Corso di studio in Amministrazione Aziendale

Il corso illustra l'origine dei "big data", le modalità con cui essi sono trasmessi e immagazzinati e le più importanti tecniche di analisi usate per estrarre conoscenza dai dati e per orientare le decisioni in azienda. 

 Conoscenza dei principali concetti e metodi sulle reti di computer, sui database, sui "big data" e sulle moderne tecnologie correlate. Capacità di scegliere uno specifico strumento per per ottenere risultati analitici e per giudicarne la qualità. Apertura all'approfondimento e all'allargamento della cultura acquisita.

 Videolezioni teoriche e (video) esercitazioni.

A seguito dell'emergenza Covid-19, che ha reso impraticabile lo svolgimento di prove d'esame in presenza, si è reso necessario attivare altre modalità per permettere a tutti gli studenti di poterle sostenere.
Per il corso di Big Data and Analytics, in base alle indicazioni di Ateneo, l'esame comprenderà:
* La consegna della relazione, con un congruo anticipo (in prossimità degli esami ci saranno parecchie attività che impediranno la correzione contestuale degli elaborati)
* Lo svolgimento di un quiz online su Moodle, con caratteristiche del tutto uguali a quelle degli altri appelli e delle autovalutazioni fornite durante il corso, CON CONTROLLO VIA RIUNIONE WEBEX.
Non sono previste prove orali in videoconferenza né altre forme di verifica. Il risultato della prova sarà calcolato con la consueta formula che comprende 27 punti per il quiz più un contributo fino a 6 punti per la relazione (vedere documentazione su Moodle).
Nelle prossime settimane appariranno istruzioni dettagliate per lo svolgimento pratico delle prove, anche con particolari tecnici.
Nei giorni immediatamente precedenti l'esame, agli iscritti verranno nuovamente inviate tali istruzioni, con gli elementi specifici (es. link di connessione) per l'appello a cui partecipano.

Tutoraggio online.

 

Reti e web/broadband: aspetti hardware, aspetti software. Modelli di riferimento: OSI e TCP/IP. Livello fisico, data link, network, trasporto, application. Sicurezza in rete. Reti wireless cellulari. Applicazioni.
Reti d'impresa.
Teoria e progetto di database, elementi di SQL, cenni ai datawarehouse.
Generalità sui big data. Pulizia dei dati. Esplorazione dei dati. Elementi di statistica inferenziale. Riduzione della complessità dei dati. Data mining e machine learning. Business analytics.
Cloud computing: virtualizzazione, tecnologie, servizi. Analisi di una piattaforma. Principi della realtà aumentata. Multimedialità, multimodalità. Componenti hardware e software.
Internet of things: modelli di comunicazione. Interoperabiltà e standard. RFID.  Altre tecnologie per IoT. Problemi di sicurezza e di privacy.

 

Una parte limitata di ogni testo è necessaria per lo studio
A.S. Tanenbaum D.J. Wetherall, Computer Networks (5th Edition)
E. de Jonge, M. van der Loo, An introduction to data cleaning with R
K. Dalkir, Knowledge management in theory and practice

E.W. Davis, R.E. Spekman, The Extended Enterprise: Gaining Competitive Advantage through Collaborative Supply Chains
P. Atzeni, S. Ceri, S. Paraboschi, R. Torlone, Database Systems: concepts, languages and architectures

K. Black, Business Statistics For Contemporary Decision Making

T.M. Mitchell, Machine Learning

I.T. Jolliffe, Principal Component Analysis

M.J. Zaki, W. Meira jr, Data Mining and Analysis

J. S. Strickland, Predictive Analytics using R

B. Sosinsky, Cloud Computing Bible