CODICE 86794 ANNO ACCADEMICO 2021/2022 CFU 6 cfu anno 1 COMPUTER ENGINEERING 11160 (LM-32) - GENOVA SETTORE SCIENTIFICO DISCIPLINARE ING-INF/05 LINGUA Inglese SEDE GENOVA PERIODO 2° Semestre MATERIALE DIDATTICO AULAWEB OBIETTIVI E CONTENUTI OBIETTIVI FORMATIVI The first part of the course will focus on architectural aspects of transactional systems, query processing, transaction management and recovery. The second part will deal with the issues of data warehouse design, data mining and knowledge discovery techniques .The student will be able to apply the acquired skills in : Query processing Transaction management and recovery. Conceptual data warehouse project Fact and Snowflake models Logical data warehouse project Architecture of a Data Mart. Data mining and knowledge discovery techniques Frequent Pattern Analisys Classification techniques Decision tree and Bayesian Classifiers OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO Processing delle query Gestione e recovery delle transazioni. Progetto di data warehouse dal punto di vista concettuale Modelli Fact e Snowflake Progetto di data warehouse dal punto di vista logico Architettura di un Data Mart. Tecniche di data mining e knowledge discovery Frequent Pattern Analisys Tecniche di classificazione Classificatori ad Albero a regole e Bayesiani PREREQUISITI Conoscenza delle basi di dati relazionali , del linguaggio Sql e delle tecniche di indicizzazione PROGRAMMA/CONTENUTO Il corso verterà inizialmente su aspetti architetturali dei sistemi transazionali, processing delle query, gestione ed recovery delle transazioni. Nella seconda parte verranno affrontate le tematiche di progetto di data warehouse sia dal punto di vista concettuale che dal punto di vista logico, verranno presentati i modelli a costellazione di fatti (Fact) e Snowflake e l’architettura di un Data Mart con particolare riferimento alle tecniche ETL Nella terza parte verranno analizzate e discusse e le tecniche di data mining e knowledge discovery per il recupero di informazioni in grandi quantità di dati, con particolare riferimento alla Frequent Pattern Analisys e alle tecniche di classificazione mediantei classificatori ad albero , a regole e Bayesiani. TESTI/BIBLIOGRAFIA Appunti su Aulaweb Kimball and Ross "The data warehouse toolkit" - Wiley & Sons Jiawei Han, Micheline Kamber, “Data Mining: Concepts and Techniques” - Morgan Kaufmann DOCENTI E COMMISSIONI ANTONIO BOCCALATTE Ricevimento: Ufficio 0103532812 tutti i giorni su appuntamento via mail o telefono Commissione d'esame ANTONIO BOCCALATTE (Presidente) ALESSIO MERLO MASSIMO PAOLUCCI ALESSANDRO ARMANDO (Presidente Supplente) LEZIONI INIZIO LEZIONI https://courses.unige.it/11160/p/students-timetable Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy ESAMI MODALITA' D'ESAME Progetto individuale e prova orale successiva alla coinsegna e verifica del progetto individuale MODALITA' DI ACCERTAMENTO Capacità di progettazione rispetto agli obiettivi formativi Calendario appelli Data appello Orario Luogo Tipologia Note 11/01/2022 10:00 GENOVA Scritto 14/02/2022 10:00 GENOVA Scritto 10/06/2022 10:00 GENOVA Scritto 12/07/2022 10:00 GENOVA Scritto 06/09/2022 10:00 GENOVA Scritto