Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
ICT FOR INTERNET AND MULTIMEDIA - INGEGNERIA PER LE COMUNICAZIONI MULTIMEDIALI E INTERNET
Insegnamento
NETWORK SCIENCE (MOD. B)
INP9086632, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
ICT FOR INTERNET AND MULTIMEDIA - INGEGNERIA PER LE COMUNICAZIONI MULTIMEDIALI E INTERNET (Ord. 2019)
IN2371, ordinamento 2019/20, A.A. 2019/20
N0
porta questa
pagina con te
Curriculum CYBERSYSTEMS [002PD]
Crediti formativi 6.0
Tipo di valutazione Voto
Denominazione inglese NETWORK SCIENCE (MOD. B)
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
Sito E-Learning https://elearning.dei.unipd.it/course/view.php?idnumber=2019-IN2371-002PD-2019-INP9086632-N0
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA

Docenti
Responsabile TOMASO ERSEGHE ING-INF/03

Corso integrato di appartenenza
Codice Insegnamento Responsabile
INP9086631 NETWORK SYSTEMS (I.C.) TOMASO ERSEGHE

Mutuazioni
Codice Insegnamento Responsabile Corso di studio
SCP8082723 NETWORK SCIENCE TOMASO ERSEGHE SC2443
INP9087851 NETWORK SCIENCE TOMASO ERSEGHE IN2371
INP9087851 NETWORK SCIENCE TOMASO ERSEGHE IN2371
SCP8082723 NETWORK SCIENCE TOMASO ERSEGHE SC2377
INP9086632 NETWORK SCIENCE (MOD. B) TOMASO ERSEGHE IN2371

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Ingegneria delle telecomunicazioni ING-INF/03 6.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 48 102.0

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2019

Commissioni d'esame
Nessuna commissione d'esame definita

Syllabus

Caratteristiche comuni al Corso Integrato

Prerequisiti: Il corso integrato ha i seguenti prerequisiti: conoscenze in Teoria della Probabilità e Programmazione al Calcolatore in un qualunque linguaggio appropriato per lo studio delle reti (es., MatLab, Python, C, Java, Linux). Inoltre: 1. per il modulo INTERNET: conoscenze di base dei concetti e della terminologia fondamentale delle reti di comunicazione (modello ISO/OSI, trasmissione a pacchetto, instradamento); 2. per il modulo NETWORK SCIENCE: conoscenze in Analisi Matematica e Algebra Lineare; ogni ulteriore conoscenza dei processi di rete in economia, biologia, telecomunicazioni, semantica, etc. può essere utile.
Conoscenze e abilita' da acquisire: Il corso ha le seguenti conoscenze e abilità attese:

Modulo INTERNET:
1. Conoscenza e comprensione dell'architettura di Internet
2. Conoscenza delle caratteristiche dei diversi tipi di sorgenti di dati e la loro modellizzazione matematica
3. Comprensione dei principi fondamentali di progettazione di protocolli di comunicazione
4. Conoscenza e comprensione dei principi operativi dei principali protocolli di rete (MAC, DLL, IP, UDP, TCP, FTP, HTTP)
5. Comprensione del ruolo e delle funzionalità dei dispositivi fondamentali della rete Internet, come i server NAT, DHCP, DNS, SMPT
6. Capacità di utilizzo degli strumenti matematici necessari a dimensionare una semplice rete di comunicazione
7. Capacità di configurare ed gestire una semplice rete locale
8. Familiarità con i comandi principali di configurazione e gestione di una rete, nonche' gli strumenti fondamentali per la diagnostica (packet sniffer, Tcpdump, ping, iperf, ifconfig,...)

Modulo NETWORK SCIENCE:
1. Apprendere e interpretare criticamente le principali misure usate nell'analisi delle reti
2. Conoscere i principali modelli matematici che descrivono i processi di generazione di una rete
3. Saper riconoscere il livello di importanza dei nodi nella rete
4. Saper identificare comunità (ovvero gruppi coesi), anche parzialmente sovrapposte, usando soluzioni algoritmiche adeguate
5. Valutare il livello di robustezza/coesione di una rete
6. Conoscere i principali ambiti di applicazione, anche interdisciplinari, delle tecniche studiate
7. Essere in grado di sintetizzare l'analisi di una rete in un documento professionale
8. Essere in grado di implementare al calcolatore algoritmi atti all'analisi delle reti
Modalita' di esame: Il corso ha la seguente modalità di esame:

Modulo INTERNET:
L'esame finale sarà lo stesso per gli studenti FREQUENTI e NON FREQUENTANTI, poiché non si basa su attività in classe. L'esame si compone di due parti, vale a dire: 1. ESAME SCRITTO al computer, 2. TEST DI LABORATORIO. Agli studenti saranno offerti quattro tentativi di superare i test scritti e di laboratorio. Durante le lezioni agli studenti potranno venire proposti alcuni compiti o attività da svolgere in classe oppure fuori dall'orario di lezione, come la redazione e la revisione tra pari di report tecnici su alcuni argomenti, la partecipazione a discussioni in classe su argomenti specifici inerenti la disciplina, o la risoluzione di alcuni problemi. Si prevede un bonus fino a 3 punti per queste attività.

