Piano degli studi della Magistrale in Business Informatics

Piano degli studi a partire dal 2014/15

DATA SCIENCE AND BUSINESS INFORMATICS

Corso di laurea magistrale

Piano di Studi

Primo anno

  • Decision support databases (6 cfu)

    • Ogni organizzazione utilizza i dati storici accumulati con il sistema informatico operazionale per produrre informazioni sintetiche adatte a facilitare i processi decisionali e renderli più veloci ed obiettivi. Il corso presenta l’approccio che prevede il progetto e la realizzazione di particolari basi di dati, dette data warehouse, a partire dalle quali si procede con opportune interrogazioni per produrre interattivamente dati di sintesi. Si presentano anche i nuovi requisiti che questi problemi pongono alla tecnologia dei sistemi per basi di dati per rendere possibili analisi interattive rapide di grandi quantità di dati. Syllabus - Sistemi informativi e informatici nelle organizzazioni. - I sistemi informatici direzionali basati su data warehouse. - Modelli dei dati per data warehouse e metodi di analisi multidimensionale. - Progettazione concettuale e logica di data warehouse. - Algoritmi per la scelta delle viste da materializzare. - La tecnologia dei sistemi per data warehouse: tipi di indici, ottimizzazione delle interrogazioni, progettazione fisica, riscrittura delle interrogazioni per l'uso di viste materializzate. - Studio di casi.
  • Logistics (6 cfu)

    • Il corso presenta la struttura ed il funzionamento dei sistemi logistici, analizzando importanti problemi decisionali che scaturiscono nel medio/lungo periodo (decisioni di tipo tattico/strategico). Dopo un'introduzione alle caratteristiche principali dei sistemi logistici, con enfasi sulla logistica distributiva, verranno illustrati modelli di ottimizzazione e, per taluni problemi, metodi risolutivi in grado di costituire un valido strumento di supporto alle decisioni per le tipologie di problemi considerati. Alcuni rilevanti modelli e metodi verranno quindi esemplificati con l'ausilio di un adeguato tool software, presentando Case Studies significativi nel contesto logistico. Syllabus - Introduzione alla catena logistica - Modelli e metodi per problemi di localizzazione - Modelli e metodi per problemi di trasporto - Modelli e metodi per il progetto e la gestione di centri di distribuzione - Modelli e metodi per la gestione delle scorte
  • Data mining (12 cfu)

    • I formidabili progressi della potenza di calcolo, della capacità di acquisizione e memorizzazione dei dati e di connettività hanno creato quantità di dati senza precedenti. Il data mining, ovvero la scienza dell’estrazione di conoscenza da tali masse di dati, si è quindi affermato come ramo interdisciplinare dell’informatica. Le tecniche di data mining sono state applicate a molti problemi in ambito industriale, scientifico e sociale, e si ritiene che avranno un impatto sempre più profondo sulla società. L’obiettivo del corso è quello di fornire: un’introduzione ai concetti di base del data mining e del processo di estrazione della conoscenza, con approfondimenti sui modelli analitici e gli algoritmi più diffusi; una rassegna delle tecniche avanzate per il mining delle nuove forme di dati; una rassegna delle principali aree applicative e di casi di studio paradigmatici. Syllabus Modulo 1: fondamenti - Concetti di base del data mining e del processo di estrazione della conoscenza - Preprocessing ed analisi esplorativa dei dati - Pattern frequenti e regole associative - Classificazione: alberi di decisione e metodi Bayesiani - Clustering: metodi basati su partizione, gerarchici, basati su densità - Esperimenti analitici con strumenti di data mining Modulo 2: aspetti avanzati e applicazioni - Mining di serie temporali e dati spazio-temporali - Mining di dati sequenziali, mining di grandi grafi e reti - Tecniche avanzate di associazione, correlazione and pattern frequenti - Tecniche avanzate di classificazione, clustering e outlier detection - Linguaggi, standard e architetture dei sistemi di data mining - Impatto sociale del data mining - Aspetti etici del data mining - Data mining e protezione della privacy - Applicazioni: Grande distribuzione, Marketing, CRM, Industria delle telecomunicazioni, Analisi finanziaria, analisi di rischio, Rilevamento di frodi, Pubblica amministrazione e sanità, Mobilità e trasporti
  • Business process modeling (6 cfu)

    • Il corso illustra i concetti principali e le problematiche inerenti la gestione di processi, intesi come flussi di lavoro (workflow) costruiti componendo certe attività atomiche, e di fornire una panoramica dei linguaggi, dei modelli concettuali e degli strumenti automatici basati su essi, che possono essere usati per affrontare le problematiche in maniera adeguata. Il percorso di apprendimento porterà gli studenti ad acquisire dimestichezza con i termini tecnici dell'area, con i diversi modelli per strutturare e comporre i processi in modo rigoroso, con le proprietà logiche che questi modelli possono essere richiesti soddisfare e con le tecniche di analisi e verifica dei processi. Inoltre potranno sperimentare i concetti visti con strumenti automatici per progettare e analizzare processi. Syllabus - Introduzione alle problematiche relative alla gestione dei processi. - Terminologia (business process, business process management, business process management system, business process model, process orchestration, business process lifecycle, workflow) e classificazione (orchestrazione vs coreografia, automazione, strutturazione). - Cenni sull'evoluzione dei sistemi di gestione di processi aziendali. - Modellazione di processi. - Modelli concettuali e livelli di astrazione. - Decomposizione funzionale e modularizzazione. - Orchestrazione di processi. - Proprietà di interesse nella progettazione, analisi e verifica di processi basati su workflow. - Pattern di orchestrazione (sequenza, split parallelo, split esclusivo, and-join, join esclusivo) e workflow strutturati. - Modelli rigorosi per workflow: reti di Petri e workflow nets. - Strumenti automatici per la progettazione e analisi di workflow. Sperimentazione su ambiente di progettazione di processi workflow con strumenti automatici per progettare, analizzare processi di workflow.
  • 12 cfu a scelta nel gruppo GR3

    • Attività formative affini o integrative dell’area Economico-aziendale, Giuridica, Matematica, Statistica e Informatica.
    • Statistical methods for data science (6 cfu)

      • Il corso presenta concetti e tecniche principali della statistica, delle probabilità e delle serie temporali utili all’analisi dei dati e alla scienza dei dati. Dopo aver consolidato la conoscenza sul calcolo delle probabilità, il corso presenta i metodi ed i concetti principali della teoria delle stime e del test di ipotesi. La seconda parte del corso introduce i processi stocastici e le serie temporali, concentrandoci sul’approccio ARMA e sulle catene di Markov, e considerando i problemi di stima e di previsione. L’ultima parte introduce l’uso di tecniche statistiche avanzati, quali MCMC e EM. Syllabus - Richiami su teoria della probabilità, variabili casuali, teoremi di convergenza di variabili casuali. - Analisi dei dati esplorativa. - Modelli statistici di base. - Metodo bootstrap. - Stime statistiche: unbiased estimators, efficienza ed errore quadratico medio, maximum likelihood. - Least squares estimation and regression. - Intervalli di confidenza e test di ipotesi. - Introduzione ai processi stocastici ed all’analisi delle serie temporali lineari. - Catene di Markov. - Catene di Markov Monte Carlo per inferenza Bayesiana: Metropolis-Hastings e Gibbs Sampling. - Algoritmo EM e sue generalizzazioni.
    • Network optimization (6 cfu)

