Data science and business informatics

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 a...