Guida degli insegnamenti

Syllabus

Partially translatedTradotto parzialmente
[W001054] - LABORATORIO DI BIG DATA ANALYTICSLABORATORIO DI BIG DATA ANALYTICS
Domenico URSINO
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [IM12] INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE Master Degree (2 years) - [IM12] COMPUTER AND AUTOMATION ENGINEERING
Anno di corsoDegree programme year : 2 - Primo Semestre
Anno offertaAcademic year: 2018-2019
Anno regolamentoAnno regolamento: 2017-2018
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: D - A scelta dello studente
Settore disciplinareAcademic discipline: ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI

LINGUA INSEGNAMENTO LANGUAGE

Italiano

Italian


PREREQUISITI PREREQUISITES

Conoscenza di base relativa ai database e alla Big Data Analytics

Basic knowledge about databases and Big Data Analytics


MODALITÀ DI SVOLGIMENTO DEL CORSO DEVELOPMENT OF THE COURSE

La durata del corso è di 72 ore così suddivise:

Lezioni di Teoria: 24 ore

Esercitazioni: 24 ore

Brainstorming e seminari: 24 ore

The duration of the course is 72 hours divided as follows:

Theory lessons: 24 hours

Exercises: 24 hours

Brainstorming and seminars: 24 hours


RISULTATI DI APPRENDIMENTO ATTESI LEARNING OUTCOMES
Conoscenze e comprensione.

L’insegnamento ha la finalità di consentire allo studente di completare le conoscenze, acquisite presso il corso di Big Data Analytics, in merito alle metodologie, ai modelli e alle tecniche di analisi di grandi moli di dati per l’estrazione di informazioni e conoscenza.

Una particolare enfasi verrà posta nella realizzazione di progetti per l’analisi dei dati utilizzando i tool che, al momento dell’erogazione del corso, risultano essere i leader del mercato sulla base di valutazioni oggettive, quali i Magic Quadrant di Gartner.

Il corso proseguirà con lo studio dei sistemi SIEM (Security Information and Event Management) e di un tool leader del mercato in tale contesto.

Infine, il corso si completerà con lo studio della Social Network Analysis e del Cognitive Reasoning.


Capacità di applicare conoscenze e comprensione.

Lo studente sarà in grado di lavorare in team con altri colleghi al fine di effettuare un progetto per condurre analisi descrittive, diagnostiche e predittive sui dati attraverso più tool concorrenti leader del mercato, un progetto che preveda l’utilizzo di un sistema SIEM e un elaborato che preveda la descrizione di semplici esperienze nel contesto della Social Network Analysis e del Cognitive Reasoning.

Durante il corso sono previste delle sessioni di brainstorming e dei seminari in cui responsabili tecnici di importanti aziende illustreranno l’utilizzo nel loro contesto lavorativo dei tool studiati.


Competenze trasversali.

Il corso è fortemente basato sulla realizzazione di progetti in gruppo e sul brainstorming. Questo favorisce lo sviluppo di varie competenze trasversali, quali la capacità di lavorare in gruppo, la gestione dei conflitti, la comunicazione efficace, la capacità di ascolto e di sintesi di idee differenti.

La necessità di elaborare dati provenienti da contesti eterogenei (quali quelli economici, finanziari, medici, etc.) favorirà, inoltre, la capacità, da parte degli studenti, di confrontarsi con scenari molto differenti da quelli classici dell’ingegneria dell’informazione, consentendo loro di sperimentare in anticipo un modus operandi tipico del mondo del lavoro.


Knowledge and Understanding.

This course aims at allowing students to complete their knowledge (acquired in the course of Big Data Analytics) about the methodologies, the models and the techniques for the analysis of large amounts of data for the extraction of information and knowledge.

A particular emphasis will be placed in the realizationof projects for the analysis of data by exploiting tools that (when the course will be delivered) are considered the market leaders on the basis of objective evaluations, such as the ones provided by Gartner’s Magic Quadrants.

