L'insegnamento introduce le tecniche di base per la rappresentazione e l'analisi esplorativa dei dati in ottica di Business Intelligence, con particolare riferimento all’analisi descrittiva e alle metodologie di analisi esplorativa dei dati orientate al supporto alle decisioni in ambito industriale e gestionale.
Lo studente sarà in grado di progettare e realizzare un semplice cruscotto informativo e interattivo a partire da diverse sorgenti di dati.
Linguaggio di programmazione Python.
Concetti pincipali di basi di dati e sistemi informativi.
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.
Si consigliano gli studenti lavoratori e gli studenti con certificazione di DSA, di disabilità o di altri bisogni educativi speciali di contattare il docente all’inizio del corso per concordare modalità didattiche e d’esame che, nel rispetto degli obiettivi dell’insegnamento, tengano conto delle modalità di apprendimento individuali.
Introduzione a EDA (Exploratory Data Analysis)
Dati strutturati e non strutturati
Data preprocessing e Data wrangling
Key Performance Indicators
Data visualizaztion
Dashboard design
Data warehousing e OLAP
Data Quality
Data Privacy
Materiale fornito dal docente
Librerie Python: SciPy https://scipy.org e in particolare la libreria Pandas https://pandas.pydata.org
Tesi per approfondimenti:
Ricevimento: Su appuntamento, tramite e-mail
DAVIDE ANGUITA (Presidente)
ANTONIO EMANUELE CINA'
LUCA ONETO (Presidente Supplente)
LUCA DEMETRIO (Supplente)
https://corsi.unige.it/corsi/10716/studenti-orario
Lo studente svilupperà in autonomia (singolarmente o in cooperazione con altri studenti) un caso di studio a scelta, tra quelli proposti dal docente, utilizzando una delle metodologie illustrate durante il corso. L’esame orale verterà sulla discussione del caso di studio.
L'esame orale permetterà di verificare la capacità di analizzare e rappresentare un insieme di dati provenienti da diverse sorgenti in modo da renderli fruibili da un ipotetico utente finale identificato con il caso di studio.
