METODI E APPLICAZIONI PER SOCIAL NETWORK A.A SIMONE ALGHISI
|
|
- Geraldina Casati
- 6 anni fa
- Visualizzazioni
Transcript
1 1 METODI E APPLICAZIONI PER SOCIAL NETWORK A.A SIMONE ALGHISI
2 9 GAG
3
4 4 NASCITA DI 9GAG - L IDEA When? Where? Hong Kong. What? Una piattaforma incentrata sulla condivisione e creazione di "Meme". (Immagini ironiche di situazioni quotidiane) Idea: Ognuno può inviare le proprie creazioni e sottoporle al giudizio degli utenti che le vedranno. Le categorie: 1. Hot, in cui sono visualizzati tutti gli elementi che hanno ricevuto più approvazioni e commenti. I più famosi, insomma. 2. Trending, categoria di immagini che seguono un certo trend di apprezzamenti e sono pronte ad andare nella categoria Hot. 3. Vote, categoria di immagini appena inviate e da sottoporre a voto. (UP! or DOWN" ).
5
6 6 NETWORK CREATION NODI: utenti iscritti al sito. LINK: i commenti che un utente lascia sul post di un altro utente. (Link diretti) IL PROBLEMA: I realizzatori del post possono commentarsi il loro stesso post, esistono quindi i cappi! (dovranno essere gestiti con un apposita funzione di detection e remotion). COME La costruzione del grafo è stata strutturata sulla creazione di due liste: una lista con gli edge della network e una lista con gli attributi di ogni arco, rispettivamente "link" e "attributi".
7 7 NETWORK VISUALIZATION Utilizzando Gephi: Si calcola il degree di ogni nodo e le componenti fortemente connesse. Si colorano I nodi e gli edge a seconda dell appartenenza ad una componente fortemente connessa e la loro dimensione in base al degree. Viene utilizzata una "Circular Layout" orientandola secondo la componente, successivamente "ForceAtlas2" senza Lin-log per espanderla leggermente.
8 8
9 9 OSSERVAZIONI 1. Pur avendo ordinato il layout a seconda della componente, i nodi con degree maggiore si trovano vicini tra di loro. Quindi: nodi con alto degree sono nella stessa componente di nodi con alto degree e rispettivamente nodi con basso degree stanno nella componente di nodi con lo stesso degree. 2. Vi sono dei "weak ties",ovvero dei link che attraversano la network partendo da una componente e finendo in un altra. Rendono la rete connessa e compatta. 3. L anello più esterno della network è formato dai "commenti di commenti" e caratterizza i nodi più esterni e lontani rispetto ad una network.
10 10 LE SEZIONI Suddivisione della network in subgraphs edge-generated per sezione: 15,4% 6,2% 6,9% 6,7% 9,3% 3,9% 11,7% 2,9% 8,8% Comic 10,0% Wtf Geeky Gif Cosplay 10,3% Meme Cute Design 7,9% Food Funny Sport Savage N.B: La somma in percentuale non è 100% poiché alcuni edge hanno più sezioni attribuite.
11 11 RECIPROCITÀ Sono stati estratti tutti gli archi reciproci ed è stata calcolata la reciprocità stampando in un file tutti gli archi (v,w) per cui nel grafo vi è contenuto un altro arco (w,v) per poi visualizzarne in Gephi il risultato
12 12
13 13 CONSIDERAZIONI Qualsiasi arco nel grafo risulta essere reciproco. Si notano circa 4 grandi gruppi (formati attraverso la modularity di Gephi) che comprendono la maggior parte dei nodi e una costellazione di sempre più piccoli nodi tutt attorno.
14 14 NETWORK ANALISYS Una volta caricato il grafo si calcolano le metriche fondamentali della network fino ad arrivare a quelle più complesse Si riportano di seguito i passaggi del notebook per il calcolo delle metriche MISURE DEL GRAFO:
15 15 NETWORK ANALISYS IN-DEGREE: OUT-DEGREE:
16 16 NETWORK ANALISYS MAX DEGREE e MEDIA:
17 17 GIANT CONNECTED COMPONENT Si calcolano le metriche relative alle componenti connesse rintracciate nella network. Poiché la network è orientata esistono due tipi di componenti connesse: A. Componenti debolmente connesse. B. Componenti fortemente connesse.