      • Il corso presenta le principali tecniche di modellazione e le principali metodologie algoritmiche che si presentano a livello di progetto e gestione di reti di comunicazione. Verranno presentati rilevanti problemi di progetto e gestione di reti di comunicazione, quali QoS routing, problemi di location e problemi di resiliency. Verranno quindi proposte tecniche di modellazione e metodologie risolutive sia per taluni problemi di base che per problemi "NP-Hard”. Syllabus - Problemi di ottimizzazione di rete di base: modelli e algoritmi. Flusso di costo minimo, Flussi multicommodity. - Problemi di ottimizzazione di rete "NP-Hard": modelli e algoritmi. Modelli di routing, Modelli di network design, Principali tecniche euristiche, Approcci esatti. - Applicazioni: "QoS routing", Problemi di "location", Problemi di "resiliency", Robustezza nelle reti di comunicazione, Equilibrio in reti di traffico.
    • Basi di dati (6 cfu)

      • Fornire le basi scientifiche e metodologiche per la progettazione, la realizzazione e l'uso di basi di dati relazionali. Syllabus - I sistemi informativi e informatici. Funzionalità dei sistemi per la gestione di basi di dati (DBMS). - I meccanismi di astrazione dei modelli dei dati a oggetti. La progettazione di basi di dati usando il modello a oggetti. - Il modello dei dati relazionale. La trasformazione di schemi a oggetti in schemi relazionali. - Il linguaggio SQL per creare e usare basi di dati. Interrogazioni semplici, giunzioni, quantificazioni esistenziali ed universali, raggruppamento. - La teoria relazionale delle basi di dati. Le dipendenze fra i dati. - Decomposizioni di schemi relazionali. Forme normali. - Architettura dei DBMS.
    • Decisioni in situazioni di complessità e conflitto (6 cfu)

      • Fornire strumenti formali, di tipo sia quantitativo che qualitativo, per affrontare problemi decisionali e gestionali in sistemi complessi di tipo sociale, politico, ambientale o economico. Ci si propone di sviluppare negli studenti e studentesse che seguiranno il corso la capacità di formulare e strutturare, utilizzando un approccio sistemico, un problema, di costruirne dei modelli, di analizzare e valutare le possibili soluzioni alternative, e di gestire le attività necessarie alla messa in atto delle decisioni prese. Syllabus 1. Problemi e loro strutturazione - Processi decisionali. - Analisi dei sistemi e pensiero sistemico. - Analisi dinamica dei sistemi. - Cicli causali, variabili di flusso e di livello . 2. La Dinamica dei Sistemi - Il linguaggio della dinamica dei sistemi. - Livelli, flussi e ritardi. - Esempi (sostenibilità ambientale, processi di azione-reazione, un modello di “guerra dei prezzi”, ...). 3. Cooperazione, competizione e sfruttamento - Un modello di produzione ed allocazione di risorse. - Cenni di teoria dei giochi, equilibrio di Nash. - Il dilemma del prigioniero e le sue applicazioni. - La tragedia dei Commons. 4. “Social Choice” e votazioni - Ordinamenti e preferenze. - Metodi di Condorcet e di Borda e loro varianti. - Il teorema di impossibilità di Arrow e sue conseguenze. - Il metodo del consenso. 5. Sistemi elettorali - Distribuzione dei seggi fra liste e distretti (metodi dei resti, metodi del divisore, …). - Definizione dei distretti elettorali. - Alcuni paradossi. - Analisi di alcuni sistemi elettorali. 6. Valutazione di progetti - Analisi costi benefici: varianti e limiti. - Analisi costi efficacia. - Analisi multicriteria. - Metodi ELECTRE. 7. Indici e misure - Qualità, incertezza e soggettività nelle misure. - Indici di sviluppo. - Indici di disuguaglianza. - Indice dello sviluppo umano.
    • Programming for data science (12 cfu)

      • Introduzione alla programmazione e al necessario background logico-matematico on esercitazioni in laboratorio per studenti con una laurea triennale non informatica o di ingegneria informatica. L'obiettivo è di introdurre gli studenti ai concetti ed agli strumenti di programmazione utili per attività tipiche nella gestione e nell'analisi dei dati. Syllabus - Insiemi, relazioni, funzioni, combinatorica, grammatiche, automi. - Logica proposizionale e del primo ordine. - Induzione e relazioni di ricorrenza. - Programmazione imperativa. - Programmazione orientata agli oggetti. - Strumenti e ambienti di sviluppo software.
    • Economia e gestione delle imprese (9 cfu)

      • Il corso fornisce gli elementi analitici di base per comprendere il comportamento d’impresa. Tratta le principali tematiche economico-manageriali, le logiche di base e gli strumenti relativi alla gestione strategica delle imprese e all’analisi dell’ambiente competitivo. Gli obiettivi formativi sono: - Conoscere le principali teorie che spiegano i fattori che influenzano la redditività di impresa. - Acquisire una conoscenza introduttiva delle dinamiche di organizzazione della produzione industriale, e di come essa sia cambiata nel tempo. - Acquisire conoscenze di base degli strumenti di marketing che le imprese hanno a disposizione per aumentare la propria competitività. - Sviluppare o rafforzare la capacità critica e di pensiero individuale. Il corso intende infatti evitare l’apprendimento passivo e a-critico dei temi oggetto di studio. Syllabus Parte I (L’analisi di settore e del sistema competitivo) - L’analisi di settore. - L’analisi dei concorrenti. - I gruppi strategici. - Le risorse e le competenze nella formulazione strategica. - L’analisi del vantaggio competitivo (il vantaggio di costo e di differenziazione). Parte II (L’analisi dell’impresa e delle sue funzioni Un focus su produzione e marketing): - Produzione. - Strategia innovativa e flessibilità dell’impresa. - Il modello di flessibilità dei sistemi tecnico-produttivi. - Marketing. - Il processo di marketing management. - La segmentazione del mercato. - Il marketing mix (prodotto, promozione, distribuzione e prezzo).
    • Analisi e ricerche di marketing (9 cfu)

      • Il corso illustra i principali strumenti e le metodologie di analisi impiegate dalle imprese per ottenere informazioni utili per il processo decisionale di marketing. In particolare, sono approfondite le fasi attraverso le quali vengono condotte le ricerche di marketing: pianificazione preliminare, scelta del disegno di ricerca, definizione delle modalità di acquisizione e di raccolta delle informazioni, applicazione delle tecniche di analisi e di elaborazione dei dati, presentazione dei risultati. L’obiettivo del corso è fornire le conoscenze di base in relazione ai processi informativi di marketing e sulle principali tecniche di analisi del mercato. Viene data particolare enfasi agli aspetti che riguardano il processo di ottenimento dei dati e delle informazioni riguardanti il mercato. Alle lezioni teoriche corrisponderanno anche esercitazioni pratiche, in cui saranno applicati i concetti generali svolti a lezione. Le lezioni saranno integrate anche da interventi seminariali da parte di professionisti esterni. Syllabus - Introduzione alle ricerche di marketing. - La definizione del progetto di ricerca. - Il concetto di research design. - Ricerche esplorative, descrittive e causali. - Le ricerche qualitative. - I focus group. - Le interviste in profondità. - Le tecniche proiettive. - Raccolta, preparazione ed analisi dei dati nelle ricerche qualitative. - Le ricerche quantitative. - La progettazione del lavoro on field. - I sondaggi di mercato: tipologia, confronto e individuazione del metodo appropriato. - Le tecniche di osservazione: tipologia, confronto e individuazione del metodo appropriato. - Applicazione dei concetti di misure e di scale alle ricerche di marketing. - La progettazione e la codifica del questionario. - Raccolta, preparazione ed analisi dei dati nelle ricerche quantitative. - Modalità di reporting e tecniche di presentazione. - Impostazione e struttura del report della ricerca. - Modalità di presentazione dei risultati della ricerca.
    • Economia aziendale II (9 cfu)

      • L’obiettivo formativo è quello di favorire l’acquisizione di conoscenze di base mirate alla costruzione ed all’interpretazione del bilancio di esercizio, nonché al controllo della gestione aziendale. Syllabus - Bilancio di esercizio: ruolo e finalità, normativa civilistica, schemi di redazione, criteri di valutazione, informazioni integrative diffuse agli stakeholder. - Dinamiche dei processi di pianificazione e controllo. - Ruolo, le finalità e le caratteristiche essenziali dei principali strumenti di programmazione e controllo della gestione aziendale, come il budget, i costi, l’analisi delle performance.
    • Organizzazione aziendale (6 cfu)

      • Lo scopo di questo corso è quello di fornire una spiegazione realistica di come funziona una moderna organizzazione. L'obiettivo formativo è quello di sviluppare un pensiero critico, un atteggiamento interrogativo e una capacità analitica riguardo ai problemi organizzativi. Syllabus - Strategia e risposte all'incertezza ambientale. - Variabili strutturali per la progettazione organizzativa in differenti contesti empirici. - Relazioni interorganizzative. - Impatto della tecnologia sull'organizzazione. - Ciclo di vita di una organizzazione. - Meccanismi di controllo organizzativo. - Cultura ed etica organizzativa.
    • Algoritmica e laboratorio (12 cfu)

      • Progettazione e analisi di algoritmi. Risoluzione di problemi con strutture dati. Attivita' di programmazione in laboratorio. Syllabus - Breve introduzione a problemi computazionali, indecidibilità, e trattabilità. - Complessità computazionale: limiti superiori e inferiori. - Tecniche di analisi: Relazioni di Ricorrenza, analisi ammortizzata e analisi competitiva. - Tecniche algoritmiche: Divide et Impera, Programmazione Dinamica, Greedy. - Algoritmi per Sequenze: ricerca e ordinamento - Algoritmi per Alberi: ricorsione, visite, e rappresentazioni. - Dizionari: Alberi bilanciati, Tabelle hash, Trie. - Algoritmi e strutture di dati randomizzate. - Algoritmi per Grafi: rappresentazione, algoritmi di visita, Albero di Copertura Minimo, Cammini Minimi (Dijkstra).
    • Laboratorio di basi di dati (6 cfu)

      • Il laboratorio si propone l'obiettivo di completare le nozioni relative ad analisi e progettazione di dati, procedure ed interfacce di applicazioni per basi di dati, ed alla loro realizzazione. Tutte le nozioni introdotte vengono immediatamente sperimentate dagli studenti, utilizzando notazioni standard ed un sistema commerciale, quale ad esempio ORACLE DBMS ed ORACLE WebServer, sviluppando un case study che si conclude, alla fine del corso, con la realizzazione da parte degli studenti di un sistema funzionante.
    • Ingegneria del software (6 cfu)

      • Fornire le metodologie e strumenti per la progettazione, realizzazione, verifica, validazione e misurazione di sistemi software. Syllabus - Processo di sviluppo software: problemi della produzione del software, modelli di ciclo di vita. - Analisi del dominio: modelli statici (classi e associazioni) e dinamici (attività, macchine a stati). - Analisi dei requisiti: modello statico (casi d’uso) e dinamici (narrative, diagrammi di robustezza). - Progettazione architettonica: modelli statici (viste strutturali e logistiche) e dinamici (vista componenti/connettori). - Progettazione di dettaglio: modello statico delle componenti (strutture composite) e modello dinamico (interazioni). - Verifiche e prove: obiettivi e pianificazione delle verifiche, progettazione e valutazione delle prove.
    • Analisi e gestione dei costi (9 cfu)

      • Il corso ha lo scopo di approfondire alcuni aspetti della determinazione dei costi e di trattare le principali logiche e tecniche per la gestione dei costi a supporto delle decisioni. Syllabus - L’analisi e la gestione dei costi e il processo decisionale. - Approfondimenti sull’Activity-Based Costing. - L’Activity-Based Management. - La gestione della profittabilità del cliente. - I costi ambientali. - I costi della qualità. - Il target costing.
    • Ricerca operativa (6 cfu)

      • L'insegnamento ha l'obiettivo di fornire gli strumenti per costruire modelli matematici di ottimizzazione, l'analisi di tali modelli e i metodi risolutivi. Syllabus - Modelli matematici della ricerca operativa. - Programmazione lineare. - Programmazione lineare su reti. - Programmazione lineare intera.
    • Diritto dell'informatica (6 cfu)

      • L’avvento delle tecnologie informatiche ha sollevato problemi per la regolamentazione giuridica delle attività compiute loro tramite. Il corso si propone di analizzare queste problematiche, considerando sia le regole giuridiche specifiche per l’era digitale sia la possibilità di impiego del diritto generale. In particolare, il corso si propone di esaminare, tra alcune grandi tematiche del diritto nell’era digitale, quelle più proprie del contesto aziendale, ossia la contrattazione telematica, il documento informatico, il trattamento dei dati personali e le responsabilità in Internet. Syllabus - Il commercio elettronico. Conclusione, validità, forma e prova del contratto concluso via e-mail e tramite point and click: applicabilità delle regole generali, deroghe e regole speciali. La Direttiva europea sul commercio elettronico e la sua attuazione: il d.lgs. n. 70/2003. I contratti ad oggetto informatico. - La tutela del consumatore e il regime delle informazioni in rete: informazioni generali, commerciali e pubblicitarie non sollecitate ("spamming"). Le informazioni pubblicitarie nelle professioni regolamentate. - La disciplina del trattamento dei dati personali (d.lgs. n. 196/2003). Il trattamento dei dati personali: nozione di trattamento, dato personale, titolare, responsabile, incaricato, interessato. L'informativa e il consenso. Il trattamento effettuato con l’ausilio degli strumenti elettronici. La sicurezza dei dati: il documento programmatico sulla sicurezza e il disciplinare tecnico. Il regime sanzionatorio civile, amministrativo e penale. Il trattamento in outsourcing dei dati personali. - Firma digitale, firma elettronica e documento informatico: questioni di forma, validità e prova. La posta elettronica certificata. La trasmissione telematica dei documenti. I certificatori. - I domain names. I nomi di dominio aziendali. Le regole della Registration Authority. - Gli illeciti in Internet e la responsabilità dei providers. - La tutela del software. Software libero e software proprietario. Il diritto di autore all’epoca di Internet. - L’elaboratore e l’adempimento dell’obbligazione: la moneta elettronica e i mezzi di pagamento in Internet.
    • Model-driven decision-making methods (6 cfu)

      • Il corso presenta concetti di base relativi allo sviluppo di strumenti software per il supporto alle decisioni basati su tecniche di ottimizzazione matematica. L'obiettivo è di familiarizzare gli studenti con le problematiche relative all'utilizzo nella pratica di strumenti basati su principi matematici complessi, quali il recupero e la validazione dei dati necessari a definire il problema, la scrittura ed il debug di modelli matematici, l'uso consapevole dei complessi algoritmi di soluzione, e l'impatto nel processo dell'incertezza dei dati con le metodologie necessarie per affrontare il problema. Syllabus: - Teoria delle decisioni, processi decisionali - Struttura dei sistemi di supporto alle decisioni - Richiami alla teoria della Programmazione Lineare e Programmazione Lineare Intera - Solutori di problemi di Programmazione Lineare e Programmazione Lineare Intera - Risoluzione di istanze di problemi realistici e loro difficoltà in pratica - Metodologie per il miglioramento della prestazioni degli agoritmi - Il problema dell'incertezza dei dati e le metodologie di ottimizzazione
    • Pianificazione e controllo gestionale (9 cfu)

      • Il corso si propone di approfondire le caratteristiche della pianificazione e controllo evidenziando tanto l’evoluzione nella dottrina che nella strumentazione operativa a supporto del management. Syllabus - Il sistema di controllo. - Il processo, i meccanismi operativi e lo stile di controllo. - Le variabili del controllo. - Il processo di budgeting. - L'analisi degli scostamenti. - I contenuti ed il processo di reporting. - L'analisi reddituale e patrimoniale. - La leva operativa e la leva finanziaria. - La simulazione economico-finanziaria. - Il processo di simulazione: le simulazioni di efficienza e di struttura. - Gli aspetti evolutivi del budget. - Il modello di previsione, simulazione e pianificazione SISMA. - Casi aziendali.
    • Economia dei mercati finanziari (6 cfu)

