Sabrina SENATORE | DATA SCIENCE
Sabrina SENATORE DATA SCIENCE
cod. 0222600021
DATA SCIENCE
| 0222600021 | |
| DIPARTIMENTO DI SCIENZE AZIENDALI - MANAGEMENT & INNOVATION SYSTEMS | |
| CORSO DI LAUREA MAGISTRALE | |
| BUSINESS INNOVATION AND INFORMATICS - BUSINESS, INNOVAZIONE ED INFORMATICA | |
| 2017/2018 |
| ANNO CORSO 2 | |
| ANNO ORDINAMENTO 2016 | |
| PRIMO SEMESTRE |
| SSD | CFU | ORE | ATTIVITÀ | |
|---|---|---|---|---|
| INF/01 | 10 | 60 | LEZIONE |
| Obiettivi | |
|---|---|
| IL PERCORSO FORMATIVO (60 ORE E 10 ECTS) SI PROPONE DI FAR ACQUISIRE AGLI STUDENTI UNA DOTAZIONE DI CONOSCENZE RELATIVE ALL’ANALISI DEI DATI A LIVELLO MASSIVO , PER CONSENTIRE UNA GESTIONE SCALABILE CON COMPLESSI SISTEMI E PIATTAFORME ETEROGENEE. ESSO SI PROPONE, INFATTI, DI SVILUPPARE CAPACITÀ ANALITICHE ORIENTATE ALLA RISOLUZIONE DI PROBLEMI COMPLESSI E ARTICOLATI CHE RICHIEDONO SOLUZIONI IBRIDE NELLA GESTIONE DI DATI MASSIVI ATTRAVERSO APPROCCI DI DATA MINING, CON TECNICHE DISTRIBUITE, CON PARADIGMIDI COMPUTAZIONE AVANZATI., FINALIZZATE AL DISCOVERY DATA-DRIVEN E ALLA PREDIZIONE. LO STUDENTE, AL TERMINE DEL PERCORSO FORMATIVO, AVRÀ ACQUISITO CONOSCENZE TEORICHE E CAPACITÀ PRATICHE DI DATA ANALYTICS (PER LA RISOLUZIONE DI PROBLEMI DERIVANTI DALL’ACQUISIZIONE E GESTIONE DI GRANDI MOLI DI DATI), NONCHÉ CAPACITÀ DI UTILIZZO DELLE PRINCIPALI TECNICHE E DEGLI STRUMENTI UTILI ALLA RISOLUZIONE DI TALUNE PROBLEMATICHE SPECIFICHE. LO STUDENTE SARÀ STIMOLATO ALLO SVILUPPO DI CAPACITÀ DI ANALISI E DESCRIZIONE/ESTRAZIONE DELLE CARATTERISTICHE INSITE NEI DATI, E L’ABILITÀ DI FORNIRE UN MODELLO ASTRATTO CHE EVIDENZI LE PECULIARITÀ RILEVATE DALL’ELABORAZIONE DEI DATI STESSI. IL CORSO MIRA A SVILUPPARE COMPETENZE SUL DATA COLLECTION E FAVORIRE LO SVILUPPO DI CAPACITÀ DI ANALISI CRITICA, ATTRAVERSO UN APPROCCIO IBRIDO PER DEFINIRE UNA STRATEGIA COMPLESSIVA VOLTA A TRASFORMARE I DATI IN INFORMAZIONI UTILI. |
| Prerequisiti | |
|---|---|
| NESSUNO |
| Contenuti | |
|---|---|
| OBIETTIVO DEL CORSO È, IN GENERALE, FORNIRE UNA PREPARAZIONE SOLIDA E MODERNA ALLA COMPRENSIONE E GESTIONE DELLE VARIE PROSPETTIVE E SFUMATURE CHE INTERVENGONO NELL'ANALISI COMPLETA DEI DATI. I CONTENUTI INCLUDONO: LA MANIPOLAZIONE DEI DATI SU LARGA SCALA; UN’OVERVIEW DELLE POTENZIALI TECNOLOGIE E CONTESTI OPERATIVI ESISTENTI; APPROCCI METODOLOGICI E FORMALI AL DATA ANALYTICS; VISUALIZZAZIONE DEI DATI E PROVENANCE; MODELLAZIONE E ASTRAZIONE ATTRAVERSO I LINGUAGGI ONTOLOGICI, NELL’AMBITO DEL SEMANTIC WEB. IL CORSO SI ARTICOLA IN TRE PARTI. LA PRIMA PARTE PONE I FONDAMENTI SULLE METODOLOGIE E APPROCCI FORMALI ORIENTATI AL BIG DATA ANALYSIS. VENGONO STUDIATI I PRINCIPALI ALGORITMI UNSUPERVISED, SUPERVISED E PREDITTIVI PER ANALIZZARE E MANIPOLARE I DATI. LA SECONDA PARTE È VOLTA A PRESENTARE LE TECNICHE E TOOL PER L’ANALISI DI GRANDI QUANTITÀ DI DATI; IN QUESTA PARTE DEL CORSO SI STUDIANO I PRINCIPALI SISTEMI DISTRIBUITI PER LA GESTIONE DI DATI E BASI DI DATI, COME PURE PARADIGMI E MODELLI PER LA COMPUTAZIONE DISTRIBUITA. LA TERZA PARTE INVECE SI FOCALIZZA SULLO STUDIO DI TECNICHE AVANZATE PER LA MODELLAZIONE E ASTRAZIONE DEI DATI GREZZI: L’INFORMAZIONE CHE DERIVA DAI DATI STESSI È ELABORATA ATTRAVERSO “STRATEGIE E METODI PER IDENTIFICARE, RACCOGLIERE, SVILUPPARE, CONSERVARE E RENDERE ACCESSIBILE LA CONOSCENZA” GRAZIE A STRUMENTI EVOLUTI DELL’INFORMATION TECNOLOGY. IN QUESTO AMBITO SI COLLOCA IL SEMANTIC WEB CHE FORNISCE UNA METODOLOGIA PER LA FORMALIZZAZIONE ESPLICITA DELLA CONOSCENZA ATTRAVERSO TECNICHE E LINGUAGGI ONTOLOGY-DRIVEN. |
| Metodi Didattici | |
|---|---|
| IL CORSO PREVEDE LEZIONI FRONTALI IN AULE ED ESERCITAZIONI PRATICHE SUGLI ARGOMENTI TRATTATI IN CLASSE. |
| Verifica dell'apprendimento | |
|---|---|
| IL CORSO PREVEDE UNA PROVA SCRITTA E UNA PROVA ORALE. |
| Testi | |
|---|---|
| JOEL GRUS, "DATA SCIENCE FROM SCRATCH", 2015 - O'REILLY MEDIA. |
| Altre Informazioni | |
|---|---|
| SLIDES E DISPENSE FORNITE DAL DOCENTE |
BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2019-05-14]
