Dipartimento di Giurisprudenza, Economia e Scienze Umane - Università Mediterranea di Reggio Calabria - Didattica

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

BUSINESS ANALYTICS AND DECISIONS THEORY

Corso

Economia

Curriculum

Curriculum unico

Orientamento

Orientamento unico

Anno Accademico

2022/2023

Crediti

Settore Scientifico Disciplinare

SECS-S/06

Anno

Primo anno

Unità temporale

Corso annuale

Ore aula

Attività formativa

Attività formative caratterizzanti

Canale unico

Docente

MASSIMILIANO FERRARA

Collaboratori

PASQUALE FOTIA, TIZIANA CIANO, VALENTINA MALLAMACI

Obiettivi

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), introduzione all'uso di Python e delle reti neurali. Una parte del Corso sarà dedicata alla Teoria delle Decisioni in condizioni di incertezza e all'Intelligenza artificiale (machine learning e deep learning).

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

Programma

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 - Decisioni, Intelligenza artificiale e modelli predittivi
- Introduzione all'utilizzo di Python
- Intelligenza artificiale e modelli quantitativi: Classificazione e Predizione, Algoritmi di Forecasting, Teoria Bayesiana, Alberi decisionali
- Teoria dei Grafi e Machine Learning
- Teoria delle Decisioni in condizioni di incertezza e teoria dei giochi: Utilità attesa, giochi competitivi, cooperativi, giochi in forma estesa, giochi dinamici

Testi docente

PARTE 1
- Peccati L., Salsa S., Squellati A.,: "Matematica per l’ Economia e l’ Azienda", Ed. Egea, Milano, 2018. Capitoli: 8-9-10-12
- Ferrara M., Ciano T., Mallamaci V.,: ", Prolegomeni di Programmazione Nonlineare", University Press - Centro stampa di Ateneo, 2021
- Materiale didattico a cura del Docente

PARTE 2
- Bertini C., Gambarelli G., Stach I.,: "STRATEGIE" , G. Giappichelli Editore, Torino, 2019. Capitoli: 4-11-12-13-14-15-16-17
- Materiale didattico a cura del Docente

Erogazione tradizionale

Sì

Erogazione a distanza

Frequenza obbligatoria

Valutazione prova scritta

Sì

Valutazione prova orale

Sì

Valutazione test attitudinale

Valutazione progetto

Sì

Valutazione tirocinio

Valutazione in itinere

Prova pratica

Ulteriori informazioni

Materiale didattico
Ricevimento
Avvisi
Orario lezioni
Codice insegnamento

Descrizione	Descrizione
Matematica 4.0 e Intelligenza artificiale (dispensa)
Metodi e Strumenti di Intelligenza Artificiale per il Forecasting (dispensa)

Elenco dei rievimenti:

Descrizione	Avviso
Ricevimenti di: Massimiliano Ferrara
Il Prof.Dr. Massimiliano Ferrara riceve ogni GIOVEDI' dalle 10.00 alle 12.00 (eventualmente anche attraverso la piattaforma Microsoft TEAMS): E' previsto un servizio di tutoraggio a favore degli Studenti, organizzato dall’Assistant Professor del Gruppo di Ricerca del Decisions_LAB: - Dr.ssa Tiziana CIANO - Università della Valle D'Aosta - (email: t.ciano@univda.it): riceve (anche i tesisti) il GIOVEDI' dalle 15.00 alle 17.00 previo appuntamento a mezzo email attraverso la piattaforma Microsoft TEAMS. INSEGNAMENTO: BUSINESS ANALYTICS and DECISION THEORY, MATEMATICA PER L'ECONOMIA.

Nessun avviso pubblicato

Data	Ora inizio	Ora fine	Aula
28-03-2023	11:00	13:00	Lotto D - Aula D03
31-03-2023	11:00	13:00	Lotto D - Aula D06
04-04-2023	11:00	13:00	Lotto D - Aula D06
07-04-2023	11:00	13:00	Lotto D - Aula D06

Codice insegnamento online non pubblicato