18 18 GIANT WEAKLY CONNECTED COMPONENT Si noti come la Giant Weakly Connected Component non si discosti di molto dalla network complessiva
19 19 GIANT STRONGLY CONNECTED COMPONENT
20 20 CONSIDERAZIONI Più della metà dei weak ties non sono derivati dalla costruzione della network ma sono bensì interni alle varie sezioni del grafo. Si nota perciò come le varie sezioni (comic,gif,geek,sport ) interagiscano tra di loro dato che gli utenti stessi spaziano tra le varie sezione e rendono la network fortemente connessa. I weak ties si trovano quindi dentro le sezioni stesse e non tra le varie sezioni. Ciò può essere indice di assortatività: dato che utenti provenienti da diverse sezioni si trovano alla fine ad interagire con utenti di tutt altre sezioni.
21 21 RECIPROCITY & TRANSITIVITY Le metriche riguardanti la reciprocità (probabilità di trovare un arco reciproco nella network) e la transitività (chiusura di triadi fra nodi,"l amico di un mio amico è anche mio amico") servono a capire se ci si trova di fronte ad un information network oppure ad una social network.
22 22 RECIPROCITY & TRANSITIVITY Dal confronto con i dati delle grandi network (come Facebook,Twitter) riportati nelle analizzate dai paper visti durante il corso, risulta evidente come questa network sia ancora in uno stadio embrionale e abbia ancora molta possibilità di crescita e sviluppo in tale senso.
23 23 IN-DEGREE DISTRIBUTION & ECDF MEDIA: VARIANZA:
24 24 OUT-DEGREE DISTRIBUTION & ECDF MEDIA: VARIANZA:
25 25 DEGREE DISTRIBUTION & ECDF MEDIA: VARIANZA:
26 26 CONSIDERAZIONI In tutti e tre i casi la media è molto bassa (2<media>5) mentre la varianza molto alta crea una coda lunga a destra. (distribuzione power law, tipica delle real network) Questi risultati rassicurano sul fatto che la network in esame non sia una network artificiale ma una network reale composta da persone che interagiscono veramente tra di loro. Seguendo la legge di Pareto: la maggior parte del degree è caratteristica della minor parte di popolazione.
27 27 SCALA LOGLOG La "retta di Barabasi" caratterizza le real network
28 28 9GAG VS REAL NETWORK Random Network 9GAG Network Le distribuzioni sono molto diverse, questo rafforza l identificazione della network in esame come una real network.
29 29 9GAG = REAL NETWORK? Real Network 9GAG Network In questo caso le distribuzioni sono simili!
30 30 CONCLUSIONI Il grafo studiato: è una REAL NETWORK. (distr.power law, paretiana, hub ) Il grafo è sparso. La network ha reciprocity, transitivity e average clustering tali da non poter essere paragonati ad una grande network ma c è potenziale La network (dal punto di vista non-orientato) risulta essere molto connessa!
31 31
POSHMAP. Il social network made in Italy dedicato alla moda. Sara Longo, Social Media Mining
POSHMAP Il social network made in Italy dedicato alla moda 1 2 Il social media Poshmap è una piattaforma nella quale poter condividere gli scatti con le proprie scelte di stile: ogni utente può caricare
DettagliMetodi e Applicazioni per Social Network. Presentazione progetto
Metodi e Applicazioni per Social Network Presentazione progetto Punti di forza: 700 milioni di utenti attivi, dietro solo a Facebook e a YouTube social network giovane, nata nel 2010, ancora in crescita
DettagliSocial Network Analysis: Soundcloud. By Alessandro Sperotti Matricola
Social Network Analysis: Soundcloud By Alessandro Sperotti Matricola 855331 Indice La Social Network: Soundcloud Acquisizione del dataset Distribuzione del degree Analisi della network Musicisti o Ascoltatori?
