Corso di laurea

Data Science

Università degli Studi di Verona · 5 materie · 0 file condivisi

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

Sfoglia il materiale didattico

Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!

Materie del corso

Business organisation and management 1° anno · 9 CFU · ECON-07/A · 0 file

Il corso intende fornire agli studenti le conoscenze relative agli elementi di base utili a comprendere i processi di management analitico, strategico, operativo e i diversi assetti e modalità di funzionamento…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire agli studenti le conoscenze relative agli elementi di base utili a comprendere i processi di management analitico, strategico, operativo e i diversi assetti e modalità di funzionamento dell’organizzazione. A tal fine vengono forniti gli strumenti concettuali e operativi per leggere e progettare le strutture organizzative. Il corso si propone altresì di sviluppare le capacità di lettura ed interpretazione dei differenti fenomeni propri della cultura gestionale ed organizzativa d'impresa. Al termine del corso lo studente dovrà dimostrare di: - aver compreso i concetti base di management ed organizzazione aziendale - conoscere le principali strategie, tecniche gestionali e tipologie di organizzazione - riconoscere le opportunità derivanti dalle nuove tecnologie che facilitano lo sviluppo di nuovi business plan e business model - essere in grado di traslare i concetti teorici presentati in aula in situazioni e business case concreti

Programma

Programma Modulo di Organizzazione: 1. Studi delle organizzazioni: teorie e concetti chiave 2. Fondamenti delle strutture organizzative 3. Organizzazione come sistemi aperti: l'ambiente esterno 4. Dimensione, ciclo di vita e declino dell'organizzazione 5. Cultura organizzativa e controllo 6. Relazioni interorganizzative 7. Etica aziendale e impatto sociale 8. Processi decisionali 9. Conflitti, potere e politica 10. Studi di caso e presentazioni di gruppo 11. Studi di caso e presentazioni di gruppo 12. Genere, diversità e lavoro 13. Cambiamento organizzativo Programma modulo Operations 1. Design Management 2. Production Management 3. Gestione dei magazzini 4. Lean e TQM 5. Strumenti Lean 6. Industry 4.0

Modalità d'esame

Modulo di Organizzazione: Valutazione di un lavoro e presentazione di gruppo (concorre 1 punto al voto finale) ed esame scritto con domande aperte.
Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Testi di riferimento

Vai alla bibliografia Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Codice insegnamento 4S009070

Ethics and law of data protection 1° anno · 9 CFU · GIUR-01/A · 0 file

Il corso si articola nei seguenti due moduli [Modulo Diritto] Il modulo Diritto si propone di fornire agli studenti le conoscenze giuridiche fondamentali che regolano il trattamento dei dati nell'attuale società…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si articola nei seguenti due moduli [Modulo Diritto] Il modulo Diritto si propone di fornire agli studenti le conoscenze giuridiche fondamentali che regolano il trattamento dei dati nell'attuale società dell'informazione, con particolare riguardo ai nuovi media digitali. I limiti stabiliti dal legislatore per il trattamento dei dati, le modalità della loro circolazione e le passività derivanti dalla possibile violazione delle norme pertinenti costituiranno oggetto di uno studio approfondito. [Modulo Etica] Il modulo Etica si propone di trasmettere alcuni strumenti di base della riflessione etica contemporanea; di mettere i destinatari in condizioni di riconoscere un dilemma etico nel dibattito pubblico o nella pratica professionale quotidiana; di imparare a esaminarlo e riformularlo in base agli strumenti di riflessione appresi; di saper elaborare criticamente una prospettiva operativa a fronte dei dilemmi e ai casi controversi incontrati. Al termine del corso lo studente dovrà dimostrare di: -saper analizzare la sfera complessiva della cosiddetta documentalità, nell’orizzonte di una società complessa in relazione all’influenza del dispositivo informatico -conoscere, interpretare e saper utilizzare i concetti di verità, dispositivo, oggettivazione, soggettivazione e responsabilità, nonché l’articolata interazione dei fenomeni che tali concetti consentono di descrivere e orientare.