Modulo NETWORK SCIENCE:
La verifica delle conoscenze e delle abilità attese viene effettuata tramite lo SVILUPPO DI UN PROGETTO volto a verificare la capacità di applicazione della teoria in contesti anche interdisciplinari, e che richiede: la scelta, la raccolta dei dati e l'analisi di una differente rete per ogni studente; l'implementazione al calcolatore (in un qualsiasi linguaggio di programmazione noto allo studente) degli algoritmi richiesti per l'analisi; la stesura di una elaborato. Il progetto è previsto in due modalità: 1. per studenti FREQUENTANTI in cui gli studenti vengono guidati verso obiettivi intermedi di progetto (HOMEWORKS) coerentemente con lo sviluppo delle lezioni, e completano il progetto al termine del corso; 2. per studenti NON FREQUENTANTI, in cui lo sviluppo del progetto avviene in un'unica soluzione e viene discusso in un esame orale in uno dei quattro appelli istituzionali. Si prevede un bonus fino a 3 punti per gli studenti frequentanti che partecipino ad un PROGETTO INTERDISCIPLINARE in collaborazione con gli studenti di scienza della comunicazione che frequentano il corso gemello di SOCIAL NETWORK ANALYSIS.

Il voto finale viene espresso come combinazione dei giudizi (50% + 50%) dei due moduli.
Criteri di valutazione: I criteri di valutazione con cui verrà effettuata la verifica delle conoscenze e delle abilità attese saranno:

Modulo INTERNET:
1. Completezza delle conoscenze acquisite
2. Livello di comprensione dei principi di progettazione dei protocolli di rete
3. Capacità di discutere i pro e i contro dei diversi protocolli di rete
4. Capacità di dimensionare una rete attraverso le tecniche proposte
5. Conoscenza della terminologia tecnica
6. Competenza e coerenza nell'interpretazione delle curve di prestazione e delle tracce generate dagli strumenti di analisi di rete
7. Capacità di applicare le conoscenze acquisite ad altri problemi di rete rispetto a quelli affrontati nel corso
8. Livello di familiarità con gli strumenti basilari di gestione di configurazione delle reti

Modulo NETWORK SCIENCE
1. Completezza delle conoscenze acquisite
2. Capacità di analisi di una rete attraverso le tecniche proposte
3. Proprietà nella terminologia tecnica usata, sia scritta che orale
4. Originalità e indipendenza nella identificazione della rete oggetto di studio
5. Competenza e coerenza nell'interpretazione del significato delle misure analitiche ottenute
6. Abilità nell'utilizzo degli strumenti informatici nello studio delle misure analitiche di rete.

Caratteristiche proprie del modulo

Contenuti: Il modulo prevede di coprire i seguenti contenuti:
1. Modelli di rete - Proprietà basilari di una rete: grafi, matrice di adiacenza, distribuzione del grado dei nodi, connettività; Modello Erdos-Renyi; Grafi aleatori; Leggi di potenza e reti scale-free; Fenomeno dello small-world; Hubs; Generazione e espansione di una rete; Modello di Barabasi-Albert; Attaccamento preferenziale; Evolution networks; Assortatività; Robustezza.
2. Ranking - Hubs and authorities; PageRank: teletrasporto, ranking su argomenti specifici, misure di prossimità, grado di fiducia; Metodi di accelerazione tramite interpolazione quadratica.
3. Rilevazione di comunità - Dendrogrammi; Metodo di Girvan Newman e betweenness; Ottimizzazione della misura di modularità; Clustering spettrale; Altri algoritmi di clustering; Modello nucleo-periferia per comunità sovrapposte; Metodo di percolazione della Clique; Modello di affiliazione dei cluster e BigCLAM.
4. Altri argomenti: Link prediction; Scenari di applicazione
Attivita' di apprendimento previste e metodologie di insegnamento: Il modulo prevede:
- 18 lezioni frontali che diano una panoramica sulle tematiche e sulle metodologie, comprendano una carrellata sugli scenari applicativi, e includano un approfondimento matematico sulle tematiche introdotte;
- 6 lezioni di laboratorio atte a guidare gli studenti all'uso di programmi al calcolatore per l'analisi di una rete.

Le attività di didattica frontale prevedono l'utilizzo di tablet (lucidi + inchiostro digitale).
Eventuali indicazioni sui materiali di studio: Tutto il materiale didattico presentato durante le ore di lezione frontale è reso disponibile sulla piattaforma "http://elearning.dei.unipd.it".

Ulteriore materiale didattico di interesse può essere reperito nei siti web:
1. Albert-László Barabási, Network science, http://barabasi.com/networksciencebook
2. Jure Lescovec, Analysis of Networks, http://web.stanford.edu/class/cs224w
3. Remco van der Hofstad, Random graphs and complex networks, http://www.win.tue.nl/~rhofstad/NotesRGCN.html
Testi di riferimento:
  • Barabási, Albert-László, Network Science. Cambridge: Cambridge University Press, 2016. Cerca nel catalogo
  • Newman, Mark E. J., Networks: an introduction. Oxford: New York, Oxford University Press, 2010. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Problem based learning
  • Case study
  • Problem solving
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • One Note (inchiostro digitale)
  • Latex
  • Matlab

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Uguaglianza di genere Industria, innovazione e infrastrutture Ridurre le disuguaglianze