DettagliAnalisi del grafo di Stack Overflow
Analisi del grafo di Stack Overflow Metodi e applicazioni per social network Riccardo Macoratti (844553) Riccardo Macoratti Analisi del grafo di Stack Overflow 1 / 33 Indice 1 Stack Overflow 2 Acquisizione
DettagliGeometria per il TFA grafi e reti
Universita di Roma Tre Geometria per il TFA grafi e reti Francesca MEROLA merola@mat.uniroma3.it http://ricerca.mat.uniroma3.it/users/merola/ Internet map 1024 by The Opte Project roadmap esempi di grafi
DettagliAmedeo Leo Alessio Petrozziello Simone Romano
Amedeo Leo Alessio Petrozziello Simone Romano Reti Wireless Prof.ssa Filomena De Santis, Dott.ssa Delfina Malandrino ANNO ACCADEMICO 2014-2015 Outline Introduzione Dispersione Metodologie Casi di studio
DettagliPopular Hashtags around the word. Prepared by: Francesco Cardascia Prepared for: Laboratorio di Progettazione Web A.A
Popular Hashtags around the word Prepared by: Francesco Cardascia Prepared for: Laboratorio di Progettazione Web A.A. 2015-2016 15 Febbraio 2016 DESCRIZIONE Obiettivo Il progetto nasce come sviluppo per
DettagliGrafi: visite. Una breve presentazione. F. Damiani - Alg. & Lab. 04/05 (da C. Demetrescu et al - McGraw-Hill)
Grafi: visite Una breve presentazione Visite di grafi Scopo e tipi di visita Una visita (o attraversamento) di un grafo G permette di esaminare i nodi e gli archi di G in modo sistematico Problema di base
DettagliStrutture dati per rappresentare grafi
lgoritmi e strutture dati amil emetrescu, Irene inocchi, iuseppe. Italiano Strutture dati per rappresentare grafi opyright 2004 - The Mcraw - Hill ompanies, srl lgoritmi e strutture dati amil emetrescu,
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Capitolo 12 Grafi e visite di grafi Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Definizione Un grafo G=(V,E) consiste in: - un insieme V di vertici (o nodi) - un insieme
DettagliModello dei grafi casuali
RETI CASUALI Modello dei grafi casuali Un grafo casuale è un grafo con N nodi connessi da n archi, scelti casualmente tra tutte le possibili combinazioni di collegamenti On Random Graphs, Erdos and Renyi,
DettagliTEST NON PARAMETRICO DI MANN-WHITNEY
TEST NON PARAMETRICO DI MANN-WHITNEY Questo test viene può essere utilizzato come test di confronto tra due campioni in maniera analoga ai test ipotesi parametrici di confronto medie (test Z se la varianza
DettagliCaterina Fenu, Giuseppe Rodriguez
Grafo, Giuseppe Rodriguez Dipartimento di Matematica e Informatica, Università di Cagliari viale Merello 92, 09123 Cagliari (Dip. in collab. con Michele Marchesi e Roberto Tonelli Ingegneria Elettrica
DettagliFinal Term Matricola: Nome: Giulio Bambini Esame: Analisi delle reti sociali
Final Term 2016 Matricola: 458856 Nome: Giulio Bambini Esame: Analisi delle reti sociali Sommario Abstract... 3 1.Community discovery... 3 1.1 Modularità di Louvain... 4 1.2 Algoritmo DEMON... 4 1.3 Algoritmo
DettagliEsercizi Capitolo 11 - Strutture di dati e progettazione di algoritmi
Esercizi Capitolo 11 - Strutture di dati e progettazione di algoritmi Alberto Montresor 19 Agosto, 2014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore
DettagliMetodi della conoscenza
SISTEMI COMPLESSI Metodi della conoscenza Analitico - Deduttivo Sintetico - Induttivo Probabilistico - Abduttivo Emergente - Selettivo Pierre Simon Laplace «Possiamo considerare lo stato attuale dell'universo
DettagliGrafi aleatori e reti nel mondo reale
Grafi aleatori e reti nel mondo reale Federico Bassetti Università degli Studi di Pavia Piacenza, 9-Novembre, 2011 Sommario 1 le reti nel modo reale 2 le reti in matematica: i grafi 3 reti aleatorie modello
DettagliProf. Anna Paola Ercolani (Università di Roma) Lez Indicatori di dispersione
Consentono di descrivere la variabilità all interno della distribuzione di requenza tramite un unico valore che ne sintetizza le caratteristiche CAMPO DI VARIAZIONE DIFFERENZA INTERQUARTILE SCOSTAMENTO
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Capitolo 13 Cammini minimi: Algoritmo di Dijkstra (*) (ACM in grafi diretti e non diretti senza archi di peso negativo) Punto della situazione Algoritmo basato sull ordinamento
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliAnalisi: La NBA su Youtube.
