Questo sito utilizza cookie tecnici e di terze parti. Se vuoi saperne di più o negare il consenso consulta l'informativa sulla privacy. Proseguendo la navigazione o cliccando su "Chiudi" acconsenti all'uso dei cookie. Chiudi
| Corso | Economia |
| Curriculum | Curriculum unico |
| Orientamento | Orientamento unico |
| Anno Accademico | 2020/2021 |
| Crediti | 9 |
| Settore Scientifico Disciplinare | ING-INF/05 |
| Anno | Primo anno |
| Unità temporale | Secondo semestre |
| Ore aula | 54 |
| Attività formativa | Attività formative affini ed integrative |
| Docente | CARLO GIGLIO |
| Obiettivi | Obiettivi formativi: Il corso mira a fornire agli studenti i concetti teorici, gli approcci metodologici e gli strumenti per l'estrazione e l'analisi dei dati, nonché per l'utilizzo dei corrispondenti risultati al fine di supportare il processo decisionale nelle organizzazioni, con un focus dedicato all'ambito economico ed organizzativo. In particolare, al termine del corso gli studenti saranno in grado di realizzare processi decisionali di natura economica/organizzativa e in una varietà di contesti applicativi, opportunamente supportati da approcci metodologici, tecniche e strumenti di estrazione ed analisi dei dati basati su alcune delle più avanzate soluzioni nel campo della scienza dei dati e dell'elaborazione dei big data (intelligenza artificiale, machine learning, internet of things, data visualization, open data e open source platforms for business intelligence), cogliendone le implicazioni a livello organizzativo e sociale. Descrittori di Dublino: 1. Conoscenza e capacità di comprensione (knowledge and understanding). Conoscenza e comprensione degli approcci metodologici e degli strumenti per l'estrazione e l'analisi dei dati e l'utilizzo dei risultati nel processo decisionale economico-organizzativo, degli approcci metodologici, tecniche e strumenti di estrazione ed analisi dei dati basati su alcune delle più avanzate soluzioni nel campo della scienza dei dati e dell'elaborazione dei big data (intelligenza artificiale, machine learning, internet of things, data visualization, open data e open source platforms for business intelligence), cogliendone le implicazioni a livello organizzativo e sociale. 2. Conoscenza e capacità di comprensione applicate (applying knowledge and understanding). Saper applicare approcci metodologici e strumenti per l'estrazione e l'analisi dei dati soprattutto in ambito economico-organizzativo. 3. Autonomia di giudizio (making judgements). Sviluppo di capacità critiche e di giudizio sull'analisi dei dati soprattutto in ambito economico-organizzativo attraverso la discussione partecipata di esempi e casi di studio. 4. Abilità comunicative (communication skills). Sviluppo della capacità di comunicare quanto appreso in relazione all'analisi dati soprattutto in ambito economico-organizzativo attraverso la discussione partecipata di esempi e casi di studio. 5. Capacità di apprendere (learning skills). Sviluppo della capacità di proseguire autonomamente lo studio al termine dell'insegnamento attraverso l'acquisizione di un approccio sistemico allo studio ed all'applicazione di metodologie, tecniche e strumenti di estrazione ed analisi dati soprattutto in ambito economico-organizzativo. Modalità di accertamento e valutazione: La valutazione sarà effettuata sulla base di un esame scritto che sarà prevalentemente rivolto alla verifica della padronanza, da parte dello studente, delle tematiche afferenti la scienza dei dati in termini di concetti teorici, approcci metodologici, metodi, strumenti e tecniche. La modalità d’esame scelta è quella dell’esame scritto, in quanto maggiormente adeguata, coerentemente con le tematiche trattate nel corso, al fine di verificare il raggiungimento dei risultati attesi. L’esame scritto determinerà l’attribuzione del voto finale (da 0 a 30 punti con eventuale attribuzione della lode, tramite somma dei voti per ciascuna