- Oggetto:
- Oggetto:
Big data and Analytics (T)
- Oggetto:
Big data and Analytics (T)
- Oggetto:
Anno accademico 2022/2023
- Codice dell'attività didattica
- MAN0197
- Docente
- Dott. Roberto Marazzato (Titolare dell'insegnamento)
- Corso di studi
- AMMINISTRAZIONE AZIENDALE - percorso: Digital Economy
- Anno
- 3° anno
- Periodo didattico
- Primo semestre
- Tipologia
- Caratterizzante
- Crediti/Valenza
- 6
- SSD dell'attività didattica
- SECS-P/07 - economia aziendale
- Modalità di erogazione
- E-learning
- Lingua di insegnamento
- Italiano
- Modalità di frequenza
- Online
- Tipologia d'esame
- Scritto
- Prerequisiti
- Concetti di base di matematica e informatica a livello scuola superiore non specialistica. Elementi di statistica.
- Oggetto:
Sommario insegnamento
- Oggetto:
Obiettivi formativi
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.
This course reviews the main sources for big data, the ways they are transmitted and stored, and the most relevant analysis techniques used to extract knowledge from data and to support business decisions.
- Oggetto:
Risultati dell'apprendimento attesi
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
Knowledge of the main concepts and methods about computer network, database, big data and recent technological development. Ability to choose a specific tool to obtain analytical results and to assess their quality. Openness to further learning, in order to deepen and to broaden the acquired skills.
Knowledge and understanding
At the end of the course you will be able to:
Understand the main components of a database. Specifically, the relational model, normalization and querying.
Know the basic data science concepts: sampling, data cleansing, data analysis.
Master the concepts of random variable and estimator, and perform some statistical test.
Understand the main concepts about computer network, the layers of the ISO/OSI stack, the packet exchange on a network, some net services, and the basics on IT security.
Get to know what Big Data is, and how data analysis is performed in such environment.
Applying knowledge and understanding
At the end of the course you will be able to:
Project and normalize a relational database.
Querying it using the SQL language.
Using statistical tools to perform some data analysis, specifically in R.
Recognize some elements in a computer network.
Making judgements
At the end of the course you will acquire autonomous judgement skills to:
Evaluate when using a database makes sense.
Discriminate a normalized database from a non normalized one.
Evaluate how clean a dataset is, and advantadgeously make use of it.
Check if some security tools are present in an IT environment.
Communication skills
At the end of the course, you will be able to:
Use the appropriate technical language to report the concepts of this subject, and to deal with an interview about it.
Communicate effectively the results of your data analysis, both verbally and graphically, also considering what kind of audience you are speaking to.
- Oggetto:
Modalità di insegnamento
Videolezioni teoriche e (video) esercitazioni.
Video lectures and (video) exercises.
- Oggetto:
Modalità di verifica dell'apprendimento
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.Online test (physical presence needed) and written reports.
- Oggetto:
Attività di supporto
Tutoraggio online.
Online tutoring.
- Oggetto:
Programma
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.Networks and web/broadband: hardware, software. Reference models: OSI, TCP/IP. Layers: physical, data link, network, transport, application. Network security. Wireless mobile networks. Applications.
Extended enterprise management.
Databases: theory and project, basic SQL, datawarehouse.
Foundations on big data. Data cleaning. EDA. Inferential statistics. Data compleity reduction. Data mining and machine learning. Business analytics.
Cloud computing: virtualization, technologies, services. Analysis of a platform. Augmented reality. Multimedia, multimodality. Hardware e software.
Internet of things: communication models. Interoperability and standards. RFID. Other technologies. Security and privacy issues.Testi consigliati e bibliografia
- Oggetto:
- Libro
- Titolo:
- Computer Networks
- Anno pubblicazione:
- 2014
- Editore:
- Pearson
- Autore:
- Tanenbaum, Andrew Stuart - Wetherall, David J.
- ISBN
- Capitoli:
- (Dettagli a lezione)
- Obbligatorio:
- No
- Oggetto:
- Articolo
- Titolo:
- An introduction to data cleaning with R
- Titolo rivista:
- Statistics Netherlands
- Anno pubblicazione:
- 2013
- Autore:
- E. de Jonge, M. van der Loo
- URL:
- Obbligatorio:
- No
- Oggetto:
- Libro
- Titolo:
- Knowledge Management in Theory and Practice
- Anno pubblicazione:
- 2017
- Editore:
- MitPress
- Autore:
- Kimiz Dalkir
- ISBN
- Obbligatorio:
- No
- Oggetto:
- Libro
- Titolo:
- The Extended Enterprise: Gaining Competitive Advantage through Collaborative Supply Chains
- Anno pubblicazione:
- 2003
- Editore:
- Prentice-Hall
- Autore:
- E.W. Davis, R.E. Spekman
- ISBN
- Obbligatorio:
- No
- Oggetto:
- Libro
- Titolo:
- Database Systems: concepts, languages and architectures
- Anno pubblicazione:
- 1999
- Editore:
- McGraw-Hill
- Autore:
- P. Atzeni, S. Ceri, S. Paraboschi, R. Torlone
- ISBN
- Obbligatorio:
- No
- Oggetto:
- Libro
- Titolo:
- Business Statistics For Contemporary Decision Making
- Anno pubblicazione:
- 2019
- Editore:
- John Wiley & Sons
- Autore:
- Black, Ken
- ISBN
- Obbligatorio:
- No
- Oggetto:
- Libro
- Titolo:
- Machine Learning
- Anno pubblicazione:
- 1997
- Editore:
- McGraw-Hill
- Autore:
- Mitchell, Tom M.
- ISBN
- Obbligatorio:
- No
- Oggetto:
- Libro
- Titolo:
- Data mining and analysis: fundamental concepts and algorithms
- Anno pubblicazione:
- 2014
- Editore:
- Cambridge University Press
- Autore:
- Zaki, Mohammad J. - Wagner, Meira
- ISBN
- Obbligatorio:
- No
- Oggetto:
- Libro
- Titolo:
- Predictive Analytics Using R
- Anno pubblicazione:
- 2014
- Editore:
- Lulu.com
- Autore:
- Strickland, Jeffrey S.
- ISBN
- Obbligatorio:
- No
- Oggetto:
- Libro
- Titolo:
- Cloud Computing Bible
- Anno pubblicazione:
- 2011
- Editore:
- Wiley
- Autore:
- Sosinsky, Barrie
- ISBN
- Note testo:
- E-book accessibile su http://sfx-39uto.hosted.exlibrisgroup.com.bibliopass.unito.it/39uto?url_ver=Z39.88-2004&url_ctx_fmt=info:ofi/fmt:kev:mtx:ctx&ctx_enc=info:ofi/enc:UTF-8&ctx_ver=Z39.88-2004&rfr_id=info:sid/sfxit.com:azlist&sfx.ignore_date_threshold=1&rft.object_id=3390000000007759&rft.object_portfolio_id=2670000001488906&svc.fulltext=yes&sfx.directlink=force
- Obbligatorio:
- No
- Oggetto:
Una parte limitata di ogni testo è necessaria per lo studio. Dettagli su Moodle e a lezione.
- Oggetto: