I materiali pubblicati sul sito costituiscono rielaborazioni personali del Publisher di informazioni apprese con la frequenza delle lezioni e lo studio autonomo di eventuali testi di riferimento in preparazione all’esame finale o della tesi. Non devono intendersi come materiale ufficiale dell’università attribuibile al docente del corso.
…continua
Ultimi appunti inseriti
Appunti più scaricati
Appunti per nome

Filtra per

Tutte le tipologie

Ordina

Filtra

Appunti degli studenti per corsi ed esami del Prof. Trunfio Paolo

icona-appunti
icona-appunti

Corso Modelli e tecniche per big data Premium

Esame Modelli e tecniche per big data

Facoltà Ingegneria

Dal corso del Prof. P. Trunfio

Università Università della Calabria

Appunti esame
Scarica
Appunti delle lezioni/esercitazioni di Modelli e tecniche per big data. Il termine big data si riferisce a insiemi di dati così estesi e complessi che diventa difficile elaborarli con metodi tradizionali. Questi dati possono provenire da una varietà di fonti, tra cui sensori, dispositivi mobili, social media, transazioni online e molto altro ancora.
...continua
icona-appunti
icona-appunti

Reti di calcolatori GC Premium

Esame Reti di calcolatori

Facoltà Ingegneria

Dal corso del Prof. P. Trunfio

Università Università della Calabria

Appunti esame
Scarica
Appunti completi del corso di Reti di calcolatori. Tutto compreso di esempi e immagini illustrative cosi da esplicare al meglio e soprattutto in maniera molto chiara gli argomenti trattati durante il corso.
...continua
icona-appunti
icona-appunti

Appunti presi a lezione di Modelli e tecniche per big data Premium

Esame Modelli e tecniche per big data

Facoltà Ingegneria

Dal corso del Prof. P. Trunfio

Università Università della Calabria

Appunti esame
Scarica
Il documento di Modelli e tecniche per big data fornisce una panoramica completa del mondo dei Big Data, affrontando definizioni basate sulle “V” (volume, varietà, velocità, valore, variabilità) e introducendo i fondamenti della data science, inclusi i processi di raccolta, pulizia e analisi dei dati. Viene trattata l’importanza della scalabilità attraverso architetture orizzontali e verticali, l’uso dei database NoSQL (chiave-valore, documenti, colonne, grafi) e strumenti come MongoDB, Cassandra e Neo4j. Il testo esplora anche modelli di calcolo parallelo, tecniche di machine learning distribuito (es. federated learning, ensemble learning), sistemi cloud (AWS, Azure, GCP), MapReduce e l’elaborazione su larga scala. Si conclude con i modelli di programmazione per l’exascale computing, workflow distribuiti e architetture basate su DAG, offrendo una visione dettagliata e moderna del trattamento di grandi volumi di dati in ambienti distribuiti e ad alte prestazioni.
...continua