96143 - METODI E MODELLI DI DATA ANALYTICS M

Anno Accademico 2022/2023

  • Docente: Fabio Grandi
  • Crediti formativi: 6
  • SSD: ING-INF/05
  • Lingua di insegnamento: Italiano
  • Moduli: Fabio Grandi (Modulo 1) Andrea Borghesi (Modulo 2)
  • Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
  • Campus: Bologna
  • Corso: Laurea Magistrale in Ingegneria gestionale (cod. 0936)

Conoscenze e abilità da conseguire

Fornire i concetti, le tecniche e gli strumenti per la progettazione e l'implementazione di processi di "data anlytics" e "data valorization". Illustrare tutte le fasi del processo di gestione e analisi di dati, dall'acquisizione e processamento iniziale, alla generazione di nuova conoscenza attraverso tecniche statistiche e di Machine Learning, fino alla visualizzazione e valutazione delle performance. Presentare le principali applicazioni aziendali di data analytics e i principali scenari tecnologici in questo ambito.

Contenuti

Il corso si compone di due moduli:

  1. Data Mining (Fabio Grandi)
  2. Metodi di Intelligenza Artificiale (Andrea Borghesi)

 

DATA MINING

Prerequisiti/Propedeuticità consigliate

L’allievo che accede a questo insegnamento conosce i sistemi database e il modello relazionale. Tali conoscenze sono acquisite, di norma, superando un esame di Basi di Dati o Sistemi Informativi.  

Tutte le lezioni saranno tenute in Italiano. È quindi necessaria la comprensione della lingua italiana per seguire con profitto il corso e per poter utilizzare il materiale didattico fornito. 

Programma

  • introduzione al data mining e KDD
  • regole associative
  • algoritmi di clustering
  • tipologie dei dati
  • alberi di decisione
  • metodi statistici
  • reti neurali
  • valutazione dei risultati
  • analisi di serie storiche
  • individuazione di outlier

 

METODI DI INTELLIGENZA ARTIFICIALE

Prerequisiti/Propedeuticità consigliate

Sono propedeutiche al corso conoscenze di base di ottimizzazione e programmazione lineare ed intera. Tali conoscenze sono, in genere, acquisibili superando esami di Ricerca Operativa e Algoritmi per il Supporto alle Decisioni e Gestione delle Risorse.

Tutte le lezioni saranno tenute in Italiano. È quindi necessaria la comprensione della lingua italiana per seguire con profitto il corso e per poter utilizzare il materiale didattico fornito.

Programma

  • programmazione a vincoli
  • deep learning
  • selezione e configurazione automatica di algoritmi
  • manutenzione predittiva
  • rilevazione di anomalie
  • serie temporali
  • manutenzione prescrittiva
  • casi d'uso

__________________________________________________

Nell’ambito degli Obiettivi per lo Sviluppo Sostenibile dell'ONU, verrà affrontato lo studio di tecnologie dell’informazione sostenibili utilizzabili per l’innovazione e la realizzazione di infrastrutture per la valorizzazione della conoscenza estraibile dai dati, finalizzate al raggiungimento di obiettivi sociali, economici e politici.

Testi/Bibliografia

DATA MINING

  • Lucidi del corso.
  • I.H. Witten, E.Frank, M.A. Hall, Data Mining: Practical Machine Learning Tools and Techniques (terza edizione), Morgan Kaufmann, 2011.

Letture consigliate:

  • M. Berry, G. Linoff. Data mining techniques for marketing, sales, and customer support. John Wiley & Sons, 1997.
  • R. Roiger, M. Geatz, Introduzione al data mining, McGraw-Hill, 2003.

METODI DI INTELLIGENZA ARTIFICIALE

  • Dispense del corso
  • I. Goodfellow, Y. Bengio, A. Courville, Deep Learning book, MIT Press, 2016. https://www.deeplearningbook.org/
  • T. Rossi, P. van Beek, T. Walsh, Handbook of Constraint Programming, Elsevier, 2006

Metodi didattici

  • La didattica frontale dei moduli consiste in lezioni ed esercitazioni in aula, svolte dal docente con l'ausilio di PC e proiettore. Eventuali lezioni online o in modalità mista saranno erogate utilizzando la piattaforma Teams.
  • Il programma potrà essere integrato da seminari tenuti da consulenti aziendali.

Modalità di verifica e valutazione dell'apprendimento

L'esame finale mira ad accertare la conoscenza acquisita dallo studente, relativamente ai contenuti specifici dei singoli moduli, dei principali strumenti e metodi per la gestione e l'analisi di grandi quantità di dati utili a supportare efficientemente i processi decisionali. Gli esami verranno effettuati in presenza o online, a seconda della situazione sanitaria e delle disposizioni dell'Ateneo. Nel caso online, si utilizzeranno gli strumenti Zoom e EOL.

Le prove dei due moduli verranno svolte separatamente. Ciascuna prova consiste in uno scritto della durata di 60 minuti, durante il quale è espressamente vietato consultare libri e appunti. Per il modulo Data Mining, l'esame consiste in due quesiti a risposta aperta (a scelta su tre) riguardanti i principali argomenti del corso. Per il modulo Metodi di Intelligenza Artificiale, l'esame consiste in due quesiti a risposta aperta (a scelta su tre) riguardanti i principali argomenti del corso. Ciascuna prova si intende superata con un punteggio di 18/30 su un totale di 32/30. Ulteriori dettagli verranno comunicati a lezione e nelle "note" abbinate agli appelli pubblicati su AlmaEsami.

Per sostenere la prova d'esame è necessaria l'iscrizione tramite AlmaEsami, nel rispetto delle scadenze previste. Coloro che non riuscissero a iscriversi entro la data prevista, sono tenuti a comunicare tempestivamente (e comunque prima della chiusura ufficiale delle liste di iscrizione) il problema alla segreteria didattica. Sarà facoltà del docente ammetterli a sostenere la prova. Le prove relative ai due moduli componenti di ciascun insegnamento possono essere sostenute nel corso dello stesso appello o in appelli differenti, in qualunque ordine. Una volta pubblicato il risultato della prova, ciascuno studente ha una settimana di tempo per comunicare via email al docente se intende rifiutare il voto conseguito. Il voto complessivo dell'esame, assegnato in trentesimi, verrà calcolato come media dei voti conseguiti nei due moduli componenti.

Il superamento dell’esame sarà garantito agli studenti che dimostreranno padronanza e capacità operativa in relazione alla conoscenza dei concetti chiave illustrati nell'insegnamento, alle capacità progettuali ed alla padronanza del linguaggio tecnico. Un punteggio più elevato sarà attribuito agli studenti che dimostreranno di aver compreso pienamente e saper utilizzare al meglio tutti i contenuti dell’insegnamento illustrandoli con capacità di linguaggio, risolvendo problemi anche complessi con buone attitudini progettuali.

Strumenti a supporto della didattica

  • Materiale didattico scaricabile dalla piattaforma Virtuale [https://virtuale.unibo.it/] .
  • Piattaforma Teams per la didattica a distanza.
  • Software applicativo Weka per esercitazioni.

Orario di ricevimento

Consulta il sito web di Fabio Grandi

Consulta il sito web di Andrea Borghesi

SDGs

Imprese innovazione e infrastrutture

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.