- Docente: Matteo Tellarini
- Crediti formativi: 6
- Lingua di insegnamento: Italiano
- Moduli: Matteo Tellarini (Modulo 1) Federico Bertoni (Modulo 2)
- Modalità didattica: Convenzionale - Lezioni in presenza (Modulo 1) Convenzionale - Lezioni in presenza (Modulo 2)
- Campus: Cesena
-
Corso:
Laurea in
Tecnologie dei sistemi informatici (cod. 6007)
Valido anche per Laurea in Tecnologie dei sistemi informatici (cod. 5816)
-
Orario delle lezioni (Modulo 1)
dal 22/02/2024 al 06/06/2024
-
Orario delle lezioni (Modulo 2)
dal 29/02/2024 al 30/05/2024
Conoscenze e abilità da conseguire
Al termine del corso, lo studente possiede competenze avanzate e capacità pratiche legate alle basi di dati relazionali e non relazionali, nonché la capacità di realizzare applicazioni centrate sull'utilizzo di DBMS. Conosce gli ambiti applicativi in cui utilizzare le tecnologie dei Big Data e le relative problematiche; Conosce le architetture hardware e software proposte per la loro gestione; Conosce le tecniche per la memorizzazione, utilizza i linguaggi e i paradigmi di programmazione adottati in questo tipo di sistemi; Conosce le metodologie di progettazione per le diverse tipologie di applicazioni in ambito Big Data. Possiede competenze pratiche nell'utilizzo delle diverse. Conosce le principali tecniche di data mining e text mining; Conosce le metodologie di gestione e sviluppo di progetto; Sviluppa competenze pratiche nella generazione, nell'analisi e interpretazione dei risultati mediante esercitazioni pratiche svolte con tool commerciali e/o open source.
Contenuti
- Introduzione a python e alle principali librerie dell'ecosistema SciPy.
- Nozioni di probabilità e statistica.
- Processi di raccolta, pulizia e visualizzazione dei dati.
- Modelli di analisi predittiva, clustering e riduzione dimensionale.
- Tutorial con notebook Jupyter.
Testi/Bibliografia
Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani
An Introduction to Statistical Learning, Springer (2021)
Rob J. Hyndman, George Athanasopoulos
Forecasting: principles and practice, OTexts (2018)
Larry Wasserman
All of Statistics, Springer (2003)
Sebastian Raschka, Vahid Mirjalili
Python Machine Learning, Packt Publishing (2019)
Metodi didattici
- Lezione frontale con diapositive PDF
- Esercitazioni in laboratorio
Modalità di verifica e valutazione dell'apprendimento
- Esercitazioni in laboratorio ed esercizi da svolgere a casa
- Progetto di analisi dati con gli strumenti dell’ecosistema SciPy
- Prova orale: discussione del progetto e domande sugli argomenti trattati
Strumenti a supporto della didattica
- Diapositive PDF
- Ambiente di sviluppo Anaconda
- Jupyter Notebook
- Visual Studio Code
Orario di ricevimento
Consulta il sito web di Matteo Tellarini
Consulta il sito web di Federico Bertoni