74972 - SISTEMI DI SUPPORTO ALLE DECISIONI

Scheda insegnamento

  • Docente Vittorio Maniezzo

  • Crediti formativi 6

  • SSD ING-INF/05

  • Lingua di insegnamento Italiano

Anno Accademico 2018/2019

Conoscenze e abilità da conseguire

Business analytics, con terminologia corrente. Al termine del corso, che adotta un approccio orientato alle applicazioni, lo studente acquisisce competenze scientifiche e tecnologiche necessarie alla progettazione, sviluppo e messa in uso di un sistema di supporto alle decisioni in contesti aziendali reali. Questo comporta: - lavorare su dati aziendali reali, analizzando quali siano i problemi gestionali coinvolti e come risolverli. - lo studio dei dati per mezzo di statistica e analisi operazionale, - la applicazione di tecniche di ottimizzazione con l’obiettivo di orientare pianificazione e processo decisionale, - lo studio di algoritmi di ottimizzazione euristici e metauristici, - la formazione di modelli predittivi, - la comunicazione dei risultati ottenuti (a clienti, colleghi o partner) tramite piattaforme diverse. Verrà progettato e sviluppato assieme codice specifico, con attenzione alla possibilità di deploy su piattaforme mobile e web.

Contenuti

Il corso propone contenuti sia scientifici che tecnologici, utilizzati in casi applicativi aziendali reali.

I contributi scientifici riguardano le conoscenze necessarie per sviluppare un modulo di business analytics su dati ricavati da un sistema informativo aziendale, e riguardano a competenze di statistica e di ottimizzazione applicate a modellistica di processi aziendali. In particolare verranno affrontati:

- modelli stocastici, variabili casuali. distribuzioni di probabilità

- modelli previsionali: statistici (ARMA, ARIMA, SARIMA) e neurali (feedforward, convolutional, depp learning)

- indicatori di performance e statistiche descrittive

- modelli di programmazione intera e dinamica, ottimizzazione robusta

- tecniche risolutive metaeuristiche: simulated annealing, tabu search, iterated local search, variable neighborhood search, grasp

- tecniche risolutive mateuristiche: very large neighborhood search, euristiche lagrangiane

I contributi tecnologici saranno funzionali alla realizzazione pratica del modulo citato, che avrà architettura MVC multi-tier. Saranno quindi utilizzati nel contesto del caso applicativo:

- lato server: c#, ado.net, ORM (entity framework), AJAX, JSON

- lato client: javascript, HTML5, apache cordova per client mobile.

Il modulo verrà impostato in aula e completato autonomamente da ciascuno studente, e costituirà il progetto per l'esame. E' prevista una competizione per determinare quale modulo avrà la migliore efficacia computazionale.

Testi/Bibliografia

Lucidi a cura del docente.

Metodi didattici

Le lezioni si svolgeranno il più possibile in laboratorio, cercherò di garantire per quanto mi sarà permesso una esperienza diretta dei metodi presentati.

E' prevista anche una visita presso una azienda del territorio che ci illustrerà un problema reale, coerente con i contenuti del corso, su cui lavoreremo assieme, presentando a fine corso i risultati.
Gli algoritmi verranno implementati, a scelta degli studenti, in c# o c++. La parte web/mobile verrà sviluppata in javascript e html5.

Modalità di verifica dell'apprendimento

Progetto individuale

Strumenti a supporto della didattica

Lucidi a cura del docente, verranno resi accessibili prima delle lezioni corrispondenti.

Link ad altre eventuali informazioni

http://isi-personale.csr.unibo.it/vittorio.maniezzo/didattica/DSS/SistSuppDec.html

Orario di ricevimento

Consulta il sito web di Vittorio Maniezzo