      • Nel corso saranno discussi alcuni dei temi classici dell’economia finanziaria e proposti i metodi quantitativi correntemente utilizzati nella verifica empirica.
    • Strategic and competitive intelligence (6 cfu)

      • La Strategic & Competitive Intelligence (CI) ha come obiettivo l’identificazione di opportunità e minacce, l’eliminazione o riduzione di blind-spots e la riduzione dei tempi di reazione ai cambiamenti del mercato e dei concorrenti. Il ‘prodotto finale’ delle attività di CI è ciò che si definisce actionable intelligence, cioè prospettive di azione, usabili dal management. Il processo di CI va ben oltre l’analisi dei competitor: si tratta, infatti, di collezionare informazioni da molteplici fonti, selezionarle, incrociarle, interpretale e fornire una prospettiva, utilizzabile nei processi decisionali, ad es. ai fini di due diligence. Le informazioni riguardano prodotti, clienti, concorrenti, ecosistema di business ed ambiente in generale. L’insegnamento introduce i fondamenti della strategic & competitive intelligence, partendo dal pensiero sistemico e critico e fornisce gli strumenti e le tecniche di analisi utilizzati in ambito professionale, che gli studenti impareranno ad applicare nei lavori di gruppo, da presentare in aula. Sono previsti seminari su alcune tematiche specifiche. Syllabus Parte 1: Fondamenti per l’attività di CI – Systems thinking per il management. – Processo di CI. – Sorgenti e tecniche di raccolta. – Professionalità di CI. Parte 2: Strumenti e metodologie di CI – Competitive benchmarking. – Early warnings e blindspots. – Business ecosystems e value network analysis. – Strumenti avanzati di analisi: scenario analysis, war gaming. Parte 3: Strumenti di technology intelligence – Intellectual Property e attività brevettuale. – Analisi brevettuale e analisi bibliometrica. – Technology foresight.
    • Auditing and management control (6 cfu)

      • Il corso consiste di due parti. La prima riguarda l'analisi dei principi, degli strumenti e delle tecniche di auditing di gestione. La seconda copre l'analisi dei sistemi di controllo di gestione ed i principali strumenti e processi di analisi.
    • Legal issues in data science (6 cfu)

      • The digital economy and the digital society harness the power of big data, computational capacity, innovation and interconnection. Every human activity is mediated by information technologies. Today’s technologies enable unprecedented exploitation of information, being it small or big data, for any thinkable purpose, but mostly in business and surveillance with the ensuing legal and ethical anxieties and constraints. Algorithms are regularly used for mining data, offering unexplored patterns and deep non-causal analyses to those businesses able to exploit these advances. Yet, these innovations need to be properly framed in the existing legal background, fit in the existing set of guarantees of fundamental rights and freedoms, coherently policy related to reap the richness of big and open data and administration while empowering equally all players. For these aims data protection plays a significant role The course aims at enabling students to work on algorithms and data mining techniques in ways that are compliant to the applicable legal framework and aware of the interplay between techniques and normative rules. SYLLABUS: - The Algorithmic Society: the Classifying Society – Background and Overview, Surveillance Society – Big Other, Networks of Control, Predicting Behavior, People Analytics, Behavioural “Nudging”, New Emerging Human Rights in the age of Behavioral Data Science and Neurotechnologies: Towards "Mental Privacy" and "Decision Integrity", Legal and ethical implication of computational capacity. - Building Legally-Compliant Algorithms: Legal Pitfalls of Algorithms, The Problems of Personalization, Data Handling & Sharing, Deploying Algorithms for Human Rights—Complications & Challenges, Classification of Algorithms in the Information Society: Legal Implications and Business Applications, Exploitation of Public Sector Data, Competition Law in the Age of Algorithms, Transparency, accountability and traceability of algorithm based decision-making, Accountability in the Machine Learning Context, Technical and Legal Options to Enhance Transparency & Accountability, Legal Liability for Algorithm Autocomplete (ISP Liability), Open Data Governance, Data Ethics. - General principles of privacy law: The American approach, The European approach. - The General Data Protection Regulation: Notions and principles, GDPR global reach and compliance, Google Spain Decision, Invalidation of Data Retention Directive (US Safe Harbour Decision)/Schrems. - Privacy in operation: Privacy-by-Design, GDPR Solutions: The Right to an Explanation, etc. Notions of Privacy in the Algorithmic Age, Privacy from the Government, Surveillance Capitalism, Governance by Proxy, Privacy from Private Entities, Privacy from Platforms, Privacy from Employers, Privacy from our Devices (IoT). - Comparative Perspectives & Crossborder Issues: Comparative Privacy and security Regimes: GDPR vs. USA, Comparative Privacy and security Regimes: GDPR vs. China.
  • 18 cfu a scelta nel gruppo GR2

    • Attività formative affini o integrative dell’area Economico-aziendale, Giuridica, Matematica, e Statistica.
    • Statistical methods for data science (6 cfu)

      • Il corso presenta concetti e tecniche principali della statistica, delle probabilità e delle serie temporali utili all’analisi dei dati e alla scienza dei dati. Dopo aver consolidato la conoscenza sul calcolo delle probabilità, il corso presenta i metodi ed i concetti principali della teoria delle stime e del test di ipotesi. La seconda parte del corso introduce i processi stocastici e le serie temporali, concentrandoci sul’approccio ARMA e sulle catene di Markov, e considerando i problemi di stima e di previsione. L’ultima parte introduce l’uso di tecniche statistiche avanzati, quali MCMC e EM. Syllabus - Richiami su teoria della probabilità, variabili casuali, teoremi di convergenza di variabili casuali. - Analisi dei dati esplorativa. - Modelli statistici di base. - Metodo bootstrap. - Stime statistiche: unbiased estimators, efficienza ed errore quadratico medio, maximum likelihood. - Least squares estimation and regression. - Intervalli di confidenza e test di ipotesi. - Introduzione ai processi stocastici ed all’analisi delle serie temporali lineari. - Catene di Markov. - Catene di Markov Monte Carlo per inferenza Bayesiana: Metropolis-Hastings e Gibbs Sampling. - Algoritmo EM e sue generalizzazioni.
    • Network optimization (6 cfu)

      • Il corso presenta le principali tecniche di modellazione e le principali metodologie algoritmiche che si presentano a livello di progetto e gestione di reti di comunicazione. Verranno presentati rilevanti problemi di progetto e gestione di reti di comunicazione, quali QoS routing, problemi di location e problemi di resiliency. Verranno quindi proposte tecniche di modellazione e metodologie risolutive sia per taluni problemi di base che per problemi "NP-Hard”. Syllabus - Problemi di ottimizzazione di rete di base: modelli e algoritmi. Flusso di costo minimo, Flussi multicommodity. - Problemi di ottimizzazione di rete "NP-Hard": modelli e algoritmi. Modelli di routing, Modelli di network design, Principali tecniche euristiche, Approcci esatti. - Applicazioni: "QoS routing", Problemi di "location", Problemi di "resiliency", Robustezza nelle reti di comunicazione, Equilibrio in reti di traffico.
    • Decisioni in situazioni di complessità e conflitto (6 cfu)