Programma

Il corso si articola nei seguenti due moduli [Modulo Diritto] Il modulo Diritto si propone di fornire agli studenti le conoscenze giuridiche fondamentali che regolano il trattamento dei dati nell'attuale società dell'informazione, con particolare riguardo ai nuovi media digitali. I limiti stabiliti dal legislatore per il trattamento dei dati, le modalità della loro circolazione e le passività derivanti dalla possibile violazione delle norme pertinenti costituiranno oggetto di uno studio approfondito. [Modulo Etica] Il modulo Etica si propone di trasmettere alcuni strumenti di base della riflessione etica contemporanea; di mettere i destinatari in condizioni di riconoscere un dilemma etico nel dibattito pubblico o nella pratica professionale quotidiana; di imparare a esaminarlo e riformularlo in base agli strumenti di riflessione appresi; di saper elaborare criticamente una prospettiva operativa a fronte dei dilemmi e ai casi controversi incontrati. Al termine del corso lo studente dovrà dimostrare di: -saper analizzare la sfera complessiva della cosiddetta documentalità, nell’orizzonte di una società complessa in relazione all’influenza del dispositivo informatico -conoscere, interpretare e saper utilizzare i concetti di verità, dispositivo, oggettivazione, soggettivazione e responsabilità, nonché l’articolata interazione dei fenomeni che tali concetti consentono di descrivere e orientare.

Modalità d'esame

Il voto finale consiste nella media ponderata degli esiti parziali riportati nei moduli di etica (1/3) e di diritto (2/3), arrotondata per eccesso.

Testi di riferimento

Vai alla bibliografia Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Codice insegnamento 4S009075

Probability for data science 1° anno · 9 CFU · MATH-03/B · 0 file

Il corso fornirà un'introduzione auto-contenuta e matematicamente rigorosa alle moderne tecniche di analisi dei dati e modellizzazione dei fenomeni aleatori, con particolare attenzione alle basi teoriche, proprie della…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornirà un'introduzione auto-contenuta e matematicamente rigorosa alle moderne tecniche di analisi dei dati e modellizzazione dei fenomeni aleatori, con particolare attenzione alle basi teoriche, proprie della teoria delle probabilità, necessarie per sviluppare soluzioni efficaci alle sfide caratterizzanti ambiti eterogenei, e.g., finanza, fault-detection, innovation forecasting, energy prediction, etc., tipici della Industria 4.0, con particolare riferimento alle sfide poste in ambito big data analytics. La presentazione di concetti, problemi e relative soluzioni teorico/pratiche, verrà orientata alle applicazioni, anche facendo uso di software statistico specifico (e.g.: Matlab, R, KNIME, etc.) sempre mantenendo un elevato livello di rigore matematico. All'interno del corso verranno ricordate le nozioni di base della teoria della Probabilità moderna (e.g.: variabili casuali, le loro distribuzioni e principali proprietà statistiche, teoremi di convergenza e applicazioni), con particolare attenzione ai processi stocastici fondamentali (e.g. : catene di Markov, processi di nascita e morte, teoria della code con applicazioni del mondo reale) e le loro applicazioni all'interno di scenari del mondo reale e caratterizzati dalla presenza di big data e serie temporali correlate. Al termine del corso lo studente dovrà dimostrare di: -conoscere le basi formali della teoria della probabilità -saper utilizzare i concetti di variabile aleatoria (tanto in ambito discreto che continuo) -saper sviluppare modelli basati su modelli probabilistici noti, e.g., v.a. binomiali, di Poisson, Gaussiane, misture di Gaussiane, etc. -aver compreso e saper utilizzare la teoria di base dei processi stocastici, con particolare riferimento alla teoria delle catene di Markov (a tempo discreto e continuo), ai processi di nascita e morte ed applicazioni correlate -conoscere e saper utilizzare i concetti di base in ambito statistico descrittivo ed inferenziale

Programma

1. Probabilità, condizionamento e indipendenza. 2. Variabili aleatorie e distribuzioni. Distribuzioni discrete. Valor medio e varianza. Distribuzioni continue. 3. Vettori aleatori. Indipendenza di variabili aleatorie. Covarianza e correlazione. 4. Teoremi limite: legge dei grandi numeri e teorema del limite centrale. Approssimazione normale. 5. Vettori aleatori normali. 6. Catene di Markov a tempo discreto. Metodi Markov Chain Monte Carlo. 7. Processi di Poisson ed elementi di teoria delle code. Catene di Markov a tempo continuo.

