Una volta registrato, lo studente avrà accesso ad un ricco materiale didattico (le slide delle lezioni, ulteriori documenti di approfondimento, i testi degli esercizi e le loro soluzioni anche sotto forma di Live Script, i codici sorgenti completi utilizzati)
Il Corso Avanzato della SCSM-2020 prevede la trattazione dei seguenti argomenti:
- Introduzione al Calcolo Parallelo e Distribuito
- Introduzione alla programmazione parallela con MATLAB
- Big Data e MATLAB
- Machine Learning e Analisi statistica dei dati
- Casi di studio reali in MATLAB
il tutto con l’ausilio di diversi casi di studio pratici tratti da contesti reali
Al fine di garantire la qualità della didattica che ha contraddistinto tutte le precedenti edizioni della Scuola nonché per oggettivi limiti logistici, è ammesso a partecipare alla Scuola soltanto un numero limitato di studenti che inoltreranno richiesta di iscrizione attraverso l’apposito Modulo di Registrazione
|
Lunedi 27 Luglio Introduzione al Calcolo Parallelo e Distribuito |
|
|---|---|
| 8.30 – 9.30
Registrazione |
|
| 9.30 – 10.00
Benvenuto e presentazione del corso |
|
| 10.00 – 11.00 | Concetti base del Calcolo Parallelo Introduzione al Parallel Computing Toolbox |
| 11.00 – 11.15 | Break | |
| 11.15 – 13.00 | Matlabpool e Parfor I |
| 13.00 – 14.30 | Pausa pranzo | |
| 14:30 – 16:00 | Parfor II |
| 16.00 – 16.15 | Break | |
| 16.15 – 17.30 | SPMD |
|
Martedì 28 Luglio Introduzione alla programmazione parallela con MATLAB |
|
|---|---|
| 9.00 – 11.00 | Array codistribuiti |
| 11.00 – 11.15 | Break | |
| 11.15 – 13.00 | Message Passing e comunicazioni collettive |
| 14.30 – 16.00 | Sottomissione batch |
| 16.00 – 16.15 | Break | |
| 16.30 – 17.30 | Debugging e Profiling di codici paralleli con MATLAB |
|
Mercoledì 29 Luglio Big Data e MATLAB |
|
|---|---|
| 9.00 – 11.00 | Introduzione ai Big Data Le applicazioni Big Data nel mondo reale Importare e organizzare Big Data |
| 11.00 – 11.15 | Break | |
| 11.15 – 13.00 | Utilizzo di Hadoop e del paradigma MapReduce
MATLAB e la Big Data Analytics |
| 13.00 | Fine delle attività | |
|
Giovedì 30 Luglio Machine Learning e Analisi statistica dei dati |
|
|---|---|
| 9.00 – 10.00 | Introduzione al Machine Learning |
| 10.00 – 11.00 | Algoritmi supervisionati e non supervisionati |
| 11.00 – 11.15 | Break | |
| 11.15 – 13.00 | Utilizzo del “Machine Learning Toolbox” e del “Neural Network Toolbox” |
| 13.00 – 14.30 | Pausa pranzo | |
| 14.30 – 16.00 | Creazione di un sistema di raccomandazione basilare |
| 16.00 – 16.15 | Break | |
| 16.15 – 17.30 | Analisi statistica dei dati finanziari attraverso la Sentiment Analysis |
|
Venerdì 31 Luglio Casi di studio reali in MATLAB |
|
|---|---|
| 9.00 – 11.00 | Sistemi di raccomandazione |
| 11.00 – 11.15 | Break | |
| 11.15 – 13.00 | Deep Learning |
| 13.00 – 14.30 | Pausa pranzo | |
| 14.30 – 16.00 | Visual Analytics |
| 16.30 – 17.00 | Chiusura dei lavori e Consegna degli attestati |
- PRIVATO
- 1 settimana, 3 giorni
- avanzato
- 50 POSTI