      • Fornire strumenti formali, di tipo sia quantitativo che qualitativo, per affrontare problemi decisionali e gestionali in sistemi complessi di tipo sociale, politico, ambientale o economico. Ci si propone di sviluppare negli studenti e studentesse che seguiranno il corso la capacità di formulare e strutturare, utilizzando un approccio sistemico, un problema, di costruirne dei modelli, di analizzare e valutare le possibili soluzioni alternative, e di gestire le attività necessarie alla messa in atto delle decisioni prese. Syllabus 1. Problemi e loro strutturazione - Processi decisionali. - Analisi dei sistemi e pensiero sistemico. - Analisi dinamica dei sistemi. - Cicli causali, variabili di flusso e di livello . 2. La Dinamica dei Sistemi - Il linguaggio della dinamica dei sistemi. - Livelli, flussi e ritardi. - Esempi (sostenibilità ambientale, processi di azione-reazione, un modello di “guerra dei prezzi”, ...). 3. Cooperazione, competizione e sfruttamento - Un modello di produzione ed allocazione di risorse. - Cenni di teoria dei giochi, equilibrio di Nash. - Il dilemma del prigioniero e le sue applicazioni. - La tragedia dei Commons. 4. “Social Choice” e votazioni - Ordinamenti e preferenze. - Metodi di Condorcet e di Borda e loro varianti. - Il teorema di impossibilità di Arrow e sue conseguenze. - Il metodo del consenso. 5. Sistemi elettorali - Distribuzione dei seggi fra liste e distretti (metodi dei resti, metodi del divisore, …). - Definizione dei distretti elettorali. - Alcuni paradossi. - Analisi di alcuni sistemi elettorali. 6. Valutazione di progetti - Analisi costi benefici: varianti e limiti. - Analisi costi efficacia. - Analisi multicriteria. - Metodi ELECTRE. 7. Indici e misure - Qualità, incertezza e soggettività nelle misure. - Indici di sviluppo. - Indici di disuguaglianza. - Indice dello sviluppo umano.
    • Economia e gestione delle imprese (9 cfu)

      • Il corso fornisce gli elementi analitici di base per comprendere il comportamento d’impresa. Tratta le principali tematiche economico-manageriali, le logiche di base e gli strumenti relativi alla gestione strategica delle imprese e all’analisi dell’ambiente competitivo. Gli obiettivi formativi sono: - Conoscere le principali teorie che spiegano i fattori che influenzano la redditività di impresa. - Acquisire una conoscenza introduttiva delle dinamiche di organizzazione della produzione industriale, e di come essa sia cambiata nel tempo. - Acquisire conoscenze di base degli strumenti di marketing che le imprese hanno a disposizione per aumentare la propria competitività. - Sviluppare o rafforzare la capacità critica e di pensiero individuale. Il corso intende infatti evitare l’apprendimento passivo e a-critico dei temi oggetto di studio. Syllabus Parte I (L’analisi di settore e del sistema competitivo) - L’analisi di settore. - L’analisi dei concorrenti. - I gruppi strategici. - Le risorse e le competenze nella formulazione strategica. - L’analisi del vantaggio competitivo (il vantaggio di costo e di differenziazione). Parte II (L’analisi dell’impresa e delle sue funzioni Un focus su produzione e marketing): - Produzione. - Strategia innovativa e flessibilità dell’impresa. - Il modello di flessibilità dei sistemi tecnico-produttivi. - Marketing. - Il processo di marketing management. - La segmentazione del mercato. - Il marketing mix (prodotto, promozione, distribuzione e prezzo).
    • Analisi e ricerche di marketing (9 cfu)

      • Il corso illustra i principali strumenti e le metodologie di analisi impiegate dalle imprese per ottenere informazioni utili per il processo decisionale di marketing. In particolare, sono approfondite le fasi attraverso le quali vengono condotte le ricerche di marketing: pianificazione preliminare, scelta del disegno di ricerca, definizione delle modalità di acquisizione e di raccolta delle informazioni, applicazione delle tecniche di analisi e di elaborazione dei dati, presentazione dei risultati. L’obiettivo del corso è fornire le conoscenze di base in relazione ai processi informativi di marketing e sulle principali tecniche di analisi del mercato. Viene data particolare enfasi agli aspetti che riguardano il processo di ottenimento dei dati e delle informazioni riguardanti il mercato. Alle lezioni teoriche corrisponderanno anche esercitazioni pratiche, in cui saranno applicati i concetti generali svolti a lezione. Le lezioni saranno integrate anche da interventi seminariali da parte di professionisti esterni. Syllabus - Introduzione alle ricerche di marketing. - La definizione del progetto di ricerca. - Il concetto di research design. - Ricerche esplorative, descrittive e causali. - Le ricerche qualitative. - I focus group. - Le interviste in profondità. - Le tecniche proiettive. - Raccolta, preparazione ed analisi dei dati nelle ricerche qualitative. - Le ricerche quantitative. - La progettazione del lavoro on field. - I sondaggi di mercato: tipologia, confronto e individuazione del metodo appropriato. - Le tecniche di osservazione: tipologia, confronto e individuazione del metodo appropriato. - Applicazione dei concetti di misure e di scale alle ricerche di marketing. - La progettazione e la codifica del questionario. - Raccolta, preparazione ed analisi dei dati nelle ricerche quantitative. - Modalità di reporting e tecniche di presentazione. - Impostazione e struttura del report della ricerca. - Modalità di presentazione dei risultati della ricerca.
    • Economia aziendale II (9 cfu)

      • L’obiettivo formativo è quello di favorire l’acquisizione di conoscenze di base mirate alla costruzione ed all’interpretazione del bilancio di esercizio, nonché al controllo della gestione aziendale. Syllabus - Bilancio di esercizio: ruolo e finalità, normativa civilistica, schemi di redazione, criteri di valutazione, informazioni integrative diffuse agli stakeholder. - Dinamiche dei processi di pianificazione e controllo. - Ruolo, le finalità e le caratteristiche essenziali dei principali strumenti di programmazione e controllo della gestione aziendale, come il budget, i costi, l’analisi delle performance.
    • Organizzazione aziendale (6 cfu)

      • Lo scopo di questo corso è quello di fornire una spiegazione realistica di come funziona una moderna organizzazione. L'obiettivo formativo è quello di sviluppare un pensiero critico, un atteggiamento interrogativo e una capacità analitica riguardo ai problemi organizzativi. Syllabus - Strategia e risposte all'incertezza ambientale. - Variabili strutturali per la progettazione organizzativa in differenti contesti empirici. - Relazioni interorganizzative. - Impatto della tecnologia sull'organizzazione. - Ciclo di vita di una organizzazione. - Meccanismi di controllo organizzativo. - Cultura ed etica organizzativa.
    • Analisi e gestione dei costi (9 cfu)

      • Il corso ha lo scopo di approfondire alcuni aspetti della determinazione dei costi e di trattare le principali logiche e tecniche per la gestione dei costi a supporto delle decisioni. Syllabus - L’analisi e la gestione dei costi e il processo decisionale. - Approfondimenti sull’Activity-Based Costing. - L’Activity-Based Management. - La gestione della profittabilità del cliente. - I costi ambientali. - I costi della qualità. - Il target costing.
    • Diritto dell'informatica (6 cfu)

      • L’avvento delle tecnologie informatiche ha sollevato problemi per la regolamentazione giuridica delle attività compiute loro tramite. Il corso si propone di analizzare queste problematiche, considerando sia le regole giuridiche specifiche per l’era digitale sia la possibilità di impiego del diritto generale. In particolare, il corso si propone di esaminare, tra alcune grandi tematiche del diritto nell’era digitale, quelle più proprie del contesto aziendale, ossia la contrattazione telematica, il documento informatico, il trattamento dei dati personali e le responsabilità in Internet. Syllabus - Il commercio elettronico. Conclusione, validità, forma e prova del contratto concluso via e-mail e tramite point and click: applicabilità delle regole generali, deroghe e regole speciali. La Direttiva europea sul commercio elettronico e la sua attuazione: il d.lgs. n. 70/2003. I contratti ad oggetto informatico. - La tutela del consumatore e il regime delle informazioni in rete: informazioni generali, commerciali e pubblicitarie non sollecitate ("spamming"). Le informazioni pubblicitarie nelle professioni regolamentate. - La disciplina del trattamento dei dati personali (d.lgs. n. 196/2003). Il trattamento dei dati personali: nozione di trattamento, dato personale, titolare, responsabile, incaricato, interessato. L'informativa e il consenso. Il trattamento effettuato con l’ausilio degli strumenti elettronici. La sicurezza dei dati: il documento programmatico sulla sicurezza e il disciplinare tecnico. Il regime sanzionatorio civile, amministrativo e penale. Il trattamento in outsourcing dei dati personali. - Firma digitale, firma elettronica e documento informatico: questioni di forma, validità e prova. La posta elettronica certificata. La trasmissione telematica dei documenti. I certificatori. - I domain names. I nomi di dominio aziendali. Le regole della Registration Authority. - Gli illeciti in Internet e la responsabilità dei providers. - La tutela del software. Software libero e software proprietario. Il diritto di autore all’epoca di Internet. - L’elaboratore e l’adempimento dell’obbligazione: la moneta elettronica e i mezzi di pagamento in Internet.
    • Model-driven decision-making methods (6 cfu)

      • Il corso presenta concetti di base relativi allo sviluppo di strumenti software per il supporto alle decisioni basati su tecniche di ottimizzazione matematica. L'obiettivo è di familiarizzare gli studenti con le problematiche relative all'utilizzo nella pratica di strumenti basati su principi matematici complessi, quali il recupero e la validazione dei dati necessari a definire il problema, la scrittura ed il debug di modelli matematici, l'uso consapevole dei complessi algoritmi di soluzione, e l'impatto nel processo dell'incertezza dei dati con le metodologie necessarie per affrontare il problema. Syllabus: - Teoria delle decisioni, processi decisionali - Struttura dei sistemi di supporto alle decisioni - Richiami alla teoria della Programmazione Lineare e Programmazione Lineare Intera - Solutori di problemi di Programmazione Lineare e Programmazione Lineare Intera - Risoluzione di istanze di problemi realistici e loro difficoltà in pratica - Metodologie per il miglioramento della prestazioni degli agoritmi - Il problema dell'incertezza dei dati e le metodologie di ottimizzazione
    • Pianificazione e controllo gestionale (9 cfu)

      • Il corso si propone di approfondire le caratteristiche della pianificazione e controllo evidenziando tanto l’evoluzione nella dottrina che nella strumentazione operativa a supporto del management. Syllabus - Il sistema di controllo. - Il processo, i meccanismi operativi e lo stile di controllo. - Le variabili del controllo. - Il processo di budgeting. - L'analisi degli scostamenti. - I contenuti ed il processo di reporting. - L'analisi reddituale e patrimoniale. - La leva operativa e la leva finanziaria. - La simulazione economico-finanziaria. - Il processo di simulazione: le simulazioni di efficienza e di struttura. - Gli aspetti evolutivi del budget. - Il modello di previsione, simulazione e pianificazione SISMA. - Casi aziendali.
    • Economia dei mercati finanziari (6 cfu)

      • Nel corso saranno discussi alcuni dei temi classici dell’economia finanziaria e proposti i metodi quantitativi correntemente utilizzati nella verifica empirica.
    • Strategic and competitive intelligence (6 cfu)

      • La Strategic & Competitive Intelligence (CI) ha come obiettivo l’identificazione di opportunità e minacce, l’eliminazione o riduzione di blind-spots e la riduzione dei tempi di reazione ai cambiamenti del mercato e dei concorrenti. Il ‘prodotto finale’ delle attività di CI è ciò che si definisce actionable intelligence, cioè prospettive di azione, usabili dal management. Il processo di CI va ben oltre l’analisi dei competitor: si tratta, infatti, di collezionare informazioni da molteplici fonti, selezionarle, incrociarle, interpretale e fornire una prospettiva, utilizzabile nei processi decisionali, ad es. ai fini di due diligence. Le informazioni riguardano prodotti, clienti, concorrenti, ecosistema di business ed ambiente in generale. L’insegnamento introduce i fondamenti della strategic & competitive intelligence, partendo dal pensiero sistemico e critico e fornisce gli strumenti e le tecniche di analisi utilizzati in ambito professionale, che gli studenti impareranno ad applicare nei lavori di gruppo, da presentare in aula. Sono previsti seminari su alcune tematiche specifiche. Syllabus Parte 1: Fondamenti per l’attività di CI – Systems thinking per il management. – Processo di CI. – Sorgenti e tecniche di raccolta. – Professionalità di CI. Parte 2: Strumenti e metodologie di CI – Competitive benchmarking. – Early warnings e blindspots. – Business ecosystems e value network analysis. – Strumenti avanzati di analisi: scenario analysis, war gaming. Parte 3: Strumenti di technology intelligence – Intellectual Property e attività brevettuale. – Analisi brevettuale e analisi bibliometrica. – Technology foresight.
    • Auditing and management control (6 cfu)

      • Il corso consiste di due parti. La prima riguarda l'analisi dei principi, degli strumenti e delle tecniche di auditing di gestione. La seconda copre l'analisi dei sistemi di controllo di gestione ed i principali strumenti e processi di analisi.
    • Legal issues in data science (6 cfu)

      • The digital economy and the digital society harness the power of big data, computational capacity, innovation and interconnection. Every human activity is mediated by information technologies. Today’s technologies enable unprecedented exploitation of information, being it small or big data, for any thinkable purpose, but mostly in business and surveillance with the ensuing legal and ethical anxieties and constraints. Algorithms are regularly used for mining data, offering unexplored patterns and deep non-causal analyses to those businesses able to exploit these advances. Yet, these innovations need to be properly framed in the existing legal background, fit in the existing set of guarantees of fundamental rights and freedoms, coherently policy related to reap the richness of big and open data and administration while empowering equally all players. For these aims data protection plays a significant role The course aims at enabling students to work on algorithms and data mining techniques in ways that are compliant to the applicable legal framework and aware of the interplay between techniques and normative rules. SYLLABUS: - The Algorithmic Society: the Classifying Society – Background and Overview, Surveillance Society – Big Other, Networks of Control, Predicting Behavior, People Analytics, Behavioural “Nudging”, New Emerging Human Rights in the age of Behavioral Data Science and Neurotechnologies: Towards "Mental Privacy" and "Decision Integrity", Legal and ethical implication of computational capacity. - Building Legally-Compliant Algorithms: Legal Pitfalls of Algorithms, The Problems of Personalization, Data Handling & Sharing, Deploying Algorithms for Human Rights—Complications & Challenges, Classification of Algorithms in the Information Society: Legal Implications and Business Applications, Exploitation of Public Sector Data, Competition Law in the Age of Algorithms, Transparency, accountability and traceability of algorithm based decision-making, Accountability in the Machine Learning Context, Technical and Legal Options to Enhance Transparency & Accountability, Legal Liability for Algorithm Autocomplete (ISP Liability), Open Data Governance, Data Ethics. - General principles of privacy law: The American approach, The European approach. - The General Data Protection Regulation: Notions and principles, GDPR global reach and compliance, Google Spain Decision, Invalidation of Data Retention Directive (US Safe Harbour Decision)/Schrems. - Privacy in operation: Privacy-by-Design, GDPR Solutions: The Right to an Explanation, etc. Notions of Privacy in the Algorithmic Age, Privacy from the Government, Surveillance Capitalism, Governance by Proxy, Privacy from Private Entities, Privacy from Platforms, Privacy from Employers, Privacy from our Devices (IoT). - Comparative Perspectives & Crossborder Issues: Comparative Privacy and security Regimes: GDPR vs. USA, Comparative Privacy and security Regimes: GDPR vs. China.
  • Secondo anno

  • Laboratory of data science (6 cfu)

