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

BUSINESS ANALYTICS

Corso ECONOMIA
Curriculum comune
Anno Accademico 2023/2024
Anno 1
Crediti 8
Ore aula 48
Settore Scientifico Disciplinare SECS-S/06 - METODI MATEMATICI DELL'ECONOMIA E DELLE SCIENZE ATTUARIALI E FINANZIARIE
Attività formativa Caratterizzante
Ambito Statistico-matematico

Docente

Foto Massimiliano FERRARA
Responsabile Massimiliano FERRARA
Crediti 8
Semestre Secondo Ciclo Semestrale

Informazioni dettagliate relative all'attività formativa

PARTE I - Algebra lineare avanzata, Programmazione matematica lineare e nonlineare

1. Approfondimenti di Algebra Lineare: spazi metrici e distanza Euclidea, spazi vettoriali, sottospazi, sistemi di generatori e basi, funzioni lineari, autovalori e autovettori, forme quadratiche, diagonalizzazione.

2.La Programmazione lineare: teoria delle soluzioni, il metodo del simplesso, il duale. Modelli e applicazioni gestionali.

3.Funzioni di più variabili: intorno sferico, limiti e continuità, Derivata parziale, funzioni differenziabili, piano tangente, matrice Hessiana.

4.Ottimizzazione in Rn: esistenza di soluzioni, Teorema di Weierstrass, condizione del primo ordine, condizione del secondo ordine, modelli.

5.Ottimizzazione Vincolata con Vincoli Rigidi: Teorema di Lagrange, condizione del secondo ordine (Hessiano Orlato), applicazioni economiche. La Programmazione Nonlineare. Le condizioni di Kuhn-Tucker e problemi connessi


PARTE II - MATHEMATICAL MODELS IN MANAGEMENT (IN INGLESE)


  • Introduction to Advanced Probability
  • Decision under Uncertainty: Influence Diagrams, Decision Trees, Utility



Ultimo aggiornamento: 09-08-2023

PARTE 1

- Peccati L., Salsa S., Squellati A.,: "Matematica per l’ Economia e l’ Azienda", Ed. Egea, ISBN - 978-8823822696 - Milano, 2018. Capitoli: 8-9-10

- Bertini C., Gambarelli G., Stach I.,: "STRATEGIE" , G. Giappichelli Editore, ISBN - 9788892104136 - Torino, 2019. Capitoli: 1-2-3-4-6-11

PARTE MONOGRAFICA

Iozzi F., "An introduction to Mathematical Models in Management", Bocconi University, Milano, 2015

Ferrara M., Ciano T., KARUSH-KUHN-TUCKER CONDITIONS AND LAGRANGIAN APPROACH FOR IMPROVING MACHINE LEARNING TECHNIQUES: A SURVEY AND NEW DEVELOPMENTS, Articolo scientifico pubblicato su AAPP - Atti della Accademia Peloritana dei Pericolanti Classe di Scienze Fisiche, Matematiche e Naturali - ISSN 1825-1242 - Vol. 102, No. 1, A1 (2024) 


Ultimo aggiornamento: 16-02-2024

Informazioni, dati e modelli quantitativi caratterizzano sempre di più il moderno processo decisionale. Sapere interpretare e leggere efficacemente i dati a disposizione di un’impresa e creare modelli appropriati per l’individuazione delle strategie ottimali sono spesso la chiave per una maggiore competitività. Con Business Analytics si intendono le competenze, tecnologie e i metodi che consentono di analizzare dati, sia attuali sia relativi alle performance aziendali del passato, al fine di orientare il processo decisionale e la pianificazione. Il corso fornisce un’ampia introduzione alla Business Analytics, consentendo agli studenti di acquisire familiarità con varie tipologie di problemi e con i metodi quantitativi che sono maggiormente utilizzati nella soluzione di problemi economico-gestionali e alla elaborazione di strategie decisionali. Sarà privilegiato un approccio orientato alle applicazioni. Un'attenzione specifica sarà dedicata all'implementazione pratica delle metodologie proposte attraverso pacchetti software di comune utilizzo nella pratica aziendale (Excel),una introduzione all'uso di Python con applicazioni a casi manageriali sul campo.




Ultimo aggiornamento: 10-08-2023

Conoscenza di Metodi matematici per l'economia e informatica di base


Ultimo aggiornamento: 11-08-2023

Lezioni frontali, Attività laboratoriale presso il Decision LAB, Seminari e Workshop


Ultimo aggiornamento: 11-08-2023

La prova di esame prevede il sostenimento di un test scritto e previo superamento, una prova orale riguardanti entrambe tutti gli argomenti previsti in programma


Criteri di valutazione:

30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;

28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti;

24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti;

20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;

18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite;

Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il Corso


Ultimo aggiornamento: 11-08-2023


Ulteriori informazioni

Descrizione Descrizione
Algebra lineare avanzata (dispensa) Descrizione
Algebra vettoriale e riflessi algoritmici (dispensa) Descrizione
An introduction to mathematical models in management (dispensa) Descrizione
Autovalori e Autovettori (dispensa) Descrizione
Caso Studio sugli Autovalori (dispensa) Descrizione
Deformazione della funzione d'utilità in condizioni di incertezza (dispensa) Descrizione
Karush-Kuhn-Tucker Conditions and Lagrangian approach for improving Machine Learning techniques: a survey and new developments - Articolo scientifico - Autori T. Ciano e M.Ferrara (dispensa) Descrizione
Ottimizzazione non lineare e Condizioni di Kuhn-Tucker (dispensa) Descrizione
Probabilità condizionata e approccio bayesiano (dispensa) Descrizione
Probabilità e dintorni (dispensa) Descrizione
Programmazione Lineare 1 (dispensa) Descrizione
Programmazione Lineare 2 (dispensa) Descrizione
Programmazione Lineare 3 (dispensa) Descrizione
Prolegomeni di Programmazione Matematica (dispensa) Descrizione
Teoria dell'Utilità e Decision Making (dispensa) Descrizione
Data Ora inizio Ora fine Aula Note
30-04-2024 11:00 13:00 Lotto D - Aula D16
02-05-2024 11:00 13:00 Lotto D - Aula D16
03-05-2024 11:00 13:00 Lotto D - Aula D16
07-05-2024 11:00 13:00 Lotto D - Aula D16
09-05-2024 11:00 13:00 Lotto D - Aula D16
10-05-2024 11:00 13:00 Lotto D - Aula D16
Codice insegnamento online pubblicato. Per visualizzarlo, autenticarsi in area riservata.

Cerca nel sito

 

Posta Elettronica Certificata

Direzione

Tel +39 0965.1695510

Fax +39 0965.1695343

Indirizzo e-mail


Biblioteca

Tel +39 0965.1695306-7-8

Fax +39 0965.1695345

Indirizzo e-mail

Orientamento

Tel +39 0965.1695364

Fax -

Indirizzo e-mail


Segreteria studenti

Tel +39 0965.655293

Fax +39 0965.654177

Indirizzo e-mail

Didattica

Giurisprudenza - +39 0965.1695402

Indirizzo e-mail

Economia - +39 0965.1695368

Indirizzo e-mail Indirizzo e-mail

Scienze Umane - +39 0965.1695404

Indirizzo e-mail Indirizzo e-mail


Social

Facebook

Twitter

YouTube

Instagram