Progetto di Cheick Ba Corso di Social Media Mining Analisi: La NBA su Youtube. Community Detection e Sentiment Analysis grazie ai commenti dei tifosi Domande di ricerca: Si può parlare di Community quando
DettagliIntroduzione ai grafi. Introduzione ai grafi p. 1/2
Introduzione ai grafi Introduzione ai grafi p. 1/2 Grafi Un grafo G é costituito da una coppia di insiemi (V,A) dove V é detto insieme dei nodi e A é detto insieme di archi ed é un sottinsieme di tutte
DettagliGuido Caldarelli2, Paolo De Los Rios3, Stefano Leonardi1 e Stefano Millozzi1 Giancarlo Casale e Ernesto Ricci
Il WebGraph Lavoro svolto in collaborazione con Guido Caldarelli 2, Paolo De Los Rios 3, Stefano Leonardi 1 e Stefano Millozzi 1 e con le tesi di Giancarlo Casale e Ernesto Ricci 1: Dipartimento di Informatica
Dettagli0 altimenti 1 soggetto trova lavoroentro 6 mesi}
Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta
DettagliAlgoritmi e Strutture Dati
Heap Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino A.A. 2006/07 Heap Heap binari: definizione Un heap binario è una struttura dati composta
DettagliTwitter.com/giorgiotave
Twitter.com/giorgiotave Di cosa parleremo oggi Il Social Network di Google Social Search: cos'è e come funziona Plus, Search Your World Pagine Business Dare visibilità ai contenuti Social Search: cos'è
DettagliISTOGRAMMI E DISTRIBUZIONI:
ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI
DettagliAlberi e alberi binari I Un albero è un caso particolare di grafo
Alberi e alberi binari Un albero è un caso particolare di grafo È costituito da un insieme di nodi collegati tra di loro mediante archi Gli archi sono orientati (ogni arco esce da un nodo origine ed entra
DettagliAlgoritmi e Strutture Dati
Introduzione ai grafi Grafi: Definizione e Algoritmi di visita Maria Rita Di Berardini, Emanuela Merelli 1 1 Dipartimento di Matematica e Informatica Università di Camerino A.A. 2007/08 Introduzione ai
DettagliFlusso a Costo Minimo
Sapienza Università di Roma - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Flusso a Costo Minimo Docente: Renato Bruni bruni@dis.uniroma.it Corso di: Ottimizzazione Combinatoria Dal
DettagliProgettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 06/07/2016 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via
DettagliALGORITMI DI GENERAZIONE DI GRAFI CASUALI PER MODELLARE IL WEB OF TRUST - 1 -
- 1 - Capitolo 1 INTRODUZIONE In crittografia il sistema PGP (Pretty Good Privacy) è forse il crittosistema più usato al mondo. PGP usa sia la crittografia asimmetrica (detta anche a chiave pubblica) sia
DettagliLezione n.15 Random Graphs, Small-Worlds, Scale-Free Networks Materiale didattico: Peer-to-Peer Systems and Applications Capitolo 6
Lezione n.15 Random Graphs, Small-Worlds, Scale-Free Networks Materiale didattico: Peer-to-Peer Systems and Applications Capitolo 6 1 SMALL WORLD NETWORKS Esperimento di Milgram: evidenza in modo empirico
DettagliProblemi, istanze, soluzioni
lgoritmi e Strutture di Dati II 2 Problemi, istanze, soluzioni Un problema specifica una relazione matematica tra dati di ingresso e dati di uscita. Una istanza di un problema è formata dai dati di un
DettagliAgostinetti Piero (425902/IM)
UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Meccanica LABORATORIO DI ANALISI STRUTTURALE CON ANSYS 5.6: VERIFICHE STRUTTURALI PER IL BILANCERE DELLA PIATTAFORMA
DettagliIntelligenza Artificiale. Clustering. Francesco Uliana. 14 gennaio 2011
Intelligenza Artificiale Clustering Francesco Uliana 14 gennaio 2011 Definizione Il Clustering o analisi dei cluster (dal termine inglese cluster analysis) è un insieme di tecniche di analisi multivariata
