Ti trovi qui: Home » Didattica » Insegnamento: Sistemi informativi

Insegnamento: Sistemi informativi (Offerta Formativa a.a. 2016/2017)

Corso di studio: Corso di Laurea Magistrale in Ingegneria Informatica (D.M.270/04)

CFU6
Moduli

Modulo: Sistemi informativi
TAF: Caratterizzante; SSD: ING-INF/05; Ambito: Ingegneria informatica
Docenti: Sonia BERGAMASCHI, Domenico BENEVENTANO

Dolly Accedi ai dati dell'insegnamento su Dolly
Orario Lezioni Accedi all'orario settimanale dell'insegnamento
Propedeuticità obbligatorie
Modalità di accertamento del profitto Scritto
Modalità di valutazione Voto
Esse3 Accedi ai dati dell'insegnamento su Esse3
Lingua di insegnamento

Italiano

Partizionamento studenti

Nessun partizionamento

Obiettivi

Fornire allo studente un quadro di riferimento relativamente alle diverse tipologie dei sistemi informativi in azienda, con riferimento ai principi generali di modellazione e progettazione e con particolare attenzione ai sistemi informativi direzionali. Fornire allo studente tecniche e strumenti di Massive Data Analysis, dalla modellazione predittiva e machine learning alle tecniche non supervisionate, con l’Introduzione al linguaggio Scienfic Python e al linguaggio R, ed al framework Apache Spark. Fornire allo studente nozioni fondamentali di integrazione dei dati, dai problemi delle corrispondenze tra schemi e dati, a quelli della fusione e della qualità dei dati.

Prerequisiti

Tecnologia delle Basi di Dati del Corso di Laurea Magistrale in Ingegneria Informatica del dipartimento di Ingegneria “Enzo Ferrari” di Modena. Per studenti provenienti da altre sedi universitarie e/o altri corsi di studio l'acquisizione di contenuti analoghi al corso soprannominato.

Contenuti

Massive Data Analysis
(questa parte del corso coincide con il corso "Tools and techniques for Massive Data Analysis” tenuto in collaborazione con il CINECA, dal 19 Settembre al 22 Settembre.)
Introduzione alla Data Analytics
Modellazione predittiva e Machine Learning
Introduzione al linguaggio Scienfic Python e alle sue librerie
Tecniche non supervisionate
Introduzione al linguaggio R
Esempi in R di tecniche non supervisionate e di modellazione predittiva
Apache Spark: Introduzione ed esercizi, MLlib, SparkSQL
Sistemi Informativi
Ruolo e profilo dei sistemi Informativi.
Progettazione e pianificazione dei sistemi informativi.
Tipi di sistemi informativi e loro classificazione.
Sistemi operazionali e sistemi ERP (amministrazione, logistica, vendita, acquisto, produzione)
Metodologie per la modellazione dei dati, delle funzioni e della dinamica.

Integrazione dei Dati
Introduzione all’Integrazione dei Dati
Corrispondenze tra schemi: Schema Matching e Schema Mapping
Corrispondenze tra dati: Data Matching e Entity Resolution
Fusione dei dati e risoluzione dei conflitti
Qualità dei dati
Tools: Il sistema di integrazione dati MOMIS, …

Sistemi informativi direzionali e sistemi OLAP
Sistemi informativi direzionali: CSF, KPI, BSC.
Standard e linguaggi per Sistem OLAP
Spatial Data Warehouses e Location Intelligence
Tools: Tableau, MOMIS dashboard, GeoMondrian, …

Metodi didattici

Lezioni frontali, esercitazioni pratiche, attività pratiche di laboratorio.

Verifica dell'apprendimento

Esame orale sull'intero programma con un argomento da approfondire a scelta.

Risultati attesi

Lo studente avrà solide conoscenze e capacità di comprensione dei sistemi informativi in azienda, ed in particolare di quelli direzionali, ed alle principali problematiche correlate, quali l’integrazione e la qualità dei dati; inoltre lo studente apprenderà le principali tecniche e strumenti per l’ analisi di enormi quantità di dati. Capacità di applicare conoscenza e comprensione: Tramite esercitazioni in aula ed esercitazioni pratiche al computer, lo studente sarò in grado di utilizzare di applicare le conoscenze acquisite sia nella progettazione ed implementazione dei sistemi informativi in azienda sia nella soluzione di problematiche relative all’analisi di enormi quantità di dati. Autonomia di giudizio: Lo studente sarà in grado di analizzare e valutare soluzioni informatiche avanzate nell’ambito dei sistemi informativi aziendali e dell’analisi dei dati. Abilità comunicative: La prova orale, che include un argomento da approfondire a scelta, darà modo allo studente di organizzare e presentare con chiarezza mediante il linguaggio tecnico appropriato, i risultati del proprio lavoro. Capacità di apprendimento: Le attività descritte consentiranno allo studente di acquisire gli strumenti metodologici per potere provvedere autonomamente al proprio aggiornamento, particolarmente cruciale in un ambito di sistemi informativi e di analisi dei dati, dove le tecnologie sono in continua evoluzione.

Testi

Dispense a cura dei docenti. Gli argomenti sono tratti dai seguenti testi:
AnHai Doan, Alon Halevy, and Zachary Ives: Principles of Data Integration, - Morgan Kaufmann, 2012.

Alejandro Vaisman, Esteban Zimányi : Data Warehouse Systems: Design and Implementation - Springer, 2014.

Batini Carlo, Scannapieco, Monica: Data and Information Quality. Springer 2016,


Docenti

Sonia BERGAMASCHI
Domenico BENEVENTANO