Scheda programma d'esame
LABORATORY OF DATA SCIENCE
(Laboratory of data science)
ANNA MONREALE
Anno accademico2018/19
CdSDATA SCIENCE AND BUSINESS INFORMATICS
Codice664AA
CFU6
PeriodoPrimo semestre
LinguaInglese

ModuliSettore/iTipoOreDocente/i
LABORATORY OF DATA SCIENCEINF/01LEZIONI48
ANNA MONREALE unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Lo studente apprenderà i principali software di Business Intelligence; per la progettazione e lo sviluppo di datawarehouses, cubi OLAP, e report; e per l'applicazione di modelli predittivi di data mining. Lo studente sarà capace di valutare con indipendenza e autonomia i diversi tipi di software di BI con riferimento ai requisiti di uno specifico task di analisi.

Knowledge

The student will have knowledge about and will be able to apply the main software technologies of Business Intelligence for accessing data; for designing and developing datawarehouses, OLAP data cubes, and reports; and for extracting and applying predictive data mining models. The student will be able to assess, with independence and autonomy, the current and future software technologies for Business Intelligence with regard to the requirements of a specific data analysis task.

Modalità di verifica delle conoscenze

Lo studente sarà valutato nella sua capacità di saper usare tool e metodologie di BI  per il problem solving. A questo fine si dovrà sotenere un esame di laboratorio (4 ore) e un orale.

Assessment criteria of knowledge

The student will be assessed on his/her demonstrated ability to use tools and methodologies of the Business Intelligence for problem solving. There is a lab exam (4 hours) and an oral exam.

Methods:

  • Final oral exam
  • Final laboratory practical demonstration
Capacità

Lo studente sarà in grado di usare tool e linguaggi per la progettazione di datawarehouses, per il popolamento tramite flussi di ETL, per la progettazione e l'interrogazione di cubi OLAP, per la definizione di report  e dashboards utili a supportare decisioni. Lo studente sarà capace di applicare strumenti di data mining per l'estrazione di modelli da dati, con particolare riferimento a modelli predittivi per il marketing e il CRM.

 

Skills

The student will be able to use software languages and tools for the design of datawarehouses, for their population through ETL flows, for the design and the query of OLAP data cubes, for the design of reports and dashboards in support of decision making.  The student will be also able to apply data mining tools to extract models from data, with special reference to predictive models for marketing and CRM.

 

Modalità di verifica delle capacità

Gli skill acquisiti saranno valutati attraverso l'esame di laboratorio

Assessment criteria of skills

Skills will be assessed through a lab exam.

Comportamenti

Lo studente sarà capace di valutare con indipendenza e autonomia diversi tipi di software di Business Intelligence (attuali e futuri), con riferimento ai requisiti di uno specifico task di analisi.

Behaviors

The student will be able to assess, with indepence and autonomy, the current and future software technologies for Business Intelligence with regard to the requirements of a specific data analysis task.

Modalità di verifica dei comportamenti

Autonomia e indipendenza nella valutazione dei tool sarà valutata durante la prova di laboratorio e durante l'orale.

Assessment criteria of behaviors

Autonomy and indepence in tool evaluation will be assessed during the lab practices and at the oral exam.

Prerequisiti (conoscenze iniziali)

Le nozioni teoriche richieste sono insegnate nel corso del primo anno “Decision Support Databases” e 420AA “Data mining”.

Prerequisites

The theoretical notions required by the module are taught in the courses of the first year “Decision Support Databases” and “Data mining”.

Indicazioni metodologiche

Delivery: face to face

Attività:

  • Lezioni frontali
  • Studio individuale
  • Lavoro di gruppo
  • Lavoro di laboratorio

Frequenza: raccomandata

Metodi di insegnamento:

  • Lezioni frontali
  • Task-based learning/problem-based learning/inquiry-based learning
  • Laboratorio

Il corso sarà tenuto in uno dei laboratori. Dopo una breve introduzione degli argomenti e dei tools, gli studneti si eserciteranno nel problem solving. Le soluzioni saranno discusse in aula insieme.

Teaching methods

Delivery: face to face

Learning activities:

  • attending lectures
  • individual study
  • group work
  • Laboratory work

Attendance: Advised

Teaching methods:

  • Lectures
  • Task-based learning/problem-based learning/inquiry-based learning
  • laboratory

The course will be held in a lab room. After briefly introducing topics and software tools, students will exercise in problem solving. Solutions will be discussed all-together.

Programma (contenuti dell'insegnamento)

Il modulo presenta sistemi e tecnologie di Business Intelligence per l'accesso i dati (file formats, RDBMS standards), per la realizzazione e l'analisi di datawarehouses (ETL, OLAP), per reportistica, e per l'estrazione di conoscenza dai data. Il focus  è su tools, sistemi e metodologie di problem solving, con casi di studio e problemi applicativi.

Syllabus

The module presents Business Intelligence technologies and systems for data access (file formats, RDBMS standards), for building and analysing datawarehouses (ETL, OLAP), for reporting, and for knowledge discovery from data. The focus is on tools, systems and problem solving methodologies, with case studies and application problems.

Bibliografia e materiale didattico

 

Capitoli di libri e manuali di software saranno messi a disposizione sul sito del corso. Il software sarà scaricabile ttramite licenza accademica.

Bibliography

Book chapters with reminds on theoretical background and software manuals will be provided at the course web site. Software tools will be downloadable with an academic licence.

 

Indicazioni per non frequentanti

Non ci sono regole specifiche per studenti non frequentanti

Non-attending students info

No specific rules for non-attending students.

Modalità d'esame

Esame di laboratorio e orale.

Assessment methods

Lab practice and oral.

Ultimo aggiornamento 09/01/2019 15:26