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 1 A. I dati riportati nella seguente tabella si riferiscono
DettagliIntroduzione ai network. Misael Mongiovì
Introduzione ai network Misael Mongiovì Big Network Data Social Transportation Biological, Chemical Communication Information Economics, Trade Network (graph) ingredients Node Edge (arco) Represents an
DettagliRETI DI CALCOLATORI II
RETI DI CALCOLATORI II Facoltà di Ingegneria Università degli Studi di Udine Ing. DANIELE DE CANEVA a.a. 2009/2010 ARGOMENTI DELLA LEZIONE TEORIA DEL ROUTING ROUTING STATICO ROUTING DINAMICO o PROTOCOLLI
DettagliGrafi, Social Network e Ricerca su Web Prof. Maurizio Naldi
Grafi, Social Network e Ricerca su Web Prof. Maurizio Naldi Teoria dei Grafi È uno strumento indispensabile per l analisi di reti e, quindi, di social network.... è fondamentale anche per capire come funziona
DettagliGUIDA ALLA NAVIGAZIONE DELL'AREA RISERVATA INTEGRATA NEL PORTALE COMUNALE
GUIDA ALLA NAVIGAZIONE DELL'AREA RISERVATA INTEGRATA NEL PORTALE COMUNALE Pag. 1/8 Impronte Digitali INTRODUZIONE L'Area Riservata è diventata parte integrante del portale del comune. L utilizzo di tale
DettagliRichiami di probabilità. Decision Theory e Utilità. Richiami di probabilità. assumere certi valori in un insieme x 1, x 2, x n (dominio)
9 lezione Scaletta argomenti: Probabilità Richiami di probabilità Reti Bayesiane Decision Theory e Utilità 1 Richiami di probabilità - La formalizzazione deriva da Boole - Concetto di VARIABILE CASUALE
DettagliMetodologie Informatiche Applicate al Turismo
Metodologie Informatiche Applicate al Turismo 3. Introduzione a Internet Paolo Milazzo Dipartimento di Informatica, Università di Pisa http://pages.di.unipi.it/milazzo milazzo di.unipi.it Corso di Laurea
DettagliLezione n.14 SCALE FREE NETWORKS 22/4/2008
Lezione n.14 SCALE FREE NETWORKS 22/4/2008 Materiale didattico: Materiale distribuito a Lezione Peer-to-Peer Systems and Applications Capitolo 6 1 Processo di Poisson DISTRIBUZIONE POISSONIANA eventi indipendenti
DettagliEcological networks and landscape planning: a case study in Sardinia (Italy).
DIPARTIMENTO DI AGRARIA UNIVERSITA' DEGLI STUDI DI SASSARI Ecological networks and landscape planning: a case study in Sardinia (Italy). Giovedi 21 settembre 2017 Cagliari Andrea De Montis, Amedeo Ganciu,
DettagliAlgoritmi e Strutture Dati
Algoritmi e strutture dati Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Algoritmi e Strutture Dati Capitolo 2 Minimo albero ricoprente: Algoritmo di Prim Il problema del calcolo di un Minimum
DettagliScale di Misurazione Lezione 2
Last updated April 26, 2016 Scale di Misurazione Lezione 2 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura II anno, II semestre Tipi di Variabili 1 Scale di Misurazione 1. Variabile
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 8 Abbiamo visto: Metodi per la determinazione di uno stimatore Metodo di massima verosimiglianza
DettagliReti Complesse Biologiche
Reti Complesse Biologiche Corso di Modelli di Sistemi Biologici II Università di Roma Sapienza Anno Accademico 2008/2009 Fabrizio De Vico Fallani, PhD Dipartimento di Fisiologia Umana e Farmacologia fabrizio.devicofallani@uniroma1.it
DettagliLA METAFORA DELL UFFICIO
LA METAFORA DELL UFFICIO Lavagna di lavoro Lavagna di programma Sportello utenti Impiegato Capo Ufficio LAVAGNA DI LAVORO Chiamiamo variabili le posizioni sulla lavagna, identificate ognuna da un nome
DettagliMinimo albero di copertura
apitolo 0 Minimo albero di copertura efinizione 0.. ato un grafo G = (V, E) non orientato e connesso, un albero di copertura di G è un sottoinsieme T E tale che il sottografo (V, T ) è un albero libero.