Modalità d'esame

L'esame di profitto consta di una prova scritta, in cui verrà richiesto di risolvere alcuni esercizi, seguita da un colloquio orale durante il quale bisognerà dimostrare un'adeguata conoscenza dei contenuti trattati nello scritto. La prova scritta può essere passata superando due prove intermedie durante il semestre o superando un appello ordinario durante una sessione d'esame. L'esame di profitto è valutato fino ad un massimo di 30 punti e per superarlo si deve ottenere una votazione di almeno 18/30. ***Durante lo svolgimento delle prove d'esame è categoricamente vietato l'uso di qualsiasi strumento di intelligenza artificiale. L'integrità accademica richiede di dimostrare personalmente il proprio livello di apprendimento, poiché solo attraverso l'elaborazione autonoma e lo sforzo critico è possibile acquisire le competenze oggetto di valutazione.***
Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Testi di riferimento

Vai alla bibliografia Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Codice insegnamento 4S009077

Programming and database 1° anno · 12 CFU · INFO-01/A · 0 file

Il corso si articola come segue [Modulo Programmazione] Scopo del modulo è fornire competenze e conoscenze in programmazione in Python, dando i concetti di base di algoritmo con particolare riferimento all’utilizzo del…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si articola come segue [Modulo Programmazione] Scopo del modulo è fornire competenze e conoscenze in programmazione in Python, dando i concetti di base di algoritmo con particolare riferimento all’utilizzo del linguaggio Python (sintassi, strutture dati, data import/export in Python, data visualization in Python) e sue applicazioni in ambito data science [Modulo di Basi di dati] Il corso si propone di fornire le competenze necessarie per la progettazione e analisi dei dati in funzione dei requisiti con riferimento a diversi contesti applicativi e nell'ambito del processo di produzione di sistemi software; per la gestione e fruizione efficace ed efficiente dei dati e per lo studio di un sistema per la gestione di basi di dati relazionali al fine di creare, gestire e interrogare basi di dati e data warehouse. Al termine del corso lo studente dovrà dimostrare di: 1. saper sviluppare codice Python per risolvere esempi concreti 2. conoscere sintassi e semantica del linguaggio utilizzato 3. saper manipolare e visualizzare dati usando librerie come Numpy, Pandas e Matplotlib 4. conoscere le basi di: gestione di basi di dati; architettura e funzionalità di un sistema per la gestione di basi di dati; concetti di indipendenza fisica, indipendenza logica, persistenza, concorrenza, affidabilità, interrogazione e aggiornamento di una base di dati; vantaggi di un sistema per la gestione di basi di dati rispetto al file system di un sistema operativo 5. saper progettare concettualmente basi di dati, e.g., modelli concettuali per il progetto dei dati; il modello Entità-Relazione (E-R); elementi del modello E-R: entità, attributi, relazioni, gerarchie di generalizzazione e vincoli di cardinalità; lo schema concettuale di una base di dati 6. conoscere le basi della progettazione logica di una base di dati: modelli dei dati per i sistemi di gestione di basi di dati; il modello relazionale; definizioni di relazione, vincoli di integrità e schema relazionale; lo schema logico di una base di dati; regole per la traduzione di schemi concettuali in schemi relazionali 7. comprendere i meccanismi di interazione con una base di dati: introduzione ai linguaggi per la definizione, modifica e interrogazione di una base di dati; l’algebra relazionale; ottimizzazione di espressioni dell'algebra; il linguaggio SQL; il costrutto di selezione (Select-From-Where), interrogazioni nidificate, ordinamento e raggruppamento dei dati in SQL; il concetto di vista 8. saper progettare concettualmente e logicamente un data warehouse dopo aver integrato i dati (approcci GAV E LAV) e conoscere la differenza tra procedure OLTP e OLAP 9. conoscere le principali caratteristiche dei nuovi modelli NoSQL e saper scegliere quale modello scegliere in base all'applicazione da sviluppare

