L'esame di  Big Data Analytics si concentra su Signal Processing and Optimization for Big Data e si  articola in due fasi:

  • una breve relazione scritta sui risultati di simulazione al calcolatore di un algoritmo di elaborazione/analisi dei dati oggetto del corso, con analisi delle prestazioni. 
    Alcuni dei possibili argomenti sono:

    • Signal Processing on Graphs: sampling, reconstructuon, filtering etc.
    • Distributed Support Vector Machine
    • Matrix Completion
    • Distributed LASSO or Matching Pursuite
    • Adaptive and Iterative algorithms (also on graphs)
    • Consensus and diffusion algorithms
    • Sparse sampling for estimation and detection
  • una prova orale di circa 45 minuti a cui sono ammessi solo i candidati che abbiano riportato una valutazione positiva della tesina.

Durante la prova orale lo studente deve dimostrare sia capacità di analisi che capacità di sintesi. In particolare lo studente dovrà rispondere a domande di natura teorica (dimostrazioni di teoremi e proprietà, illustrazione di concetti, etc.), ed essere in grado di discutere le implicazioni pratiche di tali risultati teorici nella implementazione di algoritmi di analisi statistica dei dati, centralizzati e distribuiti, batch e iterativi, con considerazioni sia rispetto alla complessità di implementazione, sia rispetto alla  ottimalità  piuttosto che ai limiti di prestazioni di uno specifico  algoritmo.