domanda). L’esame scritto verterà su possibili ambiti/tipologie di domande legati a: 1. Processi decisionali, estrazione ed analisi dei dati (da 0 a 10 punti); 2. Big data, intelligenza artificiale, machine learning, internet of things (da 0 a 10 punti); 3. Applicazioni, open data ed open platforms, implicazioni (da 0 a 10 punti). Il voto finale sarà attribuito secondo il seguente criterio di valutazione: 30 - 30 e lode: conoscenza completa, approfondita e critica degli argomenti, ottima proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 26 - 29: conoscenza completa e approfondita degli argomenti, piena proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti; 24 - 25: conoscenza degli argomenti con un buon grado di apprendimento, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti; 21 - 23: conoscenza adeguata degli argomenti, ma mancata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, limitata capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti; 18 - 20: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, capacità interpretativa sufficiente, capacità di applicare le conoscenze basilari acquisite; Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il corso. Ricevimento: Il ricevimento (previa prenotazione via email) sarà svolto generalmente di venerdì, dalle ore 17:00 alle ore 20:00 (istruzioni dettagliate via email). |
| Programma | 1) Processi e sistemi di supporto alle decisioni Dati, informazioni e conoscenza Rappresentazione dei processi decisionali Sistemi di supporto alle decisioni 2) Data Mining Definizione di data mining Rappresentazione dei dati in ingresso Data Mining for Cross-Sectional Data Data Mining for Temporal Data Processo di data mining Metodologie di analisi Text Mining, Sentiment Analysis e Social Analytics 3) Data Warehousing Introduzione al data warehousing Architetture di data warehouse Cubi e analisi multidimensionali 4) Big Data Introduzione Cenni storici sui big data Caratteristiche dei dati Business process management e data analytics Ecosistema, utilità, strumenti, metodi per i big data Big data, data science, strategia e organizzazione 5) Intelligenza Artificiale e Machine Learning Introduzione e concetti generali Driver, tecnologie e applicazioni Nature of Data, Statistical Modeling e Visualization Internet of Things 6) Applicazioni in area Business & Management Relational marketing Salesforce management Revenue management 7) Open Data Introduzione Finalità Esempi 8) Open Source Platforms for Business Intelligence Benefici Open challenges Analisi costi-benefici per OSBI: overview pratica 9) Etica e privacy: impatti organizzativi e sociali |
| Testi docente | Materiale didattico fornito dal docente. Vercellis, C. (2011). Business Intelligence: Data Mining and Optimization for Decision Making, J. Wiley and Sons. Marr, B. (2017). Data Strategy - How to Profit from a World of Big Data, Analytics and the Internet of Things, Kogan Page. Turban, E., Sharda, R., and Delen, D. (2014). Business Intelligence and Analytics: Systems for Decision Support, Global Edition, Pearson. Grossman, W., and Rinderle-Ma, S. (2015). Fundamentals of Business Intelligence. Springer-Verlag Berlin Heidelberg. |
| Erogazione tradizionale | No |
| Erogazione a distanza | Sì |
| Frequenza obbligatoria | No |
| Valutazione prova scritta | No |
| Valutazione prova orale | Sì |
| Valutazione test attitudinale | No |
| Valutazione progetto | No |
| Valutazione tirocinio | No |
| Valutazione in itinere | No |
| Prova pratica | No |
Cerca nel sito
Posta Elettronica Certificata
Direzione
Tel +39 0965.1692263
Fax +39 0965.1692201
Biblioteca
Tel +39 0965.1692206
Fax +39 0965.1692206
Ufficio didattica
Tel +39 0965.1692440/212
Fax +39 0965.1692220
Segreteria studenti
Tel +39 0965.1691475
Fax +39 0965.1691474
Segreteria Amministrativa
Tel +39 0965.1692257/261/241
Fax +39 0965.1692201
Ufficio orientamento
Tel +39 0965.1692386/212
Fax +39 0965.1692220
Social
