DALMINE
Dati Generali
Periodo di attività
Syllabus
Obiettivi Formativi
Il corso di Gestione, Analisi e Rappresentazione Dati fornisce agli studenti le conoscenze e gli strumenti per gestire, analizzare e rappresentare dati strutturati in diversi contesti applicativi, con particolare riferimento all'ambito manifatturiero. Il corso integra l'utilizzo di strumenti commerciali (ad esempio Tableau) e di linguaggi e librerie open source (ad esempio Knime ).
Al termine del corso, lo studente sarà in grado di:
● descrivere le principali fasi del processo di analisi di un dataset strutturato;
● preparare i dati identificando outlier e gestendo dati mancanti;
● applicare i principali algoritmi di machine learning per problemi di regressione, classificazione e clustering;
● utilizzare strumenti commerciali e open source per la gestione, l'analisi e la visualizzazione dei dati;
● selezionare gli strumenti più appropriati in funzione del contesto applicativo e delle risorse disponibili;
● progettare un flusso di analisi dei dati che comprenda raccolta, analisi e rappresentazione;
● sviluppare dashboard interattive a supporto dei processi decisionali.
Prerequisiti
Basi di informatica
Basi di statistica
Metodi didattici
La didattica si svolge attraverso lezioni frontali ed esercitazioni, favorendo la partecipazione attiva degli studenti. Il materiale didattico comprende slide, codice di esempio e letture di approfondimento. Le slide costituiscono un supporto alle lezioni e possono essere integrate con ulteriori contenuti durante la discussione in aula.
La password per accedere al materiale disponibile sulla piattaforma e-learning viene comunicata durante la prima lezione. Gli studenti impossibilitati a partecipare sono invitati a richiederla al docente via e-mail.
Durante il corso, i docenti:
● presentano i principi e i metodi della gestione, analisi e rappresentazione dei dati mediante lezioni teoriche ed esempi applicativi;
● guidano esercitazioni pratiche e tutorial utilizzando strumenti software per l'analisi e la visualizzazione dei dati;
● presentano il project work, definendone obiettivi, risultati attesi e criteri di valutazione;
● forniscono feedback agli studenti durante lo sviluppo del progetto.
Durante il corso, gli studenti:
● partecipano attivamente alle lezioni e alle esercitazioni attraverso domande e discussioni;
● applicano i concetti e gli strumenti appresi per risolvere esercizi e casi di studio;
● sviluppano, in gruppo, un project work finalizzato all'analisi e alla rappresentazione di dati;
● utilizzano il feedback dei docenti per migliorare progressivamente il proprio elaborato.
Verifica Apprendimento
La verifica dell'apprendimento si basa sullo sviluppo e sulla discussione di un project work, finalizzato all'analisi di un dataset e alla progettazione di una dashboard interattiva.
Per superare l'esame, gli studenti dovranno:
● sviluppare, in gruppi da 3 a 5 studenti, un caso di studio applicando i metodi e gli strumenti presentati durante il corso;
● consegnare i file contenenti le analisi svolte utilizzando uno degli strumenti software trattati;
● presentare il progetto illustrando la strategia di analisi adottata, le fasi di preparazione e analisi dei dati e le scelte progettuali effettuate. La discussione orale ha una durata indicativa di 30 minuti per gruppo.
● Ad ogni studente del gruppo verranno poste una o più domande di teoria. Il voto finale è individuale e non di gruppo.
L'utilizzo di strumenti di Intelligenza Artificiale è consentito, purché sia dichiarato in modo trasparente nei materiali consegnati e durante la presentazione. Gli studenti dovranno indicare gli strumenti utilizzati, descriverne le modalità d'impiego e motivarne il contributo al progetto, condividendo, ove richiesto, i prompt o le interazioni utilizzate. Un utilizzo non trasparente o non adeguatamente giustificato sarà considerato improprio e comporterà l'annullamento dell'esame.
Per tutti gli aspetti non esplicitamente disciplinati, si applicano le Linee Guida di Ateneo sull'utilizzo dell'Intelligenza Artificiale.
Le modalità di esame sono le stesse per studenti frequentanti e non frequentanti. Gli studenti non frequentanti sono invitati a contattare il docente per concordare eventuali materiali integrativi.
Il docente si riserva la facoltà di richiedere un colloquio orale integrativo, anche successivamente alla prova scritta, qualora lo ritenga necessario per verificare l'effettivo raggiungimento dei risultati di apprendimento previsti dal corso e la corretta attribuzione della valutazione.
Lo studente che consegue una votazione pari o inferiore a 9/30 nella prova scritta non può sostenere l'appello immediatamente successivo. La stessa regola si applica allo studente iscritto a un appello che risulti assente senza giustificazione. Il ritiro prima del termine della prova scritta non comporta invece l'obbligo di saltare l'appello successivo.
Contenuti
Il corso introduce i principi della gestione, analisi e rappresentazione dei dati, con l'obiettivo di sviluppare le competenze necessarie per progettare dashboard interattive a supporto dei processi decisionali in ambito manifatturiero e produttivo. Attraverso l'utilizzo di strumenti commerciali (ad esempio Tableau) e open source (ad esempio Knime e le relative librerie), gli studenti acquisiscono la capacità di selezionare e applicare gli strumenti più appropriati in funzione del contesto applicativo.
I contenuti del corso sono articolati nei seguenti moduli:
● principi di gestione, analisi e visualizzazione dei dati e definizione di una pipeline di data analytics;
● fondamenti di Business Intelligence e utilizzo di strumenti per la realizzazione di query, grafici e dashboard;
● principi di progettazione di dashboard orientate ai diversi utenti e contesti decisionali;
● introduzione a Knime
● preparazione dei dati, inclusa la gestione di outlier e dati mancanti;
● tecniche di trasformazione ed estrazione di informazioni dai dati;
● fondamenti di machine learning per regressione, classificazione e clustering;
● sviluppo e valutazione di dashboard interattive, con attenzione a usabilità, leggibilità e coerenza delle informazioni rappresentate.