Dettagli2.3.3 Cammini ottimi nei grafi senza circuiti
.. Cammini ottimi nei grafi senza circuiti Sia un grafo G = (N, A) orientato senza circuiti e una funzione di costo che assegna un valore c ij R ad ogni arco (i, j) A circuito Proprietà I nodi di un grafo
Dettagli08/04/2014. Misure di posizione. INDICI DI POSIZIONE (measures of location or central tendency) 1. MODA 2. MEDIA 3. MEDIANA
Misure di posizione INDICI DI POSIZIONE (measures of location or central tendency) 1. MODA 2. MEDIA 3. MEDIANA 1 MODA E la scelta fatta dalla maggioranza della popolazione, lo stile che tutti seguono in
DettagliLaboratorio di Reti, Corsi A e B. Text-Twist. Progetto di Fine Corso A.A. 2016/17
Laboratorio di Reti, Corsi A e B Text-Twist Progetto di Fine Corso A.A. 2016/17 1.Descrizione del problema Il progetto consiste nello sviluppo di un gioco multiplayer online. All inizio di una partita
DettagliMetodi di analisi delle reti sociali applicati alle movimentazioni di animali per tracciare e prevedere l'andamento di una epidemia
Metodi di analisi delle reti sociali applicati alle movimentazioni di animali per tracciare e prevedere l'andamento di una epidemia Lara Savini I risultati della ricerca condotta dall Istituto Zooprofilattico
DettagliDizionari Liste invertite e Trie
Dizionari Liste invertite e Trie Lucidi tratti da Crescenzi Gambosi Grossi, Strutture di dati e algoritmi Progettazione, analisi e visualizzazione Addison-Wesley, 2006 Dizionari Universo U delle chiavi
DettagliMetodi iterativi per sistemi lineari
Generare una successione di vettori Metodi iterativi per sistemi lineari convergente alla soluzione del sistema Convergenza in norma Costruzione di un metodo iterativo Per una qualche norma vettoriale
DettagliQuarto allenamento. Olimpiadi Italiane di Informatica - Selezione territoriale
Quarto allenamento Olimpiadi Italiane di Informatica - Selezione territoriale Luca Chiodini luca@chiodini.org - l.chiodini@campus.unimib.it 30 marzo 2017 Programma 1. Lettura e analisi di un problema 2.
DettagliISTRUZIONI PER L UTILIZZO DEL SITO PAN FUMETTERIE
ISTRUZIONI PER L UTILIZZO DEL SITO PAN FUMETTERIE Per potervi accedere bisogna innanzitutto inserire, negli appositi campi le seguenti username e password. Il sito è strutturato in sei pagine, cui si può
DettagliProva in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A
Nome... Cognome... 1 Prova in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A Un rinomato biscottificio italiano dispone di tre stabilimenti, ubicati nelle città di Ancona, Belluno e Catanzaro
DettagliDefinizioni syntax-directed
Definizioni syntax-directed Esempio: Notazione infissa Notazione postfissa Produzioni E E 1 + T E E 1 T E T T 0 T 1 T 2... T 9 Regole semantiche E.t := E 1.t _T.t _ + E.t := E 1.t _T.t _ - E.t := T.t T.t
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
DettagliLa matematica dei network struttura e dinamiche di informazione
La matematica dei network struttura e dinamiche di informazione Fabio Fagnani fabio.fagnani@polito.it http://calvino.polito.it/ fagnani/ Dipartimento di Matematica Politecnico di Torino p. 1 L era dei
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliProgettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 0/06/06 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via avrai
Dettagli«Sciente e Tecnologie dei Beni Culturali»
5 Informatica CdS in «Sciente e Tecnologie dei Beni Culturali» AA 2014-2015 Mini-sito dell insegnamento: http://www.unife.it/scienze/beni.culturali/insegnamenti/informatica Prof. Giorgio Poletti giorgio.poletti@unife.it
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliGrafi: definizioni e visite
Grafi: definizioni e visite Grafi (non orientati) Grafo (non orientato): G = (V, E) V = nodi (o vertici) E = archi fra coppie di nodi distinti. Modella relazioni fra coppie di oggetti. Parametri della
