Obiettivi Formativi

La Network Science è una disciplina che permette un approccio unificato a problemi molto differenti tra loro (reti sociali online e offline, reti di trasporto/commercio, brain network, interazioni tra proteine, diffusione di epidemie). Obiettivo del modulo è introdurre lo studente allo studio e allo sviluppo autonomo di metodologie per la modellizzazione di vari problemi in termini di reti. Il modulo si articola in tre macroaree: dapprima viene introdotta la programmazione Python, oggi fondamentale per la Network e Data Science, successivamente vengono studiati i principali algoritmi sui grafi e, nella terza parte, vengono studiati i più importanti modelli di reti, sia statici che dinamici. Il modulo si pone lobiettivo di: - Sviluppare competenze per lidentificazione, la modelizzazione e limplementazione mediante un linguaggio di programmazione (Python nello specifico) di problemi riconducibili alla presenza/assenza di interazioni di coppia tra entità. - Acquisire un lessico appropriato alla disciplina che consenta una efficace e precisa comunicazione - Acquisire un metodo di studio adeguato a consentire lapprofondimento delle conoscenze e di tematiche specifiche.

Metodi didattici

Lezioni frontali ed esercitazioni in aula

Prerequisiti

E richiesta la conoscenza di un linguaggio di programmazione (preferibilmente, ma non obbligatoriamente, ad oggetti) e dei concetti fondamentali normalmente appresi in un corso come Algoritmi e Strutture Dati.

Verifiche dell'apprendimento

Durante il corso vengono assegnati degli esercizi facoltativi che, in caso di corretta esecuzione, danno diritto ad un bonus sul voto finale. Lo studente deve elaborare un progetto (di cui sono fornite specifiche stringenti) che discuterà allorale. La conoscenza e la comprensione degli argomenti del modulo viene verificata mediante un test a risposta multipla (30 domande, una sola risposta giusta, due distrattori e una risposta palesemente sbagliata, senza penalità).

Programma del Corso

Programmazione Python: espressioni, operatori, flusso di controllo, funzioni, gestione dellinput/output, gestione delle eccezioni, iteratori e generatori, namespace, moduli, fondamenti della programmazione orientata agli oggetti, definizione delle classi, ereditarietà singola e multipla. Algoritmi: analisi degli algoritmi, operazioni primitive, analisi asintotica. Strutture dati per grafi, esplorazione in profondità e in ampiezza, chiusura transitiva, ordinamento topologico in grafi diretti aciclici, algoritmo di Dijkstra per la determinazione dei cammini minimi, alberi di ricopertura minima: algoritmi di Prim-Jarnik e Kuskal. Network Science: introduzione, grado, grado medio e distribuzione del grado, metriche. Reti random: modello di Erdos-Renyi, distribuzione del grado, concetto di small world, proprietà di invarianza di scala, modello di Barabasi-Albert, modello di Bianconi-Barabasi, correlazione di grado (reti assortative e disassortative), comunità.