Scheda programma d'esame
INFORMATICA INDUSTRIALE E PROCESS ANALYTICS
NICOLA TONELLOTTO
Anno accademico2020/21
CdSINGEGNERIA GESTIONALE
Codice1022I
CFU6
PeriodoSecondo semestre
LinguaItaliano

ModuliSettore/iTipoOreDocente/i
INFORMATICA INDUSTRIALE E PROCESS ANALYTICSING-INF/05LEZIONI60
DAVIDE ALOINI unimap
NICOLA TONELLOTTO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Lo studente apprenderà i principi della programmazione Python per l'analisi dei dati una combinazione di comprensione teorica e conoscenze tecniche e pratiche. I principi base e argomenti sul linguaggio di programmazione Python sono discussi coprendo sia concetti di base che di media complessità. Sono presentati i principali moduli di programmazione per l'analisi, la manipolazione e la visualizzazione di dati tramite esempi pratici. Lo studente che completa con successo il corso è in grado di dimostrare le conoscenze necessarie per studiare e analizzare dati tramite Python.

Sarà inoltre fornita una conoscenza di base di Operational Intelligence (OI) per la gestione dei processi aziendali, anche tramite metodologie di tipo Process Mining. L'OI supporta analisi aziendali dinamiche in tempo reale offrendo visibilità e supporto decisionale ai processi in modo tempestivo, sia attraverso operazioni manuali sia automatizzate.

Knowledge

The student will learn the basics of Python programming for data analysis through a mix of theoretical and practical knowledge. We will discuss the basic principles of the Python programming language. We will discuss the main packages for data analysis, manipulation and visualization thanks to practical examples. The student attending successfully the course is able to show the knowledge and the skills to analyse and process data in Python.

Foundation of Operational Intelligence (OI) for Business Process Management will be also provided, including process mining methodologies and simulation. OI is a category of real-time dynamic, business analytics that delivers visibility and insight into process data, streaming events and business operations to support organizations in timely decision making, through manual or automated actions.

Modalità di verifica delle conoscenze

- Orale: durante la prova orale lo studente deve essere in grado di dimostrare la propria conoscenza del materiale didattico del corso con riferimento alle conoscenze sopra descritte.

- Project Work: nel project work lo studente dovrà esser in grado di comprendere, progettare ed applicare metodi di Operational Intelligence in casi reali o realistici.

Assessment criteria of knowledge

- Oral exam: During the oral assessment the student must prove her knowledge on the course topics described above.

- Project Work: in the project work the student must be able to understand, design and apply Operational Intelligence methods in real or realistic cases.

Capacità

Lo studente che completa con successo il corso è in grado di sfruttare le conoscenze acquisite, integrate da una serie di attività pratiche, al fine di programmare soluzioni per l'analisi dei dati in Python.

Lo studente dovrà dimostrare di esser in grado di comprendere, progettare ed applicare metodi di Operational Intelligence in situazioni reali o realistiche. 

Skills

The student attending successfully the course is able to exploit the acquired skills, together with practial proficiencies, to program solutions for data analysis in Python. 

The student is able to demonstrate his ability to design and apply Operational Intelligence methods in real or realistic situations. 

Modalità di verifica delle capacità

Durante la prova orale lo studente deve dimostrare la capacità di mettere in pratica e di eseguire, con consapevolezza critica, le procedure di analisi dati e i metodi di Operational Intelligence acquisiti durante il corso su casi di studio reali.

Assessment criteria of skills

During the oral examination, the student must prove the ability to apply and execute critically the methods and procedure acquired durng the lessons on real case studies.

Comportamenti

Gli studenti acquisiranno accuratezza e precisione nella programmazione Python per l'analisi dei dati e nella progettazione e applicazioni di metodi di operational intelligence. Gli studenti saranno in grado di collaborare con i propri colleghi durante il project work e svolgere esercizi in modo efficace.

