INFORMATION VISUALIZATION, DATA SCIENCE AND SOCIAL MEDIA ANALYTICS MOD.1
- Anno accademico
- 2024/2025 Programmi anni precedenti
- Titolo corso in inglese
- INFORMATION VISUALIZATION, DATA SCIENCE AND SOCIAL MEDIA ANALYTICS MOD.1
- Codice insegnamento
- FM0533 (AF:448501 AR:285034)
- Lingua di insegnamento
- Inglese
- Modalità
- In presenza
- Crediti formativi universitari
- 6 su 12 di INFORMATION VISUALIZATION, DATA SCIENCE AND SOCIAL MEDIA ANALYTICS
- Livello laurea
- Laurea magistrale (DM270)
- Settore scientifico disciplinare
- INF/01
- Periodo
- 1° Periodo
- Anno corso
- 2
- Sede
- VENEZIA
- Spazio Moodle
- Link allo spazio del corso
Inquadramento dell'insegnamento nel percorso del corso di studio
Il corso mira a fornire una panoramica di metodi e tecniche per l’esplorazione, l’analisi e la visualizzazione dati, con particolare enfasi su dati social (es: YouTube, Facebook, Twitter). Il corso fornirà anche un’introduzione di network analysis.
Risultati di apprendimento attesi
- Usare API per ottenere dati da piattaforme social
- Effettuare sentiment analysis e emotion detection su dati utente
- Analizzare le interazioni degli utenti sulle piattaforme social
- Estrarre argomenti di discussione dai dibattiti sui social media
- Identificare comunità di interesse (es: echo chamber)
- Effettuare sentiment analysis e emotion detection su dati utente
- Analizzare le interazioni degli utenti sulle piattaforme social
- Estrarre argomenti di discussione dai dibattiti sui social media
- Identificare comunità di interesse (es: echo chamber)
Prerequisiti
- Conoscenza basilare del calcolatore (funzioni base del sistema operativo, navigazione web, posta elettronica, pacchetti di lavoro Office, motori di ricerca)
- Buona conoscenza di Python (o equivalente, es: R)
- Buona conoscenza di Python (o equivalente, es: R)
Contenuti
- Introduzione alla data science e alla social media analysis
- Lavorare con API
- Data e Information Visualisation
- Topic Extraction
- Sentiment Analysis
- Network Analysis
Gli studenti non frequentanti sono invitati a contattare la docente.
(La lista dei contenuti potrà subire variazioni)
- Lavorare con API
- Data e Information Visualisation
- Topic Extraction
- Sentiment Analysis
- Network Analysis
Gli studenti non frequentanti sono invitati a contattare la docente.
(La lista dei contenuti potrà subire variazioni)
Testi di riferimento
Easley, David, and Jon Kleinberg. Networks, crowds, and markets. Cambridge University Press, 2010.
Barabási, Albert-László. Network Science. Cambridge University Press, 2016
Barabási, Albert-László. Network Science. Cambridge University Press, 2016
Modalità di verifica dell'apprendimento
L'esame finale prevede una prova orale della durata di circa 30 minuti, durante la quale gli/le studenti presenteranno e discuteranno un progetto previamente concordato con la docente. Lo scopo del progetto è applicare i metodi, gli strumenti e le tecniche apprese durante il corso, per sviluppare un'analisi originale. È possibile svolgere il progetto in gruppi di due studenti. La valutazione terrà conto dell'accuratezza nel seguire le linee guida del progetto, così come delle competenze tecniche ed espressive dimostrate durante la sua elaborazione e discussione.
Modalità di esame
orale
Metodi didattici
Lezioni frontali interattive, lavori di gruppo
Programma definitivo.
Data ultima modifica programma: 05/03/2024