This course will continue with the study of SIEM (Security Information and Event Management) systems and the study of a market-leading tool in this context.

Finally, this course terminates with the study of Social Network Analysis and Cognitive Reasoning.


Capacity to apply Knowledge and Understanding.

The student will be able to work in a team with other colleagues to carry out a project to perform descriptive, diagnostic and predictive analysis on data through different market-leading tools, a project requiring the exploitation of a SIEM system and a report describing simple experiences in the context of Social Network Analysis and Cognitive Reasoning.

Some brainstorming sessions will be organized during the course, as well as some seminars where technical managers of major companies will illustrate the usage, in their job context, of the tools studied.


Transversal Skills.

This course is strongly based on the realization of projects to be carried out in groups and on brainstorming. This method favors the development of several transversal skills such as the capability of working in a team, conflict management, effectivecommunication, listening capability and of synthesize different ideas.

The necessity to process data coming from heterogeneous contexts (such as the economic, financial and medical ones) will also favor the capability of dealing with scenarios very different from the ones typical of information engineering. This will allow them to experience in advance a modus operandi typical of the job’s world.



PROGRAMMA PROGRAM

Lezioni di Teoria:

Richiami di Big Data Analytics (0.5 CFU)

Richiami di tecniche di analisi statistica e di Machine Learning (0.5 CFU)

I Sistemi SIEM - Security Information and Event Management (1.5 CFU)

Il Cognitive Computing (1.5 CFU)

La Social Network Analysis (0.5 CFU)

Esercitazioni

Un tool di Big Data Analytics Descrittiva e Diagnostica: QLik Sense (0.5 CFU)

Un tool di Big Data Analytics Descrittiva, Diagnostica e Predittiva: Tableau (0.5 CFU)

Un tool di Data Analysis Descrittiva, Diagnostica, Predittiva e Prescrittiva: Microsoft PowerBI e suo interfacciamento con R (1.5 CFU)

Un tool di SIEM: Splunk (1 CFU)

Un tool di Cognitive Computing: IBM Watson (0.5 CFU)

Un tool di Social Network Analysis: Gephi (0.5 CFU)

Theory Lessons:

Big Data Analytics Recalls (0.5 ECTs)

Recalls of Statistical Analysis and Machine Learning techniques (0.5 ECTs)

The SIEM - Security Information and Event Management - Systems (1.5 ECTs)

Cognitive Computing (1.5 ECTs)

Social Network Analysis (0.5 ECTs)

Exercises:

A tool for Descriptive and Diagnostic Big Data Analytics: Qlik Sense (0.5 ECTs)

A tool for Descriptive, Diagnostic and Predictive Big Data Analytics: Tableau (0.5 ECTs)

A tool for Descriptive, Diagnostic, Predictive and Prescriptive Big Data Analytics: Microsoft PowerBI and its interfacing with R (1.5 ECTs)

A tool for SIEM: Splunk (1 ECT)

A Cognitive Computing tool: IBM Watson (0.5 ECTs)

A Social Network Analysis tool: Gephi (0.5 ECTs)


MODALITÀ DI SVOLGIMENTO DELL'ESAME DEVELOPMENT OF THE EXAMINATION
Modalità di valutazione dell'apprendimento.

L’esame prevede la realizzazione di alcune tesine e una prova orale in cui si discuteranno le tesine realizzate e verranno approfonditi gli aspetti teorici che ad esse si riferiscono.

Le tesine, da svolgersi in gruppo, richiederanno l’utilizzo di Qlik Sense, Tableau, PowerBI, Splunk, Watson e Gephi per estrarre conoscenza da uno o più insiemi di dati reali provenienti da contesti scelti dagli studenti.

Durante il corso verranno condotte delle sessioni di brainstorming dove ciascun gruppo presenterà il proprio lavoro e gli altri gruppi potranno intervenire per osservazioni, suggerimenti, etc.


