000132R - BIG DATA PER L'INTELLIGENZA ARTIFICIALE

insegnamento
ID:
000132R
Durata (ore):
48
CFU:
6
SSD:
INFORMATICA
Sede:
PESCARA
Url:
ECONOMICS AND BUSINESS ANALYTICS/INTELLIGENZA ARTIFICIALE PER LE IMPRESE Anno: 2
Anno:
2026
Course Catalogue:
https://unich.coursecatalogue.cineca.it/af/2026?co...

Dati Generali

Periodo di attività

Primo Semestre (17/09/2026 - 14/12/2026)

Syllabus

Obiettivi Formativi

L’obiettivo formativo per lo studente è che raggiunga i seguenti risultati di apprendimento:
Conoscenza e capacità di comprensione
Il corso intende fornire le conoscenze metodologiche e applicative relative ai principali strumenti e metodi per l'analisi di insiemi di dati potenzialmente grandi.
Capacità di applicare conoscenza e comprensione
Al termine del corso di insegnamento, lo studente sarà in grado di analizzare dataset da web, da file e da database, anche di grandi dimensioni.

Prerequisiti


Lo studente deve possedere le conoscenze della statistica di base. È consigliata, anche se non richiesta, una conoscenza di base della programmazione.

Metodi didattici

Lezioni orali.

Verifica Apprendimento

Conoscenza e capacità di comprensione
La verifica dei risultati di apprendimento è effettuata tramite una o più prove scritte (più prove scritte nel caso di effettuazione di prove parziali) ed un colloquio orale (quest’ultimo è facoltativo e/o a discrezione del docente).
Nella prova scritta sono proposti sia esercizi che domande di teoria.
Il colloquio orale (facoltativo e/o a discrezione del docente) consiste in domande volte ad approfondire alcuni dei temi del programma (anche tra quelli ricompresi nella prova scritta) con la finalità di verificare la capacità dello studente di analizzare aspetti più particolari e specifici.
La valutazione finale, espressa in trentesimi, tiene conto sia della/e prova/e scritta/e che del colloquio orale.

Capacità di applicare conoscenza e comprensione
Durante le prove d’esame si verifica la capacità degli studenti di applicare le conoscenze fornite dal corso al fine di essere in grado di estrarre, manipolare e analizzare dati da web, da file e da database, anche di grandi dimensioni.

Testi


Appunti del corso

Per ulteriori approfondimenti:
Leskovec, Jure, Anand Rajaraman, and Jeffrey David Ullman.
Mining of massive datasets.
Cambridge University Press, 2014.
Disponibile gratuitamente online: http://www.mmds.org/

Contenuti

- Introduzione al fenomeno dei Big Data
- Metodologie per Big data
- Data mining
- Machine learning and Neural Networks

Lingua Insegnamento

Italiano

Corsi

Corsi

ECONOMICS AND BUSINESS ANALYTICS 
Laurea Magistrale
2 anni
No Results Found

Persone