DATA ANALYTICS | Università degli studi di Bergamo

DATA ANALYTICS

Attività formativa monodisciplinare
Sede: 
BERGAMO
Codice dell'attività formativa: 
92116

Scheda dell'insegnamento

Per studenti immatricolati al 1° anno a.a.: 
2019/2020
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: 
2020/2021
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
Prerequisiti

Conoscenze di base dell'informatica

Obiettivi formativi

L'obiettivo del corso è fornire allo studente le conoscenze sull'importanza dell'analisi dei dati e sulle principali
tecniche utilizzate per questo scopo. In particolare, lo studente al termine del corso conoscerà le principali tecniche algoritmiche
per la risoluzione di alcuni problemi di base e la loro applicazione in alcuni ambiti applicativi. Lo studente conoscerà
inoltre le diverse tipologie di dati e le tecniche di calcolo della probabilità e statistica applicabili per la loro
analisi.

Contenuti dell'insegnamento

Nell'ambito della progettazione di tecniche algoritmiche, il corso si occuperà della definizione di problemi e della loro formalizzazione.
Il corso affronterà alcune tecniche algoritmiche basilari per l'ordinamento e la ricerca di dati, per l'analisi di grafi.
Inoltre il corso considererà alcuni ambiti di applicazione delle tecniche algoritmiche: la ricerca nel Web e
i sistemi di raccomandazione.

Nell'ambito dell'analisi di dati, il corso analizzerà le diverse tipologie di dati e le tecniche di descrizione dei dati,
oltre all'introduzione delle principali tematiche di calcolo della probabilità e statistica.
In quest'ottica, il corso fornirà cenni alle tecniche di apprendimento automatico (machine learning).

Metodi didattici

Lezioni frontali, esercitazioni in laboratorio

Modalità verifica profitto e valutazione

L’esame consiste in una prova scritta e la valutazione sarà
espressa in trentesimi.: due domande a riposta aperta (10 punti per domanda); un esercizio di analisi dei dati (12 punti).
Nell'esercizio è richiesta la comprensione delle principali tecniche di calcolo delle probabilità.
Nelle risposte aperte saranno valutate la pertinenza della risposta rispetto alla domanda e la chiarezza espositiva.

Altre informazioni

Si consiglia l'uso della piattaforma e-learning.

Qualora l'insegnamento venisse impartito in modalità mista o a distanza potranno essere introdotte modifiche rispetto a quanto dichiarato nel syllabus per rendere il corso e gli esami fruibili anche secondo queste modalità

Prerequisites

Basic knowledge of computer science

Educational goals

The course aims at providing the knowledge about the importance of data analysis and the main
techniques used for this purpose. In particular, the student at the end of the course will know the main algorithmic techniques
for the solution of some basic problems and their application in some application areas. The student will know
furthermore the different types of data and the probability and statistical techniques applicable for
data analysis.

Course content

In the field of algorithm design, the course will deal with the definition of a problem and its formulation.
The course will deal with some basic algorithmic techniques for sorting data and searching, for analyzing graphs.
In addition, the course will consider some areas of application of algorithmic techniques: web search and
recommendation systems.

In the context of data analysis, the course will analyze the different types of data and the techniques of data description,
in addition to the introduction of probability and statistics. The course will provide an outline of machine learning techniques.

Teaching methods

Lectures, exercises in laboratory

Assessment and Evaluation

The exam is a written test: two open questions (10 points per question); an exercise of data analysis (12 points).
The exercise requires an understanding of the main probability techniques.
In the answers to open questions, the relevance of the answer to the question and the clarity of the answer will be assessed.

Further information

E-learning platform is recommended.

In case of blended or online teaching, changes can be introduced compared to what is stated in the syllabus.