BIG DATA SENSING, COMPRESSION AND COMMUNICATION

Il corso mira a fornire agli studenti alcune nozioni fondamentali sulla generazione delle informazioni, l'encoding, la compressione e la comunicazione per scenari di big data.

1. Conoscenza e capacità di comprensione - Il corso mira a fornire agli studenti conoscenze e comprensione delle tecniche e degli algoritmi per l'acquisizione e l'elaborazione dei dati (ad esempio dati generati dai sensori, immagini, file audio) raccolti in ambienti intelligenti come il monitoraggio ambientale, l'e-health, le città intelligenti e/o scenari veicolari. Gli studenti comprenderanno e studieranno anche le tecniche di compressione dei dati sia alle fonti che, in modo distribuito, nella rete. Infine, saranno studiate le tecnologie e le architetture per la trasmissione dei big data.
2. Capacità di applicare conoscenza e comprensione - Dopo aver frequentato questo corso, gli studenti saranno in grado di manipolare, elaborare e ricostruire diversi tipi di dati acquisiti da un ambiente intelligente, progettare algoritmi di compressione adatti per eseguire la compressione dei dati sia alle fonti che nella rete, scegliere ed utilizzare il set più appropriato di tecnologie per la trasmissione dei dati in scenari di big data. Infine, gli studenti saranno in grado di risolvere specifici problemi di progettazione di big data in scenari realistici.
3. Autonomia di giudizio - Al termine del corso, gli studenti acquisiranno competenze di comprensione indipendente e critica, nonché la capacità di discutere gli aspetti di progettazione in scenari reali di big data, commentando anche le scelte progettuali. Infine, alla fine del corso, gli studenti saranno in grado di continuare autonomamente lo studio di altre discipline correlate all'ingegneria con la capacità di utilizzare in modo appropriato le considerazioni di progettazione dei big data nel contesto appropriato.
4. Abilità comunicative - Gli studenti che frequentano questo corso impareranno a comunicare e discutere/descrivere scenari applicativi di Big Data rilevanti. Saranno in grado di discutere in modo critico e illustrare gli aspetti di progettazione più rilevanti da tenere in considerazione nel concentrarsi sulla generazione, l'elaborazione e la comunicazione di grandi quantità di dati eterogenei come quelli generati nelle reti IoT.

Il corso si compone di lezioni e attività di laboratorio. Le lezioni teoriche sono tenute dai docenti, mentre le attività di laboratorio, costituite da esercizi, verranno svolte in collaborazione tra i docenti e gli studenti, che sono invitati a risolvere, con il supporto del docente, problemi esemplificativi. Inoltre, altre lezioni saranno dedicate all'illustrazione di strumenti software utili per la soluzione di problemi specifici.

1. Introduzione (circa 3 ore): Introduzione all'Internet of Things - Introduzione al big data - Definizione di big data - Tipi di big data - Operazioni sui big data - Esempi di big data.
2. Big data sensing (circa 10 ore): Tipi di dati - Fonti audio - Principi dell'acustica - Fondamenti dell'udito umano - Concetti di base dell'audio digitale - Codifica digitale - Teoria del campionamento - Diversi formati di file audio - Compressione audio - Fonti video - Fondamenti della codifica video - Diversi formati di file video - Fondamenti di trasmissione multimediale - Jitter e sincronizzazione - Formati di file multimediali - Fonti di dati - Formati di file dati - Esempi di diversi meccanismi per la generazione di dati.
3. Big data compression (circa 10 ore): Codifica di sorgente - Compressive sensing - Codifica di canale - Esempi di tecniche di compressione applicate a diversi tipi di dati.
4. Big data communication (circa 17 ore): Tecnologie per l'Internet of Things - WiFi - LoRa - SigFox - Software Defined Radio - Esempi di comunicazione tra nodi che sfruttano alcune delle tecnologie discusse in precedenza.

I seguenti testi sono letture consigliate. Durante il corso i docenti potranno anche suggerire ulteriori letture (es. saggi e articoli scientifici) su argomenti specifici.

• A. Rezzani. Big Data Analytics: Il manuale del data scientist, Apogeo Maggioli Editore
• V. Lombardo, A. Valle. Audio e multimedia, 4th edition, Apogeo Maggioli Editore.
• Z. Han, H. Li, W. Yin. Compressive sensing for wireless networks. Cambridge University Press.
• F. Wu. Advances in visual data compression and communication: Meeting the Requirements of New Applications, CRC Press.
• U. Mengali, M. Morelli, Trasmissione numerica, Mc Graw Hill

• Prova orale
• Oltre alla prova orale gli studenti possono presentare e discutere una tesina su un argomento concordato con i docenti (Facoltativo)