insegnamento | Obbligatorio (Required) |
Tipo attività | Attività formativa monodisciplinare |
Lingua insegnamento | ITALIANO |
Contenuti | Introduzione alla visualizzazione dell'informazione relazionale e sue applicazioni. Tecniche divide et impera e sue applicazioni al disegno di alberi, di grafi SP, ed al test di planarità. Il problema del flusso a costo minimo su rete e le sue applicazioni a layout ortogonali (es: VLSI, Software Engineering) e upward (es: PERT). Approcci euristici all'ottimizzazione e disegni force-directed. Tecniche approssimate e di programmazione intera con applicazioni al disegno di reti gerarchiche. Esempi di problemi di ottimizzazione geometrica NP-ardui. Calcolo di lower bound e di upper bound su vari problemi di layout. Applicazioni della visualizzazione dell'informazione in ambito di data mining, basi di dati, networking, web semantico, sicurezza. |
Testi di riferimento | - G. Di Battista, P. Eades, R. Tamassia and I. Tollis, "Graph Drawing: Algorithms for the Visualization of Graphs", Prentice-Hall 1999 - T. Nishizeki, Md. S. Rahman "Planar Graph Drawing", World Scientific, Lecture Notes Series On Computing, Vol. 12, 2004 |
Obiettivi formativi | Il corso illustra alcune tecniche di base per la visualizzazione dell'informazione relazionale, con particolare enfasi su metodi e modelli algoritmici. Si pone l'obiettivo di approfondire la conoscenza degli studenti su problemi di ingegneria degli algoritmi e di ottimizzazione su reti; tali conoscenze vengono quindi applicate a problemi di visualizzazione dell'informazione di varia natura e con forte connotazione pratica. Le competenze acquisite dagli studenti in questo corso hanno utilità in svariati contesti industriali, in particolare nell'ambito del trattamentoi dei Big Data e nello sviluppo di tecnologie informatiche per la Data Science. |
Prerequisiti | Il corso si colloca al quinto anno di un curriculum didattico che prevede una laurea di primo livello nella classe L08 (ingegneria informatica o affine) ed un primo anno di laurea magistrale nella classe LM32 (ingegneria informatica o affine). Pertanto, si prevede che gli studenti che frequentano il corso abbiano competenze sugli argomenti tipicamente trattati in tali corsi di studio. In particolare, durante le lezioni si faranno riferimenti a temi di: Fondamenti di informatica; basi di dati, architetture e sistemi operativi; informatica grafica; ingegneria del software; informatica teorica; algoritmi e strutture dati. |
Metodi didattici | La didattica prevede tre tipi di lezioni: Lezioni teoriche frontali in aula su tutti gli argomenti del corso. Agli studenti verrà fornita in anticipo copia delle diapositive utilizzate dal docente a lezione tramite area riservata del corso; Studi di caso, in aula alla lavagna durante i quali si considerano problemi progettuali di visualizzazione dell'informazione analoghi a quelli oggetto delle prove di esame. Lezioni in Laboratorio di Informatica, durante le quali gli studenti apprendono i principi fondamentali per la realizzazione di semplici motori di analisi visuale dei dati. |
Altre informazioni | La frequenza non è obbligatoria ma è fortemente consgliata. L'esperienza del docente è che la maggior parte degli studenti che frequenta il corso supera l'esame nei primi due appelli con voti sopra la media. Nell'A.A. 2014-15 il voto medio è: 27.7. Nell'A.A. 2015-16 il voto medio è: 27.4. Il ricevimento syudenti si tiene il martedì dalle 18:00 alle 19:30. |
Modalità di verifica dell'apprendimento | L'esame consiste nella prove dii seguito elencata. Esame orale di natura teorica e applicativa Durata: 30-45 minuti Punteggio: 30/30 Obiettivo: accertare le conoscenze sui concetti teorici impartiti nell'insegnamento e valutare abilità pratiche e competenze ingegneristiche nell'applicazione di tali concetti su casi d'uso concreti. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
Programma esteso | Il corso illustra alcune tecniche di base per la visualizzazione dell'informazione relazionale, con particolare enfasi su metodi e modelli algoritmici. Il corso si articola su 36 lezioni di due ore ciascuna. Il porgramma è elencato nel seguito, indicando per ogni lezione l'agromento in essa trattato. Lez. 1 Introduzione alla visualizzazione dell'informazione. Obiettivi del corso; terminologia di base. Lez.2 Richiami (proma parte) Lez.3 Richiami (seconda parte) Lez.4 Disegni layered di alberi Lez.5 Disegni radiali e HV Lez.6 Recursive Winding Lez.7 Applicazone di tecniche divide et impera alla visualizazzione di reti (prima parte) Lez.8 Treemap Lez.9 Disegni di grafi serie-parallelo Lez.10 Applicazone di tecniche divide et impera alla visualizazzione di reti (seconda parte) Lez.11 Test planarità Lez.12 Applicazone di tecniche divide et impera alla visualizazzione di reti (terza parte) Lez.13 Planarizzazione Lez.14 Richiami sulle tecniche di flusso Lez.15 Disegni Ortogonali (prima parte) Lez.16 Disegni Ortogonali (seconda parte) Lez.17 Disegni Ortogonal (terza parte) Lez.18 Disegni Ortogonali (quarta parte) Lez.19 Disegni Ortogonali (quinta parte) Lez. 20 Applicazioni delle tecniche per la visualizzazione di reti ortogonali Lez. 21 Metodi force directed (prima parte) Lez. 22 Metodi force directed (seconda parte) Lez. 23 Applicazioni delle tecniche froce directed Lez. 24 Ordinamento Canonico e disegni in area ottimale Lez. 25 Shift algorithm Lez. 26 st-grafi ed st-orientazione Lez. 27 Rappresentazioni di visibilità Lez. 28 Disegni poligonali Lez. 29 Disegni di dominanza Lez. 30 Disegni di grafi orientati (prima parte) Lez. 31 Disegni di grafi orientati (seconda parte) Lez. 32 Disegni di grafi orientati (terza parte) Lez. 33 Disegni di grafi orientati (quarta parte) Lez, 34 Progettazione di librerie algortimiche per la visualizzazione dell'informazione Lez. 35 Visual analytics in partica (esperienze progettuali su temi come smart cities, data science, semantic web) Lez. 36 Ricapitolazione del corso e conlcusioni |