Programma

Il corso di articola in due moduli: ------------------------ Programming ------------------------ 1. Introduzione allo sviluppo del software - Riepilogo della programmazione procedurale - Notebook Jupyter, Python - Analisi dei requisiti del prodotto software 2. Analisi dei dati - Caricamento di dati strutturati e non strutturati - Manipolazione dei dati con Numpy e Pandas - Visualizzazione dei dati con Matplotlib 3. Scientific computing - NumPy e l'ecosistema open source Python in generale - Introduzione a Sklearn 4. OOP - Fondamenti di OOP - OOP nei prodotti open source - Riprogettazione della programmazione procedurale 5. Operazionalizzazione - Operazionalizzazione con Notebook - Operazionalizzazione con Streamlit ------------------------ Database ------------------------ 1. INTRODUZIONE AL CORSO 1. Il sistema informativo nell'azienda 2. Caratteristiche dei DBMS e concetto di transazione 3. Utenti, strumenti e moduli di un DBMS 4. Sistema Informativo e Data Science 2. TEORIA RELAZIONALE 1. Il modello relazionale dei dati, sua definizione (informale e formale) e concetti fondamentali 2. Algebra relazionale: operazioni unarie e binarie 3. Interrogazioni in algebra relazionale e loro ottimizzazione 3. LINGUAGGI PER BASI DI DATI 1. Introduzione a SQL: standardizzazione di SQL, domini SQL, vincoli e semplice definizione di tabelle 2. SQL come DDL: integrità referenziale, definizione di schemi e loro modifica, cataloghi relazionali 3. Interrogazioni SQL semplici, interrogazioni con ordinamenti e raggruppamenti, Interrogazioni SQL complesse 4. Comandi di modifica e viste in SQL 5. Aspetti evoluti del DDL: indici e vincoli di integrità generici, controllo dell'accesso, viste e controllo dell'accesso 4. PROGETTAZIONE DI BASI DI DATI 1. Fasi della progettazione 2. Le astrazioni nella progettazione dei dati 3. Il modello Entità-Relazioni: definizione, associazioni, identificatori e gerarchie, proprietà delle gerarchie 4. Progettazione logica: fasi del progetto logico, eliminazione delle gerarchie, gestione degli identificatori, gestione degli attributi, gestione delle associazioni, normalizzazione (cenni) 5. SISTEMI DI SUPPORTO ALLE DECISIONI 1. Datawarehouse 2. Progettazione di Datawarehouse su dati integrati (approcci GAV e LAV) 3. Interrogazioni OLAP 6. CENNI SUI MODELLI DI DATI NO-SQL

Modalità d'esame

Per superare l'esame del modulo di Programmazione, gli studenti devono affrontare una prova pratica (circa 2 ore), eventualmente integrata da un orale a discrezione del docente, che metterà alla prova le loro conoscenze di programmazione Python e, più in particolare, la loro competenza con le librerie approfondite durante il corso. Gli studenti che raggiungeranno un punteggio di almeno 28/30 al test avranno l'opportunità di ottenere altri 3 punti con un progetto di analisi dei dati e una breve presentazione. Questa parte è completamente facoltativa. L’esame del modulo di Basi di Dati prevede una prova scritta di due ore, eventualmente integrata da un orale a discrezione del docente, contenente alcune domande aperte di teoria, un esercizio sulla progettazione concettuale (modello E-R o schema DFM) e logica (modello relazionale) di una base di dati, e alcuni esercizi su interrogazioni in SQL su una base di dati assegnata.
Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Codice insegnamento 4S009064

Final exam 2° anno · 21 CFU · 0 file

Recensioni del corso

Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.

★

Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.