Scheda programma d'esame
GEOSPATIAL ANALYTICS
LUCA PAPPALARDO
Academic year2023/24
CourseDATA SCIENCE AND BUSINESS INFORMATICS
Code783AA
Credits6
PeriodSemester 1
LanguageEnglish

ModulesAreaTypeHoursTeacher(s)
GEOSPATIAL ANALYTICSINF/01LEZIONI48
MIRCO NANNI unimap
LUCA PAPPALARDO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Al termine del corso:

  • lo studente avrà acquisito conoscenze in merito agli strumenti di programmazione e alle metodologie per la gestione di sistemi informativi geografici e l'analisi dei dati digitali sulla mobilità umana
Knowledge

At the end of the course:

  • the student will acquire knowledge of programming tools and methodologies for the management of geographic information systems and the analysis of digital mobility data
Modalità di verifica delle conoscenze
  • Sviluppo di un progetto d'esame
  • Esame orale con discussione del progetto d'esame e verifica delle conoscenze acquisite durante il corso
  • Esercizi durante il corso (opzionali)
Assessment criteria of knowledge
  • Development of a project
  • Oral exam with a discussion of the project and verification of the knowledge acquired during the course
  • Exercises during the course (optional)
Capacità

Al termine del corso:

  • lo studente sarà in grado di utilizzare le principali librerie Python per l'analisi dei dati geospaziali e della mobilità umana
  • lo studente conoscerà le principali metodologie per gestire, preprocessare ed analizzare i dati geospaziali e di mobilità
  • lo studente conoscere le principali leggi statistiche sulla mobilità umana
  • lo studente sarà in grado di utilizzare algoritmi di previsione e generazione della mobilità umana
Skills

At the end of the course:

  • the student will be able to use the main Python libraries for the analysis of geospatial and mobility data
  • the student will know the main methodologies for managing, preprocessing, and analyzing geospatial and mobility data
  • the student will know the main statistical laws on human mobility
  • the student will be able to use prediction and generation algorithms for human mobility
Modalità di verifica delle capacità

Lo studente dovrà svolgere degli esercizi (sebbene opzionali) e sviluppare un progetto d'esame.

Assessment criteria of skills

The student will have to carry out some exercises (although optional) and develop an exam project.

Comportamenti
  • Lo studente potrà acquisire e/o sviluppare sensibilità alle problematiche legate all'ambiente urbano
  • Saranno acquisite opportune accuratezza e precisione nello svolgere attività di raccolta e analisi di dati 
Behaviors
  • The student will acquire and/or develop sensitivity to problems related to the urban environment
  • Appropriate accuracy and precision will be acquired in carrying out data collection and analysis activities
Modalità di verifica dei comportamenti
  • Gli esercizi svolti saranno valutato in base al loro grado di accuratezza e precisione
  • Durante l'esame finale, sarà valutata la capacità dello studente di sviluppare un progetto complesso
Assessment criteria of behaviors
  • The exercises performed will be evaluated based on their degree of accuracy and precision
  • During the final exam, the student's ability to develop a complex project will be assessed
Prerequisiti (conoscenze iniziali)

E' utile la conoscenza di Data Mining, Social Network Analysis, Database, Machine Learning, e programmazione Python

Prerequisites

Knowledge of Data Mining, Social Network Analysis, Database, Machine Learning, and Python programming

Indicazioni metodologiche
  • le lezioni saranno frontali e divise in lezioni teoriche e lezioni pratiche
  • alcune lezioni saranno dedicate a talk da esperti internazionale sul settore
  • la comunicazione tra docenti e studenti avverrà tramite un canale Telegram
Teaching methods
  • the lessons will be frontal and divided into theoretical lessons and practical lessons
  • some lectures will be dedicated to talks by international experts on the sector
  • communication between teachers and students will take place via a Telegram channel
Programma (contenuti dell'insegnamento)

L'analisi delle informazioni geografiche, come quelle che descrivono i movimenti umani, è cruciale in diversi aspetti della nostra società, come la diffusione delle epidemie (come il COVID-19), la pianificazione urbana, il benessere, e la sostenibilità ambientale. Questo corso insegnerà i concetti e le tecniche fondamentali dell'analisi dei dati geografici e di mobilità, discutendo le fonti di dati principali (ad esempio, record di telefoni cellulari, tracce GPS, post georeferenziati da social media), le tecniche di pre-elaborazione dei dati, gli algoritmi di intelligenza artificiale per la previsione della mobilità e la generazione di mobilità realistica, e applicazioni del mondo reale (ad es. diffusione di epidemie, previsione dati socio-demografici, previsione dei collegamenti nei social network). Il corso fornirà anche una prospettiva pratica attraverso l'uso di librerie Python avanzate.

Syllabus

The analysis of geographic information, such as that describing human movements, is crucial in various aspects of our society, such as the spread of epidemics (such as COVID-19), urban planning, well-being, and environmental sustainability. This course will teach the fundamental concepts and techniques of geographic and mobility data analysis, discussing key data sources (e.g., cell phone records, GPS tracks, social media geo-referenced posts), pre-processing techniques data, artificial intelligence algorithms for mobility prediction and realistic mobility generation, and real-world applications (e.g. epidemic spread, socio-demographic data prediction, social network link prediction). The course will also provide a practical perspective through the use of advanced Python libraries.

Bibliografia e materiale didattico

Il materiale bibliografico e didattico sarà fornito lezione per lezione

Bibliography

Bibliographic and didactic material will be provided lesson by lesson

Indicazioni per non frequentanti

Tutto il materiale didattico verrà fornito sul didawiki del corso

Non-attending students info

All didactic material will be provided on the course didawiki

Modalità d'esame

L'esame è composto da un progetto, da un esame orale, e dallo svolgimento (opzionale) di esercizi durante il corso:

  • progetto di esame (10 punti): sviluppo e test di un algoritmo in python oppure analisi di un dataset geospaziale
  • orale (20 punti): discussione del progetto e verifica conoscenze
  • esercizi (opzionali): da svolgere durante il corso (1 punto per esercizio)
Assessment methods

The exam consists of a project, an oral exam, and the (optional) carrying out of exercises during the course:

  • exam project (10 points): development and test of a python algorithm or analysis of a geospatial dataset
  • oral (20 points): discussion of the project and knowledge check
  • exercises (optional): to be carried out during the course (1 point max per exercise)
Updated: 31/07/2023 09:56