Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Emanuele STORTI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [EM11] DATA SCIENCE PER L'ECONOMIA E LE IMPRESE Master Degree (2 years) - [EM11] DATA SCIENCE FOR ECONOMICS AND BUSINESS
Dipartimento: [040002] Dipartimento Scienze Economiche e SocialiDepartment: [040002] Dipartimento Scienze Economiche e Sociali
Anno di corsoDegree programme year : 2 - Primo Semestre
Anno offertaAcademic year: 2021-2022
Anno regolamentoAnno regolamento: 2020-2021
Obbligatorio
Crediti: 6
Ore di lezioneTeaching hours: 44
TipologiaType: C - Affine/Integrativa
Settore disciplinareAcademic discipline: ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
ITALIANO
Italian
La conoscenza di database relazionali e NoSQL è auspicabile.
Knowledge of relational and NoSQL databases is recommended.
La durata del corso è di 44 ore, così distribuite:
- Lezioni di teoria: 32 ore
- Brainstorming: 6 ore
- Laboratori: 6 ore
The duration of the course is 44 hours divided as follows:
- Theory lessons: 32 hours
- Brainstorming sessions; 6 hours
- Labs: 6 hours
L’insegnamento ha la finalità di consentire allo studente di acquisire conoscenze in merito alle principali tecniche e strumenti utilizzati nella gestione dei Big Data.
In particolare, verranno presi in considerazione approcci e strumenti di data management per l'acquisizione di grandi quantità di dati, la loro memorizzazione e processamento, con l'obiettivo di supportare l'organizzazione nella scelta delle soluzioni più adatte in base alle necessità.
Capacità di applicare conoscenze e comprensione.
Al termine del corso, gli studenti avranno appreso le problematiche relative alla gestione dei dati nei contesti applicativi moderni, con particolare riferimento ai limiti delle tecnologie tradizionali, e sapranno individuare gli approcci e le soluzioni tecnologiche più adatte alla gestione di Big Data in ambito organizzativo.
Competenze trasversali.
Il corso include, oltre alle lezioni frontali, sessioni di brainstorming. Questo favorisce lo sviluppo di varie competenze trasversali, quali una comunicazione efficace, capacità di ascolto e la capacità, da parte degli studenti, di confrontarsi tra loro e con scenari molto stimolanti.
Knowledge and Understanding.
This course aims at allowing students to acquire knowledge about the main techniques and tools used in Big Data management. In particular, it will focus on data management methods and tools for data ingestion, data storage and processing, with the goal to support organizations in choosing the most suitable solutions based on their needs.
Capacity to apply Knowledge and Understanding.
At the end of the course, students will have learned the problems related to data management in modern application contexts, with particular reference to the limits of traditional technologies, and will be able to identify the most suitable technological approaches and solutions for managing Big Data in an organizational context.
Transversal Skills.
Along with lessons, the course include brainstorming sessions. This favors the developmoent of various transversal skills, such as effective communication, listening capability and the capability of dealing with very challenging scenarios.
- Introduzione ai Big Data
- Le tecnologie prima dei Big Data ed i loro limiti: DBMS relazionali, Data Warehouses e database NoSQL
- Data Lakes
- Introduzione al Cloud Computing
- Big Data Management:
- Big Data Storage
- Hadoop e Spark
- Introduction to Big Data
- Technologies before Big Data: relational DBMS, Data Warehouses and NoSQL databases
- Data Lakes
- Introduction to Cloud Computing
- Big Data Management:
- Big Data Storage
- Hadoop e Spark
L'esame consiste in una prova orale sugli argomenti del corso.
Criteri di valutazione dell'apprendimento.
Per superare l’esame lo studente deve dimostrare di aver compreso i concetti fondamentali del corso e di aver acquisito competenze sulle scelte tecnologiche relative alla gestione di Big Data.
La valutazione massima è attribuita agli studenti che dimostrano 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 dipende dalla padronanza sugli argomenti del corso che lo studente dimostrerà durante la prova orale.
Learning Evaluation Methods.
The exam consist in an oral test covering the course topics.
Learning Evaluation Criteria.
To pass the exam, students must prove that they have understood the fundamental concepts of the course and have acquired skills in choosing the proper technological solutions for a Big Data problem.
The highest evaluation is given to students who demonstrate a thorough knowledge of the contents of the course, methodological rigor and appropriateness of the technical vocabulary.
Learning Measurement Criteria.
A vote out of thirty is attributed with possible honors
Final Mark Allocation Criteria.
The overall score depends on the knowledge of the topics of the course that the student will show during the oral exam.
[Data warehouse] Matteo Golfarelli, Stefano Rizzi. ”Data Warehouse: Teoria e pratica della progettazione”, McGraw-Hill Italia
[Big Data] Alan Nugent et al. “Big Data for Dummies”, John Wiley & Sons
[Big Data] Nathan Marz & James Warren. “Big Data: Principles and Best Practices of Scalable Realtime Data Systems“, Manning Publications (per approfondire)
[Data warehouse] Matteo Golfarelli, Stefano Rizzi. ”Data Warehouse: Teoria e pratica della progettazione”, McGraw-Hill Italia
[Big Data] Alan Nugent et al. “Big Data for Dummies”, John Wiley & Sons
[Big Data] Nathan Marz & James Warren. “Big Data: Principles and Best Practices of Scalable Realtime Data Systems“, Manning Publications (more technical)
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2021-2022
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427