conoscenza informatica di base

Il corso affronta l’origine, le proprieta’ e le sfide legate alla gestione dei "big data" in ambito aziendale, nonche’ fondamenti di progettazione ed implementazione di basi di dati relazionali.

Principali argomenti trattati nel corso:

• Dal sistema informativo, al sistema informatico.
• Processo e architettura di knowledge discovery, data mining.
• Origine dei big data e loro caratterizzazione (6V).
• Esempi di Big data: aziendali, scientifici e social.
• Sistemi client-server e protocolli di comunicazione.
• Modello dei dati, database, DBMS.
• Tipologie di database e use case applicativi.
• Modello relazionale e algebra relazionale
• Structured Query Language (SQL).
• Progettazione concettuale e logica di una base di dati.

Il corso illustra l’origine e le proprieta’ dei "big data" e le sfide legate alla loro gestione in ambito aziendale, dalla loro rappresentazione, memorizzazione, all’accesso, fino (con dei cenni) all’estrazione di conoscenza. Il corso offre fondamenti legati al modello relazionale per la gestione di basi di dati a livello aziendale.

 

Knowledge and understanding. Gli studenti dovranno:

• avere un solido background sulle caratteristiche principali dei sistemi informativi e per la gestione dei dati:

• avere le basi per pensare in modo analitico, creativo e criticamente ed essere in grado di creare astrazioni e competenze di problemi solving per trattare i sistemi complessi

• avere le competenze base per disegnare e implementare i sistemi di gestione dei dati

• avere gli strumenti per disegnare i database transazionali applicati ai diversi contesti

• avere le competenze per distinguere i dati nei diversi scenari, gli strumenti per gestirli e valutare l'impatto

Applying knowledge and understanding. Alla fine del corso gli studenti saranno in grado di:

• descrivere e modellare i dati secondo l’approccio relazionale di sistemi informativi aziendali

• illustrare i principali componenti e le attività relative alla gestione dei dati aziendali

• illustrare il paradigma dei Big data e le tecniche di gestione relative

Making judgements. Gli studenti sono guidati a trattare criticamente i temi trattati in classe, per confrontare le diverse soluzioni al problema, identificare e proporre la soluzione più efficace ed efficiente in modo autonomo.
Communication. Gli studenti devono imparare a comunicare con audience eterogenei, difendendo la loro posizione in modo coerente, efficace e logico. Durante il corso sarà presentato il vocabolario specifico del dominio e i metodi e la conoscenza per esporre ed argomentare in modo preciso e formale i principali temi legati alla gestione dei dati e ai sistemi informativi
Learning skills. Gli studenti devono acquisire le abilità critiche per relazionarsi autonomamente con i problemi tipici della gestione dei dati, anche in vista di successivi studi dottorali o per approfondire la cultura personale e professionale. Perciò gli studenti dovrebbero essere in grado di passare autonomamente da un approccio di apprendimento a un altro in base alle diverse sorgenti a disposizione, gli obiettivi e il target da raggiungere.

Convenzionale con lezioni frontali ed esercitazioni

Progetto e orale

Il progetto  dovra’ essere preventivamente concordato con il docente e potra’ essere svolto in gruppi da 2, massimo 3, persone. In casi eccezionali si potra’ concordare col docente un progetto svolto da un singolo studente. La relazione inerente il progetto dovra’ essere consegnata almeno un giorno prima della prova orale, via email. La prova orale consistera’ nella discussione del progetto elaborato dal gruppo; saranno, inoltre, verificate individualmente le conoscenze inerenti il programma del corso.

"Lo studente, disabile e/o con DSA, che intende usufruire di un intervento individualizzato per lo svolgimento della prova d’esame deve contattare l'ufficio Integrazione Disabili dell'Università del Salento all'indirizzo paola.martino@unisalento.it"

Le modalità di esame e i testi di riferimento indicati valgono sia per gli studenti frequentanti sia per gli studenti non frequentanti.

Si rimanda alla pagina: http://www.economia.unisalento.it/536

Orario di ricevimento: Martedi dalle 11.00 alle 12.30 e Giovedi dalle 9.30 alle 11.00.

Per concordare un appuntamento in un orario/giornata differente, contattare il docente per email o alla fine delle lezioni il martedi e giovedi.

Principali argomenti trattati nel corso:

• Dal sistema informativo, al sistema informatico.
• Processo e architettura di knowledge discovery, data mining.
• Origine dei big data e loro caratterizzazione (6V).
• Esempi di Big data: aziendali, scientifici e social.
• Sistemi client-server e protocolli di comunicazione.
• Modello dei dati, database, DBMS.
• Tipologie di database e use case applicativi.
• Modello relazionale e algebra relazionale
• Structured Query Language (SQL).
• Progettazione concettuale e logica di una base di dati.

 

Testo di riferimento del corso:

 

[1] Basi di dati. Con Connect

Paolo Atzeni, Stefano Ceri, Piero Fraternali, Stefano Paraboschi, Riccardo Torlone

 

Principali capitol trattati:

1. Introduzione (capitolo completo)

2. Il modello relazionale (capitolo completo) 

3. Algebra e calcolo relazionale (solo paragrafi indicati)

   3.1 Algebra relazionale

4. SQL: concetti basi (solo paragrafi indicati)

   4.1 Definizione dei dati in SQL

   4.2 Interrogazioni in SQL

   4.3 Manipolazione dei dati in SQL

5. SQL: caratteristiche evolute (solo paragrafi indicati)

   5.6 Transazioni

6. Metodologie e modelli per il progetto (solo paragrafi indicati)

   6.1 Introduzione alla progettazione

   6.2 Il Modello Entita'-Relazione

   6.3 Documentazione di Schemi E-R

7. La progettazione concettuale (solo paragrafi indicati)

   7.1 La raccolta e l'analisi dei requisiti

   7.2 Criteri generali di rappresentazione

   7.3 Strategie di progetto

   7.4 Qualita' di uno schema concettuale

   7.5 Una metodologia generale

   7.6 Un esempio di progettazione concettuale

8. La progettazione logica (solo paragrafi indicati)

   8.2 Ristrutturazione di schemi E-R (solo parti spiegate a lezione: 8.2.2 e 8.2.3 (attributi multivalore))

   8.3 Traduzione verso il modello relazionale

 

In aggiunta, per alcuni concetti introduttivi su data mining e basi di dati:

[2] Data Mining, Concepts and Techniques, J. Han and M. Kamber

 

Capitoli:

1. Introduzione (dispense consegnate a lezione)

Basi di dati. Con Connect

Paolo Atzeni, Stefano Ceri, Piero Fraternali, Stefano Paraboschi, Riccardo Torlone