DettagliDOCUMENTO DI SUPPORTO ALLA RENDICONTAZIONE DELLE SPESE SUL SISTEMA SYNERGIE CTE
DOCUMENTO DI SUPPORTO ALLA RENDICONTAZIONE DELLE SPESE SUL SISTEMA SYNERGIE CTE Presentazione Generale Synergie CTE è un apllicativo destinato alle Autorità di Gestione ed ai beneficiari dei programmi
DettagliIl valore di flusso che si ottiene è
1) Si consideri un insieme di piste da sci e di impianti di risalita. Lo si modelli con un grafo orientato che abbia archi di due tipi: tipo D (discesa e orientato nel senso della discesa) e tipo R (risalita
DettagliIL PROGETTO INTEGRATO
IL PROGETTO INTEGRATO UNA STRADA SENZA BIVIO Ferrara 22 ottobre 2015 Il PROGETTISTA guida il Committente attraverso i passi che lo porteranno alla concretizzazione delle proprie aspettative 1 STUDIO DI
DettagliR. Cusani, F. Cuomo: Telecomunicazioni - DataLinkLayer: Gestione degli errori, Aprile 2010
1 11. Data link layer: codici di rilevazione di errore, gestione degli errori La rilevazione di errore Un codice a rilevazione di errore ha lo scopo di permettere al ricevente di determinare se vi sono
DettagliP2p la teoria dei sistemi complessi per modellare reti p2p
P2p la teoria dei sistemi complessi per modellare reti p2p 1 Peer to Peer Per P2P si intende: un sistema decentralizzato un sistema auto-organizzato un sistema nel quale i nodi mantengono indipendenza
DettagliElezioni Amministrative 2017
Elezioni Amministrative 2017 Procedura raccolta dati elettorali Dai seggi elettorali 100 sezioni http://elezioni.comune.pistoia.it/raccolta Comunicazione delle affluenze e risultati Verifica dei dati Ufficio
DettagliGlossario relativo all'analisi dei dati web
Glossario relativo all'analisi dei dati web Analisi dei dati web Raccolta e analisi dei dati generati dall'attività degli utenti su siti web o app mobili, per scoprire come migliorare i siti web e le campagne
DettagliTipi di comunicazione
Tipi di comunicazione - 1 - COMMUTAZIONE: DI CIRCUITO E DI PACCHETTO La commutazione è quell operazione che predispone il percorso che le informazioni emesse dal mittente devono seguire per raggiungere
DettagliSocial Network & Social Network Analisys. Social media management Proff. Giovanni Ciofalo, Stefano Epifani a.a. 2014/2015
Social Network & Social Network Analisys Social media management Proff. Giovanni Ciofalo, Stefano Epifani a.a. 2014/2015 Rete? L insieme delle relazioni. esistenti tra entità Social Network, Social Network
DettagliAnalisi interazione domanda/offerta: modelli di assegnazione
Corso di Laurea Ingegneria Civile e Ambientale - AA Corso di: Fondamenti di Trasporti Lezione: Analisi interazione domanda/offerta: modelli di assegnazione Giuseppe Inturri Università di Catania Dipartimento
DettagliPSICOMETRIA Voto X frequenza
1) Data la seguente distribuzione dei voti di laurea: PSICOMETRIA 2011-4 Voto X 100 101 102 103 104 105 106 107 108 109 110 frequenza 15 17 20 19 23 25 18 14 12 9 5 media = 104,32 e s 2 = 6.56 calcolare
DettagliMetodi e applicazioni per social network
Metodi e applicazioni per social network Generalità del corso Docenti: Sabrina Gaito Matteo Zignani gaito@di.unimi.it zignani@di.unimi.it Ricevimento: Su appuntamento via mail Web: Orario: someni.di.unimi.it
DettagliMATEMATICA. a.a. 2014/15
MATEMATICA a.a. 2014/15 3. DERIVATE E STUDIO DI FUNZIONE (II parte): Massimi, minimi e derivata prima. Flessi e derivata seconda. Schema per lo studio qualitativo completo di una funzione y=f(x) Crescenza
DettagliSEDE OPERATIVA Via A. De Gasperi, 127/A Merate (LC) TEL. 039/ Manuale
SEDE OPERATIVA Via A. De Gasperi, 127/A TEL. 039/9909500 e-mail info@gxitalia.com Manuale SOMMARIO INTRODUZIONE... 2 Funzionalità presenti in DOKI Lato amministratore... 3 GRUPPI... 4 UTENTI... 5 TIPO...
