Ti trovi qui: Home » Didattica » Corso di laurea in Ingegneria Gestionale » Insegnamento: Sistemi informativi avanzati

Insegnamento: Sistemi informativi avanzati (Offerta Formativa a.a. 2017/2018)

Corso di studio: INGEGNERIA GESTIONALE (D.M.270/04)

CFU9
Moduli

Modulo: Sistemi informativi avanzati
TAF: Affine/Integrativa; SSD: ING-INF/05; Ambito: Attività formative affini o integrative
Docenti: Marco LIPPI

Materiale Didattico Accedi al materiale didattico su Dolly
Propedeuticità obbligatorie
Modalità di accertamento del profitto Orale
Modalità di valutazione Voto
Esse3 Accedi ai dati dell'insegnamento su Esse3
Lingua di insegnamento

Italiano

Partizionamento studenti

Nessun partizionamento

Obiettivi

Il corso si propone di fornire all'allievo le nozioni fondamentali riguardanti i sistemi informativi avanzati, con particolare riferimento alla progettazione di sistemi informativi per l'analisi dei dati, per il supporto alle decisioni, per l'integrazione e la condivisione dell'informazione.

Prerequisiti

Sistemi Informativi

Contenuti

Data Science:
- Richiami di statistica
-- Statistica descrittiva e inferenziale, campionamento, test delle ipotesi
- Apprendimento automatico (machine learning)
-- Apprendimento supervisionato e non supervisionato
-- Misura delle performance per problemi di classificazione e regressione
-- Alberi di decisione, macchine a vettori di supporto, reti neurali, clustering, tecniche di regressione
- Data visualization
- Software R

Data Management:
- Progettazione di un Data Warehouse
-- Progettazione concettuale: Il modello multidimensionale DFM (Dimensional Fact Model)
-- Progettazione logica: star schema e snowflake schema
- Alimentazione di un Data Warehouse (SQL)
-- Richiami di SQL: join e raggruppamento
-- Software MySQL
- Modelli e tecniche di analisi dei dati:
-- OLAP (On-Line Analytical Processing) e operazioni per l'analisi dei dati: roll-up, drill-down
- Data Mining:
-- Regole di associazione (Association Rule Mining)
- Big Data:
-- Database distribuiti e non relazionali (NoSQL)
-- Approccio Map-Reduce per grandi basi di dati
-- Software MongoDB

Metodi didattici

Lezioni frontali, esercitazioni pratiche, attività pratiche di laboratorio.

Verifica dell'apprendimento

Esame orale. Durante l'esame orale lo studente dovrà presentare e discutere una tesina svolta su uno degli argomenti del corso e concordata con il docente. La tesina potrà essere svolta anche in gruppi di due persone (tre soltanto in casi eccezionali, da concordare con il docente). Lo svolgimento della tesina non deve richiedere un carico di lavoro eccessivo. Il voto complessivo sarà infatti approssimativamente ripartito come segue: - Esame orale: 70% - Tesina: 30%

Risultati attesi

- Conoscenza e capacità di comprensione -- Tramite lezioni in aula, lo studente acquisirà solide conoscenze e capacità di comprensione dei sistemi per la gestione e l'analisi di grandi quantità di dati. - Capacità di applicare conoscenza e comprensione -- Tramite esercitazioni in aula ed esercitazioni pratiche al computer, lo studente sarà in grado di utilizzare le funzionalità del linguaggio standard SQL per applicare le conoscenze acquisite nella progettazione ed implementazione dei data warehouse, e le funzionalità del linguaggio R per costruire modelli analitici e predittivi. - Autonomia di giudizio -- Grazie alla realizzazione di un progetto e alla risoluzione di esercizi individuali ed esercizi pratici in laboratorio, lo studente sarà in grado di valutare criticamente le scelte progettuali e implementative adottate e i risultati ottenuti. - Abilità comunicative -- La prova orale, che include la presentazione del progetto realizzato, darà modo allo studente di organizzare e presentare con chiarezza mediante il linguaggio tecnico appropriato, i risultati del proprio lavoro. - Capacità di apprendimento -- Le attività descritte consentiranno allo studente di acquisire gli strumenti metodologici per potere provvedere autonomamente al proprio aggiornamento, particolarmente cruciale in un ambito di gestione avanzata dei dati, dove le tecnologie sono in continua evoluzione.

Testi

M. Golfarelli, S. Rizzi. Data Warehouse: Teoria e Pratica della Progettazione - Seconda Edizione. McGraw-Hill, 2006.

G. James, D. Witten, T. Hastie, R. Tibshirani: An introduction to statistical learning with applications in R - freely available at http://www-bcf.usc.edu/~gareth/ISL/ISLR%20Seventh%20Printing.pdf

Dispense del Docente

Docenti

Marco LIPPI