Salta al contenuto principale della pagina

TRANSACTIONAL SYSTEMS & DATA WAREHOUSE

CODICE 86794
ANNO ACCADEMICO 2022/2023
CFU
  • 6 cfu al 1° anno di 11160 COMPUTER ENGINEERING (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

    LEZIONI

    Orari delle lezioni

    L'orario di tutti gli insegnamenti è consultabile su 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 Ora Luogo Tipologia Note