Dettagli«Sciente e Tecnologie dei Beni Culturali»
6 Informatica CdS in «Sciente e Tecnologie dei Beni Culturali» AA 2014-2015 Mini-sito dell insegnamento: http://www.unife.it/scienze/beni.culturali/insegnamenti/informatica Prof. Giorgio Poletti giorgio.poletti@unife.it
DettagliMisure di dispersione (o di variabilità)
08/04/014 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x 9 range31-74 x 9 range50-941
DettagliL indagine statistica
1 L indagine statistica DEFINIZIONE. La statistica è quella disciplina che si occupa della raccolta di dati quantitativi relativi a diversi fenomeni, della loro elaborazione e del loro utilizzo a fini
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliRiesame dei risultati del metodo razionale con due metodi di stima della pioggia netta
Angela Cianchi Matr. 188270 16 Dicembre 2012 Riesame dei risultati del metodo razionale con due metodi di stima della pioggia netta Svolgimento Il metodo della corrivazione si basa sulle seguenti ipotesi:
Dettagli15 febbraio, 8 marzo, 29 marzo Verona Catania Ancona
15 febbraio, 8 marzo, 29 marzo 2017 Verona Catania Ancona UNA MATEMATICA CHE DÀ SENSO ALLE COSE di Roberto Vanzetto Verona Catania Ancona 2017 PERCEZIONE NEGATIVA DELLA MATEMATICA Raccolta di formule e
DettagliINTRODUZIONE ALLA TEORIA DEI GIOCHI
Corso di Identificazione dei Modelli e Controllo Ottimo Prof. Franco Garofalo INTRODUZIONE ALLA TEORIA DEI GIOCHI A cura di Elena Napoletano elena.napoletano@unina.it Teoria dei Giochi Disciplina che studia
DettagliHeap e code di priorità
Heap e code di priorità Violetta Lonati Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica AA 2009/2010
DettagliTutorato 1 - Statistica descrittiva
Tutorato 1 - Statistica descrittiva 1) Il numero di nascite di 10 centri ospedalieri è la seguente serie: 81 84 73 83 87 80 79 79 74 82 a) Calcolare: la moda, la mediana, la media, la varianza, la deviazione
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
DettagliITIS A. Volta Flavia Lollis pag. 1
Il Function Point è una delle metriche più antiche e tuttora diffuse nell ambito della valutazione di progetti software. Ciò che lo rende insostituibile e superiore ad altri metodi può essere riassunto
DettagliINDAGINE SULLA QUALITÀ DEL SERVIZIO EROGATO AL TUNNEL DEL GRAN SAN BERNARDO
INDAGINE SULLA QUALITÀ DEL SERVIZIO EROGATO AL TUNNEL DEL GRAN SAN BERNARDO Luglio-Agosto 2015 INDICE 1. Obiettivo... 3 2. Metodologia... 3 3. Operatività... 3 4. Contenuti del questionario... 3 5. Risultati...
DettagliEsercizi sulle equazioni differenziali a cura di Sisto Baldo, Elisabetta Ossanna e Sandro Innocenti
Esercizi sulle equazioni differenziali a cura di Sisto Baldo, Elisabetta Ossanna e Sandro Innocenti 1. Verifica che y(t) = 1 t + e t è una soluzione dell equazione y (t) = y(t) + t.. Scrivi un equazione
DettagliFigura 1: 1) Si scriva la formulazione del problema come problema di PLI (con un numero minimo di vincoli) e la matrice dei vincoli.
ESERCIZIO 1 Sia dato il grafo orientato in Figura 1. Si consideri il problema di flusso a 1 2 4 Figura 1: costo minimo su tale grafo con b 1 = 4 b 2 = 2 b = b 4 = e c 12 = 2 c 1 = 4 c 14 = 1 c 2 = 1 c
DettagliOsservazione. Convergenza dei metodi di Gauss-Seidel e di Jacobi. Condizioni sufficienti per la convergenza. Definizione
Osservazione Convergenza dei metodi di Gauss-Seidel e di Jacobi Fallimento dei metodi. (Es. Gauss- Seidel Condizioni sufficienti; teoremi di localizzazione degli autovalori; dimostrazione di convergenza
DettagliStatistica a lungo termine: calcolo dell onda di progetto
Esercitazione Statistica a lungo termine: calcolo dell onda di progetto Sulla base delle misure ondametriche effettuate dalla boa di Ponza si calcoli, utilizzando la distribuzione di probabilità di Gumbel,
DettagliAnalisi interazione domanda/offerta: modelli di assegnazione
Corso di Laurea Ingegneria Civile - AA 1112 Corso di: Fondamenti di Trasporti Lezione: Analisi interazione domanda/offerta: modelli di assegnazione Giuseppe Inturri Università di Catania Dipartimento di
DettagliISCRIZIONI. Impostazioni form ECDL
ISCRIZIONI In questo menù del pannello di amministrazione vengono gestite le iscrizioni ai corsi ECDL e agli eventi generici impostabili. E' possibile creare gli eventi per una determinata data e visualizzare
Dettagli