ID:
SCV0831
Durata (ore):
48
CFU:
6
SSD:
SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Anno:
2024
Dati Generali
Periodo di attività
Secondo Semestre (17/02/2025 - 30/05/2025)
Syllabus
Obiettivi Formativi
Il corso ha lo scopo di illustrare agli studenti gli elementi concettuali e applicativi del settore dei big data, open data, e metodologie statistiche e di Intelligenza Artificiale per l’analisi dati e per la generazione della conoscenza a partire dall’elaborazione della mole infinita di dati che ci circonda.
Il corso mira a fornire le competenze di base relative:
1. all’identificazione delle sorgenti dati da utilizzare;
2. alla manipolazione dei dati;
3. alla generazione di conoscenza a partire dai dati.
Lo studente acquisisce quindi conoscenza e capacità di comprensione in riferimento:
1. alle caratteristiche dei big data sia a livello hardware infrastrutturale che software;
2. alle metodologie di elaborazione dei big data, tramite modelli di analisi real-time dell’informazione;
3. alla rappresentazione grafica e visiva dei dati.
Le abilità e capacità acquisite dallo studente al termine dell’insegnamento sono:
1. capacità di identificare le sorgenti dati più opportune;
2. capacità di disegnare soluzioni infrastrutturali e software di elaborazione dei dati;
3. capacità di applicare i modelli più opportuni di analisi dati.
Il corso mira a fornire le competenze di base relative:
1. all’identificazione delle sorgenti dati da utilizzare;
2. alla manipolazione dei dati;
3. alla generazione di conoscenza a partire dai dati.
Lo studente acquisisce quindi conoscenza e capacità di comprensione in riferimento:
1. alle caratteristiche dei big data sia a livello hardware infrastrutturale che software;
2. alle metodologie di elaborazione dei big data, tramite modelli di analisi real-time dell’informazione;
3. alla rappresentazione grafica e visiva dei dati.
Le abilità e capacità acquisite dallo studente al termine dell’insegnamento sono:
1. capacità di identificare le sorgenti dati più opportune;
2. capacità di disegnare soluzioni infrastrutturali e software di elaborazione dei dati;
3. capacità di applicare i modelli più opportuni di analisi dati.
Prerequisiti
È opportuna la conoscenza di un linguaggio di programmazione (Java, Python), Basi di Dati, e una buona comprensione della lingua inglese scritta, che permetta l’accesso alla grande quantità di materiale didattico, pubblicazioni, manuali, programmi, ecc. disponibili sull’argomento.
Metodi didattici
Il corso si articola in lezioni frontali (48 ore) ripartite come dettagliato nella sezione Contenuti del Corso. Le lezioni frontali devono dare agli studenti tutti gli strumenti per poi comprendere ed applicare in contesti pratici e reali gli aspetti teorici appresi. Le lezioni avranno quindi un taglio estremamente pratico e vedranno l’applicazione degli aspetti teorici su continui casi di studio. In aula verranno risolti task pratici in piccoli team di lavoro, per mettere in pratica quanto appreso e per consentire agli studenti di fare una auto valutazione del proprio lavoro effettuato e della propria preparazione.
L’impegno personale di rielaborazione autonoma da parte dello studente è tarato sul valore canonico di 25 ore complessive per CFU.
L’impegno personale di rielaborazione autonoma da parte dello studente è tarato sul valore canonico di 25 ore complessive per CFU.
Verifica Apprendimento
L’obiettivo della prova d’esame (in modalità prova orale) è l'accertamento dell’acquisizione delle conoscenze e delle abilità descritte nella sezione “Obiettivi del corso”, valutando il livello di conoscenza e soprattutto la capacità di mettere in pratica, anche integrandole tra loro, le tecniche e i contenuti visti a lezione.
La prova orale verte sull’accertamento della capacità di sintesi delle conoscenze teoriche acquisite, con particolare riguardo alla capacità di identificare gli elementi di teoria da utilizzare in attività di progettazione ed elaborazione dei big data.
