TECHNOLOGIES FOR ADVANCED PROGRAMMING

INF/01 - 9 CFU - 2° semestre

Docenti titolari dell'insegnamento

SEBASTIANO BATTIATO
Email: battiato@dmi.unict.it
Edificio / Indirizzo: Dipartimento di Matematica e Informatica - Viale Andrea Doria 6
Telefono: +390957383206
Orario ricevimento: Consultare il sito web del docente (See personal home page)
GIOVANNI GIUFFRIDA
Email: ggiuffrida@dmi.unict.it
Edificio / Indirizzo: Palazzo Reburdone, Viale Vittorio Emanuele 8 I Piano
Telefono: 095 70305265
Orario ricevimento: Mercoledì 10-13


Obiettivi formativi

L’importanza del dato per la definizione delle strategie di sviluppo aziendale è oggi stata compresa dalle aziende in qualsiasi settore. Ciò porta ad una cultura di “data science” che si sta sempre più formando in ambito aziendale. Le aziende (ormai quasi tutte “digitali”) producono quindi database di enormi dimensioni che crescono giornalmente e che devono quindi essere analizzati e compresi per supportare le nuove strategie “data driven”.

Il modello relazionale dei dati purtroppo non è in grado di supportare al meglio i bisogni odierni di “data processing” e di conseguenza si assiste ad un proliferare di tecnologie che vengono rapidamente adottate dall’industria e che comunque tendono, altrettanto rapidamente, a scomparire. Queste tecnologie e strumenti non sono ancora maturi abbastanza e non esistono degli standard di riferimento consolidati. Cosicchè, in questi anni, si assiste ad un “ricambio” frequente di strumenti e tecnologie che diventano obsoleti rapidamente.

Le aziende si trovano così costrette ad un “inseguimento tecnologico” molto costoso rispetto a competenze tecniche e di conoscenza di strumenti e pacchetti software per il trattamento e analisi dei dati in tempo reale. Questo corso vuole colmare tale gap, attraverso una programmazione didattica molto dinamica basata sul contributo seminariale di esperti esterni sulle tecnologie più richieste dal mercato del lavoro. Lo studente, in questo corso, viene così preparato al meglio ai nuovi bisogni tecnologici attuali di un’azienda moderna.

Obiettivi formativi generali dell'insegnamento in termini di risultati di apprendimento attesi.

  1. Conoscenza e capacità di comprensione (knowledge and understanding): l'obiettivo del corso è quello di far acquisire conoscenze che consentano allo studente di comprenderei fondamenti delal disciplina; in particolare lo studente acquisirà le conoscenze delle principali metodologie ( best practice) del settore
  2. Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): lo studente acquisirà le competenze necessarie per approntare e redigere un rapporto tecnico, scegliendo gli apparati più opportuni, realizzando un pinao di lavoro e redigendo una opportuan relazione tecnica. A tale riguardo una parte del corso consisterà in lezioni di laboratorio, con prove pratiche e casi di studio.
  3. Autonomia di giudizio (making judgements): Attraverso esempi concreti derivanti da "comuni errori" nell'analisi e nel preprocessing dei dati, lo studente sarà in grado di elaborare autonomamente soluzioni e ovviare alle principali difficcoltà
  4. Abilità comunicative (communication skills): lo studente acquisirà le necessarie abilità comunicative e di appropriatezza espressiva nell'impiego del linguaggio tecnico nell'ambito.
  5. Capacità di apprendimento (learning skills): il corso si propone, come obiettivo, di fornire allo studente le necessarie metodologie teoriche e pratiche per poter affrontare e risolvere autonomamente nuove problematiche che dovessero sorgere durante una attività lavorativa. A tale scopo diversi argomenti saranno trattati a lezione coinvolgendo lo studente nella ricerca di possibili soluzioni a problemi reali.

Modalità di svolgimento dell'insegnamento

Lezioni Frontali


Prerequisiti richiesti

Nessuno in particolare



Frequenza lezioni

Obbligatoria



Contenuti del corso

E' un corso seminariale. Il contenuto dei seminari viene organizzato di anno in anno in base alle esigenze formative del mercato.



Testi di riferimento

Di volta in votla verranno rese disponbili dai docenti in base alle tecnologie e ai relativi framework utilizzati durante il corso


Altro materiale didattico

Lucidi delle lezioni che verrano rese disponibili su Studium



Programmazione del corso

 ArgomentiRiferimenti testi
1Big Data 
2Tools for data processing 
3Machine Learning basis 


Verifica dell'apprendimento


MODALITÀ DI VERIFICA DELL'APPRENDIMENTO

Prova scritta con quesiti a risposta aperta

Progetto (opzionale) su tematiche di data analysis


ESEMPI DI DOMANDE E/O ESERCIZI FREQUENTI

Tools for data processing

Big Data

Fondamenti di Machine Learning




Apri in formato Pdf English version