    • Il corso presenta tecnologie e sistemi per l’accesso ai dati, per il pre-processing, per la costruzione ed analisi di data warehouse, per la reportistica e per l’estrazione di conoscenza da basi di dati. L’accento è sull’uso di strumenti e sull’analisi di problemi applicativi utilizzando esempi e casi studio. Lo studente acquisirà conoscenze e capacità sulle principali tecnologie di Business Intelligence, con particolare riferimento ai prodotti software esistenti ed alla loro applicabilità al supporto delle decisioni. Lo studente saprà essere indipendente nella valutazione delle metodologie, delle tecnologie e degli strumenti maggiormente adeguati alle caratteristiche e alle necessità del problema di analisi. Syllabus - Introduzione: strumenti per la Business Intelligence. - Accesso ai dati. Localizzazione, Formato e API per l’accesso ai dati su file di testo. - Standard di accesso a database relazionali. - Extract Transform and Load. Strumenti per ETL. Casi di studio. - Data warehousing e OLAP. Strumenti per modellazione multidimensionale. Casi di studio. - Strumenti per reportistica e navigazione multidimensionale. Casi di studio. - Data mining. Strumenti per estrazione di conoscenza. Casi di studio.
  • Free choice (9 cfu)

    • Esame a libera scelta da sottoporre all'approvazione del Consiglio di Corso di Studio. Un insieme di possibili scelte viene consigliato periodicamente dal Consiglio di Corso di Studio.
  • Thesis (27 cfu)

  • 18 cfu a scelta nel gruppo GR1

    • Attività formative caratterizzanti a scelta
    • Big data analytics (6 cfu)

      • Nella società digitale in cui viviamo oggi, ogni attività umana è mediata da tecnologie dell'informazione . Pertanto, ogni attività lascia tracce digitali che possono essere memorizzate in qualche base di dati. Record di chiamate telefoniche , record di transazioni commerciali, log di ricerche sul web, traiettorie dei movimenti, testi di post nei social media e tweets ... Ogni minuto , una valanga di "big data" è prodotta dagli esseri umani, in modo consapevole o meno, i quali rappresentano un nuovo e accurato "proxy" digitale della nostra società. I Big Data forniscono un "microscopio sociale" senza precedenti, una nuova opportunità per comprendere la complessità della nostra società , e un cambiamento di paradigma per le scienze sociali . Questo corso è un'introduzione al campo emergente del Big Data Analytics e del Social Mining, finalizzato ad acquisire e analizzare Big Data provenienti da più fonti allo scopo di scoprire gli schemi e i modelli di comportamento umano che spiegano i fenomeni sociali . Il focus è su ciò che si può imparare dai big data in diversi ambiti: mobilità e trasporti, pianificazione urbana, demografia, economia, relazioni sociali, opinioni e di sentimenti, ecc; e sui metodi di analitica e di mining che possono essere utilizzati. Viene fornita anche un'introduzione a metodi di analisi scalabili utilizzando il paradigma di "map-reduce". Syllabus 1 . Sorgenti di Big Data. - Open Data (linked), dati relativi all'attività sul Web , social networks, social media, dati che derivano da telefoni cellulari, dati GPS di navigazione, dati sulle transazioni commerciali , dati inerenti al turismo, Crowdsourcing / crowdsensing. 2 . Analisi di Big Data e metodi Social Mining: pre-processing dei dati , analisi esplorativa dei dati , analisi di correlazione, feature selection, arricchimento semantico, scoperta di pattern, classificazione e predizione , clustering e segmentazione per: - scoperta di profili sociali individuali - analisi di comportamenti collettivi - scoperta di contenuto emotivo in testi e sentiment analysis 3 . Domini dell'analisi dei Big Data - Mobilità e trasporti - Previsione di indicatori socio-economici del progresso, della felicità, ecc - Twitterology e previsione di umore sociale e tendenze - Turismo 4 . Problemi etici legati all'analisi dei Big Data - Privacy e protezione dei dati personali - Tutela della privacy durante le analisi di Big Data - La responsabilità sociale degli scienziati 5 . Analisi dei dati scalabili - Paradigmi di database NO- SQL - Processi di analisi dei dati con il paradigma "map -reduce"
    • Technologies for web marketing (6 cfu)

      • La web analytics consiste nella collezione, misura, analisi e reportistica di dati di accesso a servizi internet (web, mobile, social media, email) per comprenderne l’uso da parte degli utenti allo scopo di ottimizzare il servizio offerto. Il corso presenta metodi, algoritmi, strategie e tool per la web analytics, con applicazioni alla personalizzazione per il miglioramento dell’esperienza dell’utente, al web marketing e alla pubblicità online per il miglioramento della visibilità, alla search engine optimization per migliorare il posizionamento nei risultati dei motori di ricerca, ed alla analisi dei social media per il miglioramento della raggiungibilità degli utenti e per la comprensione delle loro opinioni. Il corso assume nozioni di base di data mining e di data warehousing. Syllabus - Web analytics, collezione e trasformazione di clickstream, metriche web. - Il web mobile. - Tool: Google analytics. - Personalizzazione web e segmentazione degli utenti. - Sistemi di raccomandazione: collaborative filtering, content-based, ibridi. - Esperimenti controllati sul web. - Search engine optimization e marketing. - Analisi dei social media. - Analisi dell’influenza sui social media e applicazioni al marketing. - Analisi real-time. - Privacy, profilazione e legislazione.
    • Text analytics (6 cfu)

      • Il corso affronta i sistemi e le applicazioni di analitica dei testi che permettono di rispondere a problemi aziendali e sociali per mezzo della scoperta e rappresentazione di conoscenza che sarebbe altrimenti inaccessibile. Lo studente apprenderà a riconoscere le condizioni in cui le tecniche di analisi dei testi forniscono informazione utile ai processi decisionali, quali tecniche siano appropriate al caso in esame, e come collezionare i dati utili ad applicare tali tecniche. Saranno presentati numerosi casi studio su tematiche di estrazione dell’informazione, analisi delle opinioni, rilevazione di contenuti fasulli, problemi di quantificazione, sommarizzazione, ecc. Syllabus - Fondamenti disciplinari: Natural Language Processing, Information Retrieval e Machine Learning. - Richiami matematici: Probabilità, Statistica e Algebra. - Elementi di Linguistica: words, lemmas, morphology, PoS, syntax. - Fondamenti di laborazione dei testi: espressioni regolari, tokenizzazione. - Raccolta dei dati: twitter API, scraping. - Modellazione: collocations, language models. - Librerie e strumenti software: NLTK, Keras. - Applicazioni: Classification/Clustering, Sentiment Analysis/Opinion Mining, Information Extraction/Relation Extraction, Entity Linking, Spam Detection: mail spam & phishing, blog spam, review spam.
    • Advanced databases (9 cfu)

      • Il corso presenta aspetti tecnici avanzati sull'architettura e sull'ottimizzazione delle performance computazionali di sistemi di gestione di basi di dati classici (relazionali, centralizzate) ed innovativi (colonnari, per documenti, per chiavi-valore, per grafi). Syllabus - Struttura dei sistemi relazionali per la gestione di basi di dati. - Ottimizzazioni in sistemi di datawarehousing e on-line analytical processing. - Extract-Transform-Load e query/reporting in sistemi OLAP. - Oltre SQL: paradigma NoSQL per la gestione dei big data. - Gestione dei dati distribuita e paradigma Map-Reduce.
    • Social network analysis (6 cfu)

