L’integrazione dei dati rappresenta una delle principali sfide nella gestione dei Data Lake. Questa tesi analizza le principali tecniche utilizzate per affrontare il problema, con particolare attenzione agli approcci basati su Deep Learning e Transformer. Viene inoltre approfondito il modello STARMIE, evidenziandone caratteristiche, vantaggi e limiti rispetto alle tecniche tradizionali

L’integrazione dei dati rappresenta una delle principali sfide nella gestione dei Data Lake. Questa tesi analizza le principali tecniche utilizzate per affrontare il problema, con particolare attenzione agli approcci basati su Deep Learning e Transformer. Viene inoltre approfondito il modello STARMIE, evidenziandone caratteristiche, vantaggi e limiti rispetto alle tecniche tradizionali

Integrazione dei dati nei Data Lake: stato dell’arte e approcci basati sul Deep Learning

MONTAGNOLI, FILIPPO
2025/2026

Abstract

L’integrazione dei dati rappresenta una delle principali sfide nella gestione dei Data Lake. Questa tesi analizza le principali tecniche utilizzate per affrontare il problema, con particolare attenzione agli approcci basati su Deep Learning e Transformer. Viene inoltre approfondito il modello STARMIE, evidenziandone caratteristiche, vantaggi e limiti rispetto alle tecniche tradizionali
2025
2026-07-16
Data Integration in Data Lakes: State of the Art and Deep Learning-Based Approaches
L’integrazione dei dati rappresenta una delle principali sfide nella gestione dei Data Lake. Questa tesi analizza le principali tecniche utilizzate per affrontare il problema, con particolare attenzione agli approcci basati su Deep Learning e Transformer. Viene inoltre approfondito il modello STARMIE, evidenziandone caratteristiche, vantaggi e limiti rispetto alle tecniche tradizionali
File in questo prodotto:
File Dimensione Formato  
Tesi Montagnoli Filippo.pdf

non disponibili

Dimensione 789.17 kB
Formato Adobe PDF
789.17 kB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12075/27287