•GUIDA ECONOMIA 07-08 - Università degli studi di Udine

36 programmi sede di Udine
Il programma e le modalità dell’esame
per gli studenti frequentanti potranno
subire variazioni a discrezione del docente,
considerandosi frequentanti gli studenti
che, in seguito alle rilevazioni effettuate
dal docente, risulteranno aver partecipato
ad almeno il 75% delle lezioni.
DATA MINING
Prof. Giovanni Fonseca
Obiettivi formativi
Il corso si propone di introdurre gli studenti
alle principali e più moderne tecniche
per l’analisi dei dati. Le metodologie
proposte sono descritte sia dal punto di
vista teorico, sia per gli aspetti di carattere
applicativo, mediante esercitazioni guidate
in laboratorio informatico.
Programma del corso
- Il modello lineare classico ed i modelli
lineari generalizzati: regressione logistica
e di Poisson.
- Metodi di selezione del modello.
- Stima non parametrica: regressione
locale e spline.
- Metodi di classificazione.
Bibliografia
Testo di riferimento
- A. AZZALINI, B. SCARPA, Analisi dei dati e
data mining, Springer Verlag Italia, 2004.
DATA WAREHOUSE
Prof.ssa Anna Marzona
Obiettivi formativi
Il corso si propone di fornire all’allievo le
nozioni fondamentali sui sistemi informazionali,
assumendo come prerequisito
una sufficiente conoscenza delle basi di
dati di tipo relazionale. L’accento viene
posto sulle tematiche legate ai sistemi di
data warehousing (cosa sono, come si
progettano) e sull’analisi multidimensionale
dei dati (come viene condotta, quali
sono i principali vantaggi e svantaggi).
Parte integrante del corso sono le esercitazioni
di laboratorio, basate su casi pratici
aziendali.
Prerequisiti
È richiesta una buona conoscenza dei
contenuti dell’insegnamento di Basi di
dati 1.
Didattica ed esami
32 ore di lezione ed esercitazioni; sviluppo
di progetto in piccoli gruppi; prova
orale individuale finale.
Programma
- I Sistemi di Supporto alle Decisioni
(DSS). Motivazioni, metodologie e architetture.
- Distinzione tra sistema informazionale
e sistema operazionale. Approfondimento
sui sistemi informazionali: il modello
multidimensionale e l’analisi OLAP.
Data Warehouse e Data Mart: definizioni,
obiettivi d’uso, differenze.
- Progettazione di Data Warehouse: il
ciclo di vita dei sistemi di data warehousing.
Analisi dei requisiti e riconciliazione
delle fonti dati. Architetture a diversi
livelli. Il modello concettuale: Data Fact
Model (DFM). I modelli logici: MOLAP,
ROLAP, HOLAP. Schemi a stella e a fiocco
di neve. Il trattamento delle variazioni
nei fatti e nelle dimensioni.
- Politiche di popolamento. Generazione
e aggiornamento della struttura dati multidimensionale.
Meccanismi di alimentazione
totale e incrementale. Le procedure
di Estrazione, Trasformazione e caricamento
(ETL): principali problemi da
affrontare, esempi di possibili soluzioni.
- Strumenti per l’analisi dei dati: Reporting,
navigazione OLAP, Data Mining.
Approfondimenti sull’approccio
Hypotheses driven e sull’analisi OLAP.