Corso di studio in Amministrazione e gestione digitale delle aziende

Al termine dell’insegnamento, lo studente sarà in grado di:

Conoscenza e capacità di comprensione
- Identificare la metodologia corretta di progettazione di un sistema di Business Intelligence
- Comprendere i passi fondamentali su cui si basa un Data Warehousing
- Comprendere la metodologia corretta per creare una visualizzazione dati efficiente
- Identificare i concetti principali su cui si basano i modelli di machine learning

Capacità di applicare conoscenza e comprensione (abilità pratiche)
- Sapere interpretare i risultati delle query OLAP
- Crea una visualizzazione dei dati efficiente
- Riconoscere e interpretare correttamente i risultati di vari modelli di machine learning
- Sintetizzare in modo appropriato un insieme di risultati per il supporto alle decisioni aziendali

Autonomia di giudizio
- Apprendimento dei concetti fondamentali di Business Intelligence al fine di lavorare autonomamente nella progettazione e sviluppo di un sistema di supporto alle decisioni aziendale
- Capacità di interpretare in modo autonomo i risultati di query OLAP, visualizzazioni dati e modelli di machine learning

Abilità comunicative
- Apprendimento della terminologia per comunicare in modo appropriato i diversi concetti inerenti la Business Intelligence

Capacità di apprendimento
- Abilità di studiare autonomamente argomenti generali inerenti al Business Intelligence
- Competenza nel lavorare in autonomia nella progettazione e sviluppo di un sistema di Business Intelligence

1) Introduzione al Business Intelligence (BI)

Dati
Ciclo di vita di un progetto di Business Inteligence

2) Fondamenti di Basi di Dati

Cenni del modello concettuale
Cenni del modello logico
Cenni di interrogazioni SQL

3) I data warehouse

Introduzione ai data warehouse
Architettura di un data warehouse
Modello concettuale - modello multidimensionale
Modello logico - star schema, snowflake schema

4) Operazioni OLAP

Progettazione di un data warehouse
Operazioni OLAP
Tool di data warehouse
Operazioni OLAP in MS Excel

5) Introduzione alla visualizzazione dati

Cos'è la visualizzazione dati
Cosa, perché e come visualizzare i dati

6) Visualizzazione dati e storytelling

Regola generale
Differenti tipi di dati, visualizzazioni differenti
Alcune regole d'oro
Storytelling con i dati

7) Tool di visualizzazione dati

Ms Excel
Tableau
ggplot2 in R

8) Manipolazione dati avanzata

Il linguaggio R
La libreria data.table

9) Il data mining e il machine learning

Introduzione al data mining e machine learning
Supervised e unsupervised learning
Addestrare modelli predittivi
Valutare l'accuratezza dei modelli predittivi

10) Regressione

Regressione lineare
Regressione polinomiale
Tool: regressione in Weka e R

11) Classificazione

Decision tree
Ramdon forest
Tool: classificazione in Weka e R

12) Unsupervised learning

Clustering
Regole associative
Tool: Clustering e regole associative in Weka e R

L'insegnamento si articola in videolezioni e test di autovalutazione che saranno pubblicati sulla piattaforma Moodle.

Nello specifico, le lezioni del corso, il materiale didattico, eventuale materiale integrativo e le prove di autovalutazione sono rilasciati su moodle e possono essere visualizzati da remoto in qualsiasi momento.

* Valutazione formativa *

La valutazione formativa consiste in un test di autovalutazione online erogato dalla piattaforma Moodle.

Le domande contenute nel test di autovalutazione sono diverse da quelle dell'esame, tuttavia riguardano gli stessi argomenti e hanno la stessa difficoltà.

La modalità del test di autovalutazione è identica all'esame. Tuttavia, a differenza dell'esame, nel test di valutazione formativa, a test finito è possibile visionare le risposte corrette e autovalutare la propria preparazione.

È possibile sostenere il test di autovalutazione quante volte lo si desidera.

* Valutazione sommativa *

La valutazione sommativa consiste in un test online erogato dalla piattaforma Moodle ed in una tesina da presentare prima dell'esame.