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.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE

Al termine dell'insegnamento dovrete essere in grado di:

Comprendere gli elementi principali di una base di dati. In particolare, il modello relazionale, la normalizzazione e come interrogare un database

Conoscere i principali concetti di data science: il campionamento, la pulizia e l’analisi dei dati

Aver chiaro il concetto di variabile casuale, di stimatore, e conoscere alcuni test statistici

Comprendere i principali concetti di una rete di calcolatori, i livelli della pila ISO/OSI, come avviene lo scambio tra pacchetti su una rete e alcuni servizi.

Conoscere alcuni concetti di sicurezza informatica

Avere chiaro cosa si intende per Big Data e quali sono le caratteristiche di un’analisi di dati in tale contesto

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE

Al termine dell'insegnamento dovrete essere in grado di:

Progettare una base di dati relazionale e normalizzarla

Eseguire query con il linguaggio SQL

Saper effettuare delle analisi sui dati tramite strumenti statistici, e in particolare avvalendosi del linguaggio R

Saper distinguere determinati elementi in una rete di calcolatori

AUTONOMIA DI GIUDIZIO

Al termine dell’insegnamento si acquisirà autonomia di giudizio per:

Valutare gli scenari in cui può aver senso ricorrere ad una base di dati

Saper distinguere una base di dati normalizzata da una che non lo è

Saper valutare il livello di pulizia in un set di dati e trarne informazioni in modo proficuo

Essere in grado di valutare la presenza o meno di alcuni strumenti di sicurezza informatica

ABILITÀ COMUNICATIVE

Al termine dell'insegnamento essere si dovrà essere in grado di utilizzare:

La terminologia tecnica appropriata per rappresentare e affrontare un dialogo corretto sui concetti visti durante il corso

Una comunicazione e una rappresentazione grafica efficace, in modi diversi a seconda del pubblico a cui si rivolge, per mettere in evidenza i risultati degli studi svolti su dati analizzati

Videolezioni teoriche e (video) esercitazioni.

A seguito dell'emergenza Covid-19, le modalità d'esame seguiranno le indicazioni d'Ateneo e saranno comunicate tempestivamente.
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
Non sono previste prove orali né altre forme di verifica. Il risultato della prova comprende 27 punti per il quiz più un contributo da -6 a 6 punti per la relazione (vedere documentazione su Moodle).
Nelle prime settimane appariranno istruzioni dettagliate per lo svolgimento pratico delle prove, anche con particolari tecnici.

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.