74972 - SISTEMI DI SUPPORTO ALLE DECISIONI

Anno Accademico 2020/2021

  • Docente: Vittorio Maniezzo
  • Crediti formativi: 6
  • SSD: ING-INF/05
  • Lingua di insegnamento: Italiano
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Cesena
  • Corso: Laurea Magistrale in Ingegneria e scienze informatiche (cod. 8614)

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 sistemistici, 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

- semplici modelli di programmazione intera

- tecniche risolutive metaeuristiche

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:

un lato server con elementi in python, c#, ado.net, ORM (entity framework), JSON

opzionalmente un lato client esclusivamente javascript e HTML5, possibilmente nella forma di una PWA.

Il modulo verrà impostato in aula e completato autonomamente da ciascuno studente, e potra' costituireil progetto per l'esame. Verra' inoltre presentato in aula da relatore invitato un progetto alternativo relativo ad un caso aziendale reale.

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, compatibilmente con le restrizioni covid.

Gli algoritmi verranno implementati in python pr la parte previsionale, a scelta degli studenti, in c# o python per la parte prescrittiva. Il sistema finale dovrà prevedere un accesso utente e un accesso ai dati in .net core.

Modalità di verifica e valutazione dell'apprendimento

Il corso fornisce competenze di natura sia scientifica che più prettamente tecnologica che saranno verificate tramite la presentazione di un progetto specifico per ogni singolo studente. Durante il corso verranno forniti elementi pertinenti al programma sopra elencato, ciascuno dei quali origina una possibile applicazione di natura algoritmica o sistemistica che può concorrere alla definizione di una soluzione informatica unitaria. L'esame consisterà nella presentazione della soluzione che ciascuno studente avrà individualmente sviluppato. La soluzione proposta dovrà poter girare sulle macchine dei laboratori, e quindi anche sul mio server del corso.

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

SDGs

Istruzione di qualità Parità di genere Lavoro dignitoso e crescita economica Imprese innovazione e infrastrutture

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