La prova orale andrà ad integrare l’apprendimento verificato mediante la valutazione dei diversi task pratici da svolgersi di volta in volta durante il corso. La valutazione orale ha un peso di 3 punti da sommare/sottrarre alla valutazione finale ottenuta dalla valutazione dei singoli task pratici e progettuali (ogni task rilascia indicativamente un massimo di 2 o 3 punti fino ad un massimo di 28 punti totali).
Il voto è espresso in trentesimi.
La prova orale verte sull’accertamento della capacità di sintesi delle conoscenze teoriche acquisite, con particolare riguardo alla capacità di identificare gli elementi di teoria da utilizzare in attività di progettazione ed elaborazione dei big data.
La prova orale andrà ad integrare l’apprendimento verificato mediante la valutazione dei diversi task pratici da svolgersi di volta in volta durante il corso. La valutazione orale ha un peso di 3 punti da sommare/sottrarre alla valutazione finale ottenuta dalla valutazione dei singoli task pratici e progettuali (ogni task rilascia indicativamente un massimo di 2 o 3 punti fino ad un massimo di 28 punti totali).
Il voto è espresso in trentesimi.
Contenuti
Introduzione ai Big Data, definizioni, e il modello delle 5V 2 ore
Esempi e casi di studio: Scenari e domini applicativi di applicazione dei Big Data (abilità 1) 2 ore
Uso dei dati nel contesto degli open data, e-government, open-gov (abilità 1) 4 ore
Introduzione alla Visualizzazione dei Dati: strumenti e approcci per realizzare dashboard interattive di rappresentazione dei dati (abilità 2) 4 ore
Social e Citizen Data Science: cos’è e quali sorgenti dati usare (Facebook API, Twitter API, Instagram API) (abilità 1) 4 ore
Introduzione alle Infrastrutture tecnologiche per la gestione dei Big Data (abilità 2) 2 ore
Modelli Big Data (basati su modelli statistici predittivi, di Machine Learning e di Intelligenza Artificiale) (abilità 3) 10 ore
Sviluppo pratico di Soluzioni Big Data (abilità 1,2,3) 20 ore
Totale 40 ore.
Esempi e casi di studio: Scenari e domini applicativi di applicazione dei Big Data (abilità 1) 2 ore
Uso dei dati nel contesto degli open data, e-government, open-gov (abilità 1) 4 ore
Introduzione alla Visualizzazione dei Dati: strumenti e approcci per realizzare dashboard interattive di rappresentazione dei dati (abilità 2) 4 ore
Social e Citizen Data Science: cos’è e quali sorgenti dati usare (Facebook API, Twitter API, Instagram API) (abilità 1) 4 ore
Introduzione alle Infrastrutture tecnologiche per la gestione dei Big Data (abilità 2) 2 ore
Modelli Big Data (basati su modelli statistici predittivi, di Machine Learning e di Intelligenza Artificiale) (abilità 3) 10 ore
Sviluppo pratico di Soluzioni Big Data (abilità 1,2,3) 20 ore
Totale 40 ore.
Lingua Insegnamento
ITALIANO
Altre informazioni
Testo di riferimento: Le slide delle lezioni in formato PDF sono messe a disposizione sulla piattaforma e-learning di Ateneo, insieme ad articoli scientifici e letteratura specifica sul tema (report, dataset, ecc.). Non è quindi necessario dotarsi di un libro di testo. Opzionalmente, si consiglia:
- Steven S. Skiena, The Data Science Design Manual, 2017
- A.Clerici et al., Impariamo Python Vol1 e 2. EGEA
Il docente riceve su appuntamento, previa richiesta via e-mail a davide.tosi@uninsubria.it. Il docente risponde solo alle e-mail firmate e provenienti dal dominio studenti.uninsubria.it.
- Steven S. Skiena, The Data Science Design Manual, 2017
- A.Clerici et al., Impariamo Python Vol1 e 2. EGEA
Il docente riceve su appuntamento, previa richiesta via e-mail a davide.tosi@uninsubria.it. Il docente risponde solo alle e-mail firmate e provenienti dal dominio studenti.uninsubria.it.
Corsi
Corsi
INFORMATICA
Laurea
3 anni
No Results Found
Persone
Persone
No Results Found