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
vai al contenuto vai al menu principale vai alla sezione Accessibilità vai alla mappa del sito
Login  Docente | Studente | Personale | Italiano  English
 
Home page Home page

DATA SCIENCE & DECISION SUPPORT SYSTEMS

Corso GIURISPRUDENZA
Curriculum Curriculum unico
Orientamento Orientamento unico
Anno Accademico 2021/2022
Crediti 6
Settore Scientifico Disciplinare ING-INF/05
Anno Primo anno
Unità temporale Secondo semestre
Ore aula 36
Attività formativa

Canale unico

Erogazione 1001358 DATA SCIENCE & DECISION SUPPORT SYSTEMS in Economia LM-56 GIGLIO CARLO
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
a. Dati, informazioni e conoscenza
b. Rappresentazione dei processi decisionali
c. Sistemi di supporto alle decisioni
2. Data Mining
a. Definizione di data mining
b. Rappresentazione dei dati in ingresso
c. Data Mining for Cross-Sectional Data
d. Data Mining for Temporal Data
e. Processo di data mining
f. Metodologie di analisi
g. Text Mining, Sentiment Analysis e Social Analytics
3. Data Warehousing
a. Introduzione al data warehousing
b. Architetture di data warehouse
c. Cubi e analisi multidimensionali
4. Big Data
a. Introduzione
b. Cenni storici sui big data
c. Caratteristiche dei dati
d. Business process management e data analytics
e. Ecosistema, utilità, strumenti, metodi per i big data
f. Big data, data science, strategia e organizzazione
5. Intelligenza Artificiale e Machine Learning
a. Introduzione e concetti generali
b. Driver, tecnologie e applicazioni
c. Nature of Data, Statistical Modeling e Visualization
d. Internet of Things
6. Applicazioni in area Business & Management
a. Relational marketing
b. Salesforce management
c. Revenue management
7. Open Data
a. Introduzione
b. Finalità
c. Esempi
8. Open Source Platforms for Business Intelligence
a. Benefici
b. Open challenges
c. Analisi costi-benefici per OSBI: overview pratica
9. Etica e privacy: impatti organizzativi e sociali
Testi docente Libri di testo/Altro materiale:
- 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
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta
Valutazione prova orale No
Valutazione test attitudinale No
Valutazione progetto No
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento

Elenco dei rievimenti:

Descrizione Avviso
Ricevimenti di: Carlo Giglio
Oggi, 09 giugno 2022, si comunica che il prossimo ricevimento avrà inizio lunedì 13 giugno 2022, alle 13:00, e martedì 14 giugno, alle 11:45.
Inoltre, si ricorda di prenotare anticipatamente via email.
Nessuna lezione pubblicata
Codice insegnamento online pubblicato. Per visualizzarlo, autenticarsi in area riservata.

Cerca nel sito

 

Posta Elettronica Certificata

Direzione

Tel +39 0965.1692263

Fax +39 0965.1692201

Indirizzo e-mail


Biblioteca

Tel +39 0965.1692206

Fax +39 0965.1692206

Indirizzo e-mail

Ufficio didattica

Tel +39 0965.1692440/212

Fax +39 0965.1692220

Indirizzo e-mail


Segreteria studenti

Tel +39 0965.1691475

Fax +39 0965.1691474

Indirizzo e-mail

Segreteria Amministrativa

Tel +39 0965.1692257/261/241

Fax +39 0965.1692201

Indirizzo e-mail


Ufficio orientamento

Tel +39 0965.1692386/212

Fax +39 0965.1692220

Indirizzo e-mail

Social

Facebook

Twitter

YouTube

Instagram