DATA MANAGEMENT

Questo corso elettivo di 6 ECTS è insegnato nella fascia "affine/integrativa" nel percorso "Economics, markets and finance" erogato nel secondo periodo didattico. Il corso è un'introduzione alla gestione del "big data" attraverso database relazionali e strumenti di analisi/visualizzazione dei dati. L'obiettivo della disciplina "data management" è quello di estrarre efficacemente i dati grezzi, organizzarli in un database e, infine, manipolarli e analizzarli attraverso adeguati strumenti di manipolazione e visualizzazione dei dati. Questo corso ha una forte componente pratica che ha l'obiettivo di introdurre gli studenti alla gestione dei dati utilizzando python. Particolare attenzione sarà dedicata allo studio dei database relazionali e delle librerie python per l'analisi e la visualizzazione dei dati.

Al termine del corso, lo studente sarà in grado di gestire grandi moli di dati e analizzarle a fini predittivi usando strumenti di basi di dati e data visualization. L'obiettivo del corso sarà di fornire allo studente un quadro complessivo dell'attuale stato dell'arte sul tema e sui suoi possibili sviluppi. I risultati di apprendimento attesi si dividono in:

1. Conoscenza e comprensione:
Al termine del corso, lo studente sarà in grado di riconoscere le tecniche di data management più adatte ad affrontare specifiche problematiche.

2. Capacità di applicare conoscenza e comprensione:
Al termine del corso lo studente sarà in grado di applicare le tecniche di data management apprese (Python pandas e librerie di analisi e visualizzazione dei dati) per risolvere problemi tipici di analisi e gestione di grosse quantita` di dati.

3. Capacità di giudizio:
Al termine del corso lo studente sarà in grado di applicare le conoscenze acquisite durante il corso per:
- progettare database efficienti su grandi moli di dati.
- filtrare i dati estraendo l'informazione strettamente necessaria ad individuare relazioni utili di interesse.
- visualizzare i risultati dell'analisi tramite strumenti professionali di visualizzazione dei dati (Python pandas e Seaborn).

Nessun requisito specifico.

Basi di dati:
- Introduzione alle basi di dati
- Algebra relazionale
- Diagrammi entità/relazioni
- Applicazione dei principi appresi in Python con la libreria Pandas

Analisi dei dati:
- Pulizia e preparazione dei dati
- Riassumere e visualizzare i dati
- Alcuni algoritmi per l'estrazione di informazioni
- Estrazione di informazioni dalle reti

- Database Systems: The Complete Book, Hector Garca-Molina, Jeffrey Ullman, and Jennifer Widom. Pearson Prentice Hall.
- Mathematical statistics and data analysis. John A. Rice. Cengage Learning.
- Python for Data Analysis. Wes McKinney. O'Reilly Media.

L'esame del corso consiste in un esame scritto di 120 minuti. L'esame consisterà in due parti. In una prima parte (30 minuti), si risolveranno esercizi di programmazione al computer. Nella seconda parte (90 minuti) risponderai a domande riguardanti il materiale teorico del corso.

scritto

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

28-30L: lo studente padroneggia gli argomenti presentati nel corso;
è in grado di pensare in modo computazionale e di gestire e analizzare i dati;
la sua esposizione è molto chiara e accademica

26-27: lo studente ha una buona conoscenza degli argomenti presentati nel corso;
riesce generalmente a pensare in modo computazionale e a gestire e analizzare i dati;
la sua esposizione è molto chiara

24-25: lo studente non conosce in modo approfondito tutti gli argomenti presentati nel corso;
riesce per lo più a ragionare in modo computazionale e a gestire e analizzare i dati;
la sua esposizione è chiara

22-23: lo studente ha una conoscenza per lo più superficiale degli argomenti presentati nel corso;
solitamente riesce a ragionare in modo computazionale e a gestire e analizzare i dati;
la sua esposizione non è sempre chiara

18-21: lo studente ha una conoscenza molto superficiale degli argomenti presentati nel corso;
ha problemi a pensare in modo computazionale e a gestire e analizzare i dati;
la sua esposizione è confusa

Lavagna e laboratori pratici.