SOCIAL MEDIA MANAGEMENT

Anno accademico 2019/2020 - 3° anno - Curriculum A
Docente: Antonino FURNARI
Crediti: 6
SSD: INF/01 - Informatica
Organizzazione didattica: 150 ore d'impegno totale, 102 di studio individuale, 24 di lezione frontale, 24 di esercitazione
Semestre:

Obiettivi formativi

  1. Conoscenza e capacità di comprensione (knowledge and understanding): lo studente acquisirà le conoscenze e i concetti alla base dei social media e dell'analisi dei dati da essi provenienti.
  2. Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): lo studente acquisirà le competenze pratiche di realizzazione di sistemi di analisi dei dati estratti dai social media.
  3. Autonomia di giudizio (making judgements): Attraverso i laboratori e i progetti assegnati agli studenti, essi saranno in grado di elaborare autonomamente soluzioni in grado di risolvere i problemi di base che potrebbero presentarsi nel mondo del lavoro.
  4. Abilità comunicative (communication skills): lo studente acquisirà le necessarie abilità comunicative e di appropriatezza espressiva nell'impiego del linguaggio tecnico nell'ambito generale dei social media e dell'analisi dei dati.
  5. Capacità di apprendimento (learning skills): ll 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. La prova orale prevista per il superamento dell'esame sarà utile a sviluppare le abilità comunicative dei discenti.

Modalità di svolgimento dell'insegnamento

Lezioni frontali e laboratorio


Prerequisiti richiesti

Non si richiedono prerequisiti specifici. Si utilizzeranno nozioni di base delle seguenti materie:

Elementi di Analisi Matematica

Matematica Discreta

Fondamenti di Informatica

Programmazione

Interazione e Multimedia

Algoritmi

Metodi Matematici e Statistici


Frequenza lezioni

Consigliata


Contenuti del corso

  • Social media: definizione, caratteristiche e breve storia
  • API e librerie per l'estrapolazione, il trattamento e la visualizzazione dei dati presenti nei Social Media, Web Scraping
  • Metodi per la rappresentazione e il processamento di testi
  • Strumenti avanzati per l’analisi di testi: sentiment analysis e topic modeling
  • Sistemi di raccomandazione
  • 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

Testi di riferimento



Programmazione del corso

 ArgomentiRiferimenti testi
1Introduzione ai Social Media.Materiale didattico fornito su Studium e risorse online. 
2Cenni di teoria della probabilitàMateriale didattico fornito su Studium. Parti del capitolo 1 di ''Pattern Recognition and Machine Learning'', capitolo 2 di ''Deep Learning''. 
3Social Media API e Web ScrapingMateriale didattico fornito su Studium e risorse online. 
4Introduzione agli elementi fondamentali del Machine Learning.Materiale didattico fornito su Studium e risorse online. Parti del capitolo 1 di "Pattern Recognition and Machine Learning", parti del capitolo 3 di "Deep Learning". 
5Introduzione all'analisi dei testiMateriale didattico fornito su Studium e risorse online. 
6Problema della classificazione e misure di valutazioneMateriale didattico fornito su Studium e risorse online. 
7Algoritmo K-Nearest NeighborMateriale didattico fornito su Studium. Sezione 2.5.2 di "Pattern Recognition e Machine Learning" 
8Classificazione MAP e Naive BayesMateriale didattico fornito su Studium e risorse online. 
9Regressione LineareMateriale didattico fornito su Studium e risorse online.Sezione 3.1 di ''Patttern Recognition e Machine Learning'' 
10Regressione Polinomiale e LogisticaMateriale didattico fornito su Studium e risorse online. 
11Modello Bag of Visual WordsMateriale didattico fornito su Studium e risorse online. 
12Sistemi di RaccomandazioneMateriale didattico fornito su Studium e risorse online. Capitolo 9 di "Mining Massive Datasets" (http://www.mmds.org/#book) 
13Analisi avanzata di testi: sentiment analysis e topic modeling.Materiale didattico fornito su Studium e risorse online.  

Verifica dell'apprendimento

Modalità di verifica dell'apprendimento

Scritto, progetto e colloquio orale


Esempi di domande e/o esercizi frequenti

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

- Si discuta la formula di Bayes

- Si discuta la rappresentazione Bag of Words model