Behaviors

Students will acquire accuracy and precision in Python programming for data science and in designing Operational Intelligence solutions. Student will be able to team with colleagues during the project-work and to solve efficenctly programming exercises.

Modalità di verifica dei comportamenti

Durante le sessioni di laboratorio, verrà valutata l'accuratezza e la precisione delle attività svolte.

Assessment criteria of behaviors

Accuracy and precision of behaviors will be assessed during lab sessions.

Prerequisiti (conoscenze iniziali)

Conoscenze di base di programmazione.

Conoscenze di Gestione dei Processi industriali.

Conoscenze di Statistica.

Prerequisites

Basic programming skills.

Business Process Management.

Statistics.

Corequisiti

Nessuno

Co-requisites

None

Prerequisiti per studi successivi

Nessuno

Prerequisites for further study

None

Indicazioni metodologiche

Lezioni frontali con ausilio di slide.

Attività di laboratorio realizzate usando indifferentemente i PC delle aule informatiche o quelli personali degli studenti, basate su materiale didattico fornito dal docente. 

Sito web del corso utilizzato per scaricamento materiali didattici, comunicazioni docente-studenti.

Teaching methods

Face to face lessons with slides.

Lab activities carried out with computers in University labs and/or personal laptops, with coding exercses provided by the teacher.

Web site for sharing teaching material and communications.

Programma (contenuti dell'insegnamento)
  1. Introduzione all'analisi dei dati
  2. Processi e strumenti ETL
  3. Fondamenti di programmazione in Python
  4. Analisi numerica in Python: la libreria NUMPY
  5. Analisi dei dati in Python: la libreria PANDAS
  6. Visualizzazione dei dati in Python: la libreria MATPLOTLIB
  7. Cenni di machine learning in Python: la libreria SKLEARN
  8. Fondamenti di Operational Intelligence per la gestione dei processi aziendali.
  9. Big data e business process analytics
  10. Monitoraggio in tempo reale e rilevamento della situazione.
  11. Correlazione degli eventi e analisi delle catene di eventi, Process Mining
  12. Analisi multidimensionale: analisi delle cause principali, serie temporali e analisi delle tendenze
Syllabus
  1. Data analysis introduction
  2. ETL processes and tools
  3. Basic programming in Python
  4. Numerical analysis in Python: the NUMPY package
  5. Data analysis in Python: the PANDAS package
  6. Data visualization in Python: the MATPLOTLIB package
  7. Basic machine learnin in Python: the SKLEAN package
  8. Foundations of Operational Intelligence for managing business processes.
  9. Big data and Business Process Analytics
  10. Real-time monitoring and situation detection.
  11. Correlation of events and analysis of event chains, Process Mining
  12. Multidimensional analysis: Root cause analysis, Time Series and trend analysis
Bibliografia e materiale didattico
  • Pensare in Python, Seconda Edizione, Versione 2.2.23 (disponibile gratuitamente online)
  • Process Mining: Data Science in Action and Process Mining: Discovery, Conformance and Enhancement of Business Processes Van der aAlst
  • Materiale fornito dal docente
Bibliography
  • Thinking in Python, second edition (freely available online)
  • Process Mining: Data Science in Action and Process Mining: Discovery, Conformance and Enhancement of Business Processes Van der aAlst
  • Support material provided by the teacher
Indicazioni per non frequentanti

Nessuna indicazione specifica. La frequenza non è obbligatoria ma fortemente consigliata.

Non-attending students info

No specific instruction. Attendance is not mandatory but strongly suggested.

Modalità d'esame
  • Gli studenti devono svolgere un'attività di progetto (in gruppo) come parte dell'esame.

L'esame consiste di:

  • una presentazione e discussione del progetto tecnico;
  • una prova orale.
Assessment methods
  • Students must carry out a (group) project develpment as part of the final assessment

The final assessment consists of:

  • presentation and discussion of the project
  • oral examination
Stage e tirocini

Nessuno

Work placement

None

Note

Nessuna

Notes

None

Ultimo aggiornamento 16/12/2020 16:18