DATA ANALYTICS

Attività formativa monodisciplinare
Sede: 
BERGAMO
Codice dell'attività formativa: 
92122

Scheda dell'insegnamento

Per studenti immatricolati al 1° anno a.a.: 
2017/2018
Insegnamento (nome in italiano): 
DATA ANALYTICS
Insegnamento (nome in inglese): 
Data Analytics
Tipo di attività formativa: 
Attività formativa di Base
Tipo di insegnamento: 
Opzionale
Settore disciplinare: 
SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI (ING-INF/05)
Anno di corso: 
2
Anno accademico di offerta: 
2018/2019
Crediti: 
5
Responsabile della didattica: 

Altre informazioni sull'insegnamento

Modalità di erogazione: 
Didattica Convenzionale
Lingua: 
Italiano
Ciclo: 
Secondo Semestre
Obbligo di frequenza: 
No
Ore di attività frontale: 
30
Ore di studio individuale: 
95
Ambito: 
Discipline semiotiche, linguistiche e informatiche
Materiali didattici: 
Prerequisiti

Conoscenze di base dell'informatica

Obiettivi formativi

Fornire allo studente le conoscenze di base delle principali tecniche algoritmiche e di analisi di dati

Contenuti dell'insegnamento

Tecniche algoritmiche
- Problemi, formulazione e algoritmi
- Grafi e algoritmi su grafi
- Sistemi di raccomandazione

Analisi di dati
- Tipi di dati
- Introduzione al calcolo della probabilità e alla statistica
- Rappresentazione dei dati
- Machine learning

Testi di riferimento

Pierluigi Crescenzi,Linda Pagli. Problemi, algoritmi e coding. Zanichelli, 2017 (pp.1- 192)

Sinan Ozdemir. Data science. Apogeo, 2017
(pp. 1 - 250)

Metodi didattici

Lezioni frontali, esercitazioni

Modalità verifica profitto e valutazione

L’esame consiste in una prova scritta: due domande a riposta aperta (10 punti per domanda);un esercizio di analisi dei dati (12 punti)

Altre informazioni

Consultare la piattaforma e-learning

Prerequisites

Basic knowledge of computer science

Educational goals

Provide the basic knowledge of the main algorithmic and data analysis techniques

Course content

Algorithmic techniques
- Problems, definition and algorithms
- Graphs and algorithms on graphs
- Recommendation systems

Data analysis
- Types of data
- Introduction to probability and statistics
- Data representation
- Machine learning

Textbooks and reading lists

Pierluigi Crescenzi,Linda Pagli. Problemi, algoritmi e coding. Zanichelli, 2017 (pp.1- 192)

Sinan Ozdemir. Data science. Apogeo, 2017
(pp. 1 - 250)

Teaching methods

Lectures, exercises

Assessment and Evaluation

The exam is a written test: two open questions (10 points per question), an exercise of data analysis (12 points)

Further information

E-learning platform is recommended