Salta al contenuto principale della pagina

BUSINESS ANALYTICS

CODICE 60270
ANNO ACCADEMICO 2022/2023
CFU
  • 6 cfu al 2° anno di 8734 INGEGNERIA GESTIONALE (LM-31) - GENOVA
  • 6 cfu al 1° anno di 8734 INGEGNERIA GESTIONALE (LM-31) - GENOVA
  • SETTORE SCIENTIFICO DISCIPLINARE ING-INF/05
    LINGUA Italiano (Inglese a richiesta)
    SEDE
  • GENOVA
  • PERIODO 2° Semestre
    MATERIALE DIDATTICO AULAWEB

    PRESENTAZIONE

    Il corso illustra i concetti base della Business Analytics con particolare riferimento agli approcci per la modellistica statistica dei dati e l’analisi predittiva, utilizzando metodologie basate sul machine learning per la soluzione di problemi applicativi e per il supporto alle decisioni in ambito industriale, gestionale ed economico.

    OBIETTIVI E CONTENUTI

    OBIETTIVI FORMATIVI

    Il corso illustra i concetti di base della Business Intelligence (BI) con particolare riferimento agli aspetti di Analytics e Data Mining, ovvero alla possibilità di utilizzare metodi analitici e di reportistica per il supporto alle decisioni aziendali. Lo studente acquisirà sia le capacità di base per il progetto di un sistema di BI, sia la capacità di valutare criticamente l’analisi di dati effettuata con strumenti di Data Mining. Durante il corso sono previsti alcuni interventi che illustreranno casi reali di applicazione della BI in azienda.

    PREREQUISITI

    Conoscenze di base di statistica, probabilità, analisi e rappresentazione dei dati.

    Conoscenza di base del linguaggio di programmazione Python o similari.

    MODALITA' DIDATTICHE

    Il corso alterna lezioni frontali con sessioni di esercitazioni pratiche al calcolatore utilizzando strumenti di analisi dati (ad es. Scikit-learn) basati sul linguaggio di programmazione Python.

    PROGRAMMA/CONTENUTO

    Richiami di statistica multivariata e di elementi di teoria della decisione

    Descriptive Analytics, Diagnostic Analytics, Predictive Analytics, Prescriptive Analytics

    Modelli supervisionati e non supervisionati

    Association Pattern Mining

    Cluster Analysis

    Metodi basati su regole e alberi di decisione

    Metodi basati su kernel

    Cenni alle reti neurali

    Cenni ai metodi per dati strutturati e semistrutturati

    Metodi di valutazione dei modelli

    Applicazioni e casi di studio

    TESTI/BIBLIOGRAFIA

    Materiale fornito dal docente durante le lezioni.

    Per approfondimenti:

    C.C.Aggarwal, Data mining: the textbook. Springer, 2015.

    M.J.Zaki, M.Wagner Jr., Data Mining and Machine Learning: Fundamental Concepts and Algorithms. Cambridge University Press, 2019.

    T.Hastie, R.Tibshirani, J.Friedman, The Elemsnts of Statistical Learning, Springer, 2009 (2nd Ed.)

    DOCENTI E COMMISSIONI

    Commissione d'esame

    DAVIDE ANGUITA (Presidente)

    LUCA ONETO

    ARMANDO TACCHELLA

    LEZIONI

    Orari delle lezioni

    L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

    ESAMI

    MODALITA' D'ESAME

    Esame orale. Lo studente svilupperà in autonomia (singolarmente o in cooperazione con altri studenti) un caso di studio a scelta, tra quelli proposti dal docente, utilizzando le metodologie illustrate durante il corso. L’esame orale verterà sulla discussione del caso di studio.

    Calendario appelli

    Data Ora Luogo Tipologia Note