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 | 2019/2020 |
| 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 | ANTONIO VIOLI |
| Obiettivi | 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. Modalità di accertamento e valutazione: La valutazione sarà effettuata sulla base di un esame orale 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 della forma discorsiva dell’esame orale, in quanto maggiormente adeguata, coerentemente con le tematiche trattate nel corso, al fine di verificare il raggiungimento dei risultati attesi. L’esame orale 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 orale 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. |
| 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 • Processo di data mining • Metodologie di analisi 3) Modelli di Classificazione • Definizione di problema di classificazione • Sviluppo di modelli di classificazione • Valutazione dei modelli di classificazione • Alberi di classificazione • Criteri di separazione • Applicazioni mediante il software WEKA 4) Introduzione alla modellazione di problemi reali • La mappatura di un problema decisionale in un modello di ottimizzazione: variabili, vincoli, funzione obiettivo. • Modelli di Programmazione Lineare • Modelli di miscelazione • Modelli di allocazione ottima delle risorse • L’utilizzo delle variabili binarie: i problemi con costo fisso, vincoli logici e disgiuntivi. • Esempi di formulazione e soluzione su GAMS 5) Modelli di Programmazione lineare • Struttura di un modello di PL • Analisi geometrica dei problemi di PL • Caratterizzazione delle soluzioni ottime • Risoluzione per via grafica di modelli di PL a 2 variabili 6) Applicazione: Portfolio Management • Caratteristiche di un portafoglio • Diversificazione • Frontiera efficiente • Modello di Markovitz e sue limitazioni • Scenario-based asset allocation • Modelli dinamici e stocastici 7) Applicazione: Data Envelopment Analysis • Efficienza di una DMU • Modello CCR • Modello duale • Esempi su GAMS Solo per Economia 8) Data Warehousing • Introduzione al data warehousing • Architetture di data warehouse • Cubi e analisi multidimensionali 9) Big Data • Introduzione • Caratteristiche dei dati • Business process management e data analytics • Strumenti e metodi per i big data 10) Open Data • Introduzione • Finalità • Esempi |
| Testi docente | • C. Vercellis, Business Intelligence: Data Mining and Optimization for Decision Making, J. Wiley and Sons, 2009. • Dispense a cura del docente |
| Erogazione tradizionale | Sì |
| Erogazione a distanza | No |
| Frequenza obbligatoria | No |
| Valutazione prova scritta | Sì |
| 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 0965.1695510
Fax +39 0965.1695343
Biblioteca
Tel +39 0965.1695306-7-8
Fax +39 0965.1695345
Orientamento
Tel +39 0965.1695364
Fax -
Segreteria studenti
Tel +39 0965.655293
Fax +39 0965.654177
Didattica
Giurisprudenza - +39 0965.1695402
Economia - +39 0965.1695368
Scienze Umane - +39 0965.1695404
Social
