- Human and Social Sciences
- Master's Degree in DATA SCIENCE FOR THE HUMAN AND SOCIAL SCIENCES
- Data analysis and big data
Data analysis and big data
- Teaching in italian
- Analisi dei dati e big data
- Teaching
- Data analysis and big data
- Subject area
- ING-INF/05
- Reference degree course
- DATA SCIENCE FOR THE HUMAN AND SOCIAL SCIENCES
- Course type
- Master's Degree
- Credits
- 6.0
- Teaching hours
- Frontal Hours: 36.0
- Academic year
- 2023/2024
- Year taught
- 2024/2025
- Course year
- 2
- Language
- ITALIAN
- Curriculum
- Data Analytics
- Reference professor for teaching
- MARRA Massimo
Teaching description
conoscenza di base della programmazione
Gli studenti acquisiranno un solido background relativo alle basi della gestione dei big data e dei sistemi informativi:
Acquisiranno le competenze per pensare in modo analitico, creativo e critico, sviluppando capacità di astrazione e problem solving per affrontare sistemi complessi.
Acquisiranno una conoscenza di base della progettazione e realizzazione di sistemi di gestione dei big data.
Devono avere gli strumenti per progettare database transazionali e analitici applicati a diversi contesti.
Devono avere le capacità di argomentare i dati in diversi scenari e gli strumenti per gestirli, insieme alla comprensione del loro impatto.
Applicazione della conoscenza e comprensione: dopo il corso lo studente dovrebbe essere in grado di:
- Descrivere il modello e i framework di un sistema informativo; illustrare i principali componenti di un sistema informativo sia dalla prospettiva tecnica che applicativa.
- Distinguere tra modelli concettuali, logici e fisici nella gestione dei big data.
- Modellare sistemi di elaborazione delle transazioni online (OLTP) da una prospettiva di big data, distinguendo tra modelli concettuali, relazionali e fisici.
- Modellare sistemi di elaborazione analitica online (OLAP) dal punto di vista dei dati, distinguendo tra modelli concettuali, logici e fisici, essendo in grado di descrivere le relazioni tra di essi e i processi.
- Visualizzare i dati in modo appropriato.
Capacità di giudizio: gli studenti sono guidati ad avvicinarsi criticamente agli argomenti trattati durante la lezione, a confrontare diverse soluzioni a un problema, a individuare e proporre in modo autonomo la soluzione più efficace o efficiente.
Comunicazione: gli studenti devono imparare a comunicare con pubblici eterogenei, spiegando la propria posizione in modo logico, coerente ed efficace.
Lezione frontale, lavori di gruppo
Orale
- Database, database relazionali
- DataBase Management Systems;
- Modello ER, Modello relazionale, algebra relazionale, normalizzazione e qualità dei modelli relazionali;
- SQL: data definition and manipulation;
- Fondamenti di Human-data Interaction;
- Aspetti architetturali: Client-server, peers, architetture a servizi, architetture per l’edge e il cloud
- Principali argomenti dei Sistemi Informativi: Piramide di Anthony
- Applicazioni aziendali, OLTP e OLAP
- Definizione e ciclo di vita del Data Warehouse
- Modellazione dei sistemi di elaborazione analitica dei dati
- Strumenti per la visualizzazione dei dati
- Introduzione ai big data e alla pipeline di elaborazione dei big data
- Database NoSQL
“Fundamentals of Database Systems", 7th Edition, Elmasri, Navathe, Addison-Wesley
M. Golfarelli, S. Rizzi, Data Warehouse Design: modern principles and methodologies, McGraw-Hill Education, 2021
Balamurugan Balusamy, Nandhini Abirami R, Amir H. Gandomi, Big Data: Concepts, Technology, and Architecture,John Wiley & Sons Inc; 1. edizione
Semester
First Semester (dal 23/09/2024 al 17/01/2025)
Exam type
Compulsory - Characterizing
Type of assessment
Oral - Final grade
Course timetable
https://easyroom.unisalento.it/Orario