      • Viviamo immersi in una società interconnessa dalle tecnologie dell'informazione e della comunicazione. Gli effetti di questa interconnessione si manifestano in vari contesti: nella rapida espansione di Internet e del Web, nella facilità delle comunicazioni globali, nella estrema velocità ed intensità con cui novità e opinioni, ma anche epidemie e crisi finanziarie, si diffondono nella società. Questi fenomeni riguardano le reti, sociali e tecnologiche, e il comportamento aggregato di gruppi di persone; essi sono basati sui link che ci connettono gli uni con gli altri e sui modi sottili in cui le nostre decisioni si ripercuotono sugli altri. Questo corso offre una introduzione all'analisi delle reti complesse focalizzando sulle reti sociali e sul Web: la loro struttura e funzione, le loro proprietà statistiche, e come possono essere usate per comprendere fenomeni sociali, ricercare informazione, diffondere informazione e comportamenti. Sulla base di idee dell'informatica, della statistica, della matematica applicata, della fisica della complessità, dell'economia e della sociologia, il corso descrive il campo di studio emergente della scienza delle reti che, all'interfaccia fra le diverse discipline, affronta le domande fondamentali su come il mondo sociale, economico e tecnologico sia interconnesso. Syllabus 1) Teoria dei grafi e reti sociali - Grafi - Reti sociali, di informazione, biologiche, tecnologiche - Legami deboli e legami - Reti in contesto 2) Il World Wide Web - La struttura del Web - Link analysis e ricerche sul Web - Web mining e mercati 3) Dinamica delle reti - Cascate di informazione - Power laws e il fenomeno rich-get-richer - Small-world - Diffusione epidemica
    • Machine learning (9 cfu)

      • Sono introdotti i principi e l'analisi critica dei principali paradigmi per l'apprendimento automatico dai dati e la loro applicazione. Il corso fornisce le basi dell'apprendimento automatico per la ostruzione sia di sistemi intelligenti adattivi sia di modelli predittivi performanti per l'analisi dei dati. Syllabus - Apprendimento computazionale per la predizione, apprendimento come funzione di approssimazione, concetto di generalizzazione. - Modelli lineari e Nearest-Neighbors (algoritmi di apprendimento e proprietà, regolarizzazione). - Reti neurali (MLP e deep models, SOM). - Modelli grafici probabilistici. - Principi di processi di apprendimento: elementi di statistical learning theory, validazione dei modelli. - Support Vector Machines e modelli basati su kernel. - Introduzione a applicazioni e modelli avanzati. - Progetto applicativo: implementazione e uso di modelli di ML/NN con enfasi sull'applicazione rigorosa delle tecniche di validazione.
    • Visual analytics (6 cfu)

      • La disponibilità di grandi risorse di dati offre nuove opportunità per la comprensione di modelli e comportamenti della società moderna. L'informazione proveniente da queste sorgenti necessita di metodi di visualizzazione efficaci per estrarre senso dai dati e facilitare l'interpretazione di fenomeni molto complessi. Lo scopo del corso è quello di presentare metodi di base e tecniche di visualizzazione per la presentazione efficace di informazione preveniente da diverse sorgenti: dati strutturati (relazionali, gerarchie, alberi), dati relazionali (social network), dati temporali, dati spaziali e dati spazio-temporali. Attraverso lo studio di metodi e strumenti esistenti, verranno presentati alcuni scenari di analitica visuale. Syllabus -Metafore di visualizzazione di informazione * Gerarchica e strutturale * Relazionale * Temporale * Spaziale * Spazio temporale * Informazione non strutturata (testo) - Metodi e strumenti * Panoramica sugli ambienti e le librerie di visualizzazione esistenti - Processi di Visual Analytics * Definizione di un processo di knowledge discovery * Ambienti integrati per la Visual Analytics * Analisi visuale esplorativa di dati e modelli * Esempi e casi di studio
    • Programmatic advertising (6 cfu)

      • Il corso fornisce agli studenti un quadro concettuale e un repertorio di strumenti per l’ottimizzazione di campagne pubblicitarie online (su siti, app, giochi). Al termine del corso lo studente dovrebbe essere in grado di progettare e possibilmente implementare in modo sistemi realistici per l’ottimizzazione della performance di una campagna, in termini economici e di marketing. La preparazione matematica richiesta è limitata ai fondamenti del calcolo differenziale e della teoria della probabilità. Il trattamento è quantitativo e i concetti sono espressi in formule e algoritmi. Tuttavia l’enfasi è sulla comprensione intuitiva e sul significato in termini di business piuttosto che sul rigore formale. Syllabus - L’ecosistema della pubblicità online. Inserzionisti, editori, intermediari, fornitori di tecnologie, fornitori di dati. Tendenze e Programmatic Advertising. - Gestione delle campagne pubblicitarie online: progettazione, targeting, creazione, monitoraggio, ottimizzazione e reporting. - Dati sui visitatori e i loro comportamenti. Segmentazione classica, micro-segmentazione, relazioni uno a uno. Piattaforma tecnologiche per la gestione dei dati. - Il problema dell’editore. Concetti base di micro-economia e teoria delle decisioni: utilità attesa, utilità marginale, politiche di prezzo, valore dell’informazione, rischio e incertezza, costo opportunità, equilibrio e ottimalità. - Il problema dell’inserzionista. Segmentazione del mercato, profilazione del cliente. Il gioco inserzionista-editore. - Prevedere il comportamento dei visitatori e delle campagne. Metodi classici: regressione lineare, regressione logistica, analisi delle serie temporali. Metodi di fattorizzazione. Metodi markoviani. - Apprendimento e ottimizzazione. Affrontare l’incertezza. Il dilemma Exp-Exp. Multi-armed bandits. Reinforcement learning.
    • ICT infrastructures (6 cfu)

      • Il corso introduce le infrastrutture di calcolo che offrono servizi in cloud. Al termine del corso, gli studenti dovrebbero essere in grado di comprendere l'organizzazione complessiva di un datacenter e l'infrastructtura logica che muove virtualizzazioni e container. Il corso parte dall'infrastruttura fisica, quindi introduce la network fabric, con focus particola sulle tecniche SDN usate per bilanciare il traffico geografico. Infine sono introdotti i modelli di storage e di calcolo, con particolare attenzione ai sistemi hyperconverged. Syllabus - Infrastrutture fisiche (datacenters, energy e PUE, SCADAs) - Networking (SDN e overlay, fabrics (RDMA, OPA, InfiniBand), tecniche di monitoraggio) - Storage (SDS) - Calcolo (hypervisor)
    • Distributed Data Analysis and Mining (6 cfu)

      • Il Data Mining sui Big data è oggi un’area di ricerca molto attiva. L'applicazione delle attuali metodologie analitiche e strumenti software su un singolo personal computer non può gestire in modo efficiente dataset di grandi dimensioni. Le piattaforme di calcolo distribuito sono una soluzione scalabile per il big data mining, attraverso la scomposizione del problema in operazioni più piccole che possono essere eseguite parallelamente su singoli processori / macchine. Il corso propone l’insegnamento di concetti base del paradigma di calcolo distribuito tramite MapReduce dal punto di vista teorico e pratico, in particolare ci si focalizzerà su Hadoop per lo sviluppo di competenze nell'uso di strumenti di calcolo ad alte prestazioni per il data engineering, l’analisi di dati e l’utilizzo di tecniche di data mining. Gli studenti impareranno come i classici algoritmi di data mining possono essere applicati sui Big Data usando Hadoop (Spark). Set di dati reali (e open source) verranno utilizzati per presentare esempi e per consentire agli studenti di costruire i propri progetti. Una metà delle lezioni consisterà in esercitazioni (laboratorio) e una metà delle lezioni sarà teorica. Syllabus: -Motivazione: Cosa e Perché il Data Mining Distribuito è necessario per i Big Data -Richiamo dei concetti base del calcolo parallelo e distribuito -Introduzione ad Hadoop -Hadoop Ecosystem -Interagire con HDFS (LAB) -Pattern di programmazione Map-Reduce -Concetti base di Spark -Richiamo di programmazione Python (LAB) -Data Analysis con Spark (LAB) -Data Mining e Machine Learning con Spark (LAB) -Esempi su come si costruisce un progetto -Casi di studio reali