Criteri di valutazione dell'apprendimento.

Per superare l’esame lo studente deve dimostrare, attraverso i progetti, di aver compreso i concetti fondamentali del corso e di aver acquisito competenze sui tool di Data Analytics descrittiva, diagnostica, predittiva e prescrittiva, di log mining, di cognitive reasoning e di social network analysis.

La valutazione massima è attribuita agli studenti che dimostrano un’ottima conoscenza dei tool, un’ottima capacità di costruire dei progetti che utilizzino tali tool, un’approfondita conoscenza dei contenuti dell’insegnamento, rigore metodologico ed appropriatezza del vocabolario tecnico.


Criteri di misurazione dell'apprendimento.

Viene attribuito un voto in trentesimi con eventuale lode


Criteri di attribuzione del voto finale.

Il voto complessivo dipende principalmente dalla qualità dei progetti e dal contributo che lo studente dimostrerà di aver dato ad essi nonché dalla padronanza sugli argomenti del corso che lo studente dimostrerà durante la prova orale.


Learning Evaluation Methods.

The exam includes the realization of some projects and an oral test in which the realized projects will be discussed in such a way as to deepen the theoretical aspects that refer to them.

Projects, to be realized in groups, will require the use of Qlik Sense, Tableau, PowerBI, Splunk, Watson and Gephi to extract knowledge from one or more sets of real data from contexts chosen by students.

During the course several brainstorming sessions will be conducted, where each group will present its project and the other groups can intervene for comments, suggestions, etc.


Learning Evaluation Criteria.

To pass the exam, students must prove, through their projects, that they have understood the fundamental concepts of the course and have acquired skills in the tools of descriptive, diagnostics, predictive and prescriptive Data Analytics, log mining, cognitive reasoning and social network analysis.

The highest evaluation is given to students who demonstrate an excellent knowledge of tools, an excellent ability to build projects that use these tools, a thorough knowledge of the contents of the course, methodological rigor and appropriateness of the technical vocabulary.


Learning Measurement Criteria.

A score in thirtieths is given, possibly cum laude


Final Mark Allocation Criteria.

The overall score depends mainly on the quality of the projects, on the contribution that the student will provide to their realization, as well as on the knowledge of the topics of the course that the student will show during the oral exam.



TESTI CONSIGLIATI RECOMMENDED READING

T. Erl, W. Khattak, P. Buhler, “Big Data Fundamentals – Concepts, Drivers & Techniques”, Prentice Hall, 2015.

D. R. Miller, S. Harris, A. A. Harper, S. VanDyke, C. Blask, “Security Information and Event Management (SIEM) Implementation”, McGraw Hill, 2011

J. Hurwitz, M Kaufman, A. Bowles, “Cognitive Computing and Big Data Analytics”, Prentice Hall, 2015

M. Tsvetovat, A. Kouznetsov, “Social Network Analysis for Startups”, O’Reilly, 2011

Dispense fornite dal docente

Materiale didattico disponibile sul sito https://learn.univpm.it/course/view.php?id=7855

T. Erl, W. Khattak, P. Buhler, “Big Data Fundamentals – Concepts, Drivers & Techniques”, Prentice Hall, 2015.

D. R. Miller, S. Harris, A. A. Harper, S. VanDyke, C. Blask, “Security Information and Event Management (SIEM) Implementation”, McGraw Hill, 2011

J. Hurwitz, M Kaufman, A. Bowles, “Cognitive Computing and Big Data Analytics”, Prentice Hall, 2015

M. Tsvetovat, A. Kouznetsov, “Social Network Analysis for Startups”, O’Reilly, 2011

Notes provided by Professor

Educational material available on the site https://learn.univpm.it/course/view.php?id=7855


E-LEARNING E-LEARNING

No

No


Scheda insegnamento erogato nell’A.A. 2018-2019
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento.
Academic year 2018-2019

 


Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427