Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
2° Anno Attivato nell'A.A. 2021/2022
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
1 module among the following (1st year: Big Data epistemology and Social research; 2nd year: Cybercrime, Data protection in business organizations, Comparative and Transnational Law & Technology)2 courses among the following (1st year: Business analytics, Digital Marketing and market research; 2nd year: Logistics, Operations & Supply Chain, Digital transformation and IT change, Statistical methods for Business intelligence)2 courses among the following (1st year: Complex systems and social physics, Discrete Optimization and Decision Making, 2nd year: Statistical models for Data Science, Continuous Optimization for Data Science, Network science and econophysics, Marketing research for agrifood and natural resources)2 courses among the following (1st year: Data Visualisation, Data Security & Privacy, Statistical learning, Mining Massive Dataset, 2nd year: Machine Learning for Data Science)Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Programming and database (2020/2021)
Codice insegnamento
4S009064
Crediti
12
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
L'insegnamento è organizzato come segue:
Programming
Database
Obiettivi formativi
Il corso si articola come segue
[Modulo Programmazione]
Scopo del modulo è fornire competenze e conoscenze in programmazione in Python ed R, dando i concetti di base di algoritmo con particolare riferimento all’utilizzo del linguaggio Python (sintassi, strutture dati, data import/export in Python, data visualization in Python) e sue applicazioni in ambito data science
[Modulo di Basi di dati]
Il corso si propone di fornire le competenze necessarie per la progettazione dei dati in funzione dei requisiti con riferimento a diversi contesti applicativi e nell'ambito del processo di produzione di sistemi software;
per la gestione e fruizione efficace ed efficiente dei dati e per lo studio di un sistema per la gestione di basi di dati relazionali al fine di creare, gestire e interrogare basi di dati.
Al termine del corso lo studente dovrà dimostrare di:
● saper sviluppare codice Python per risolvere esempi concreti
● saper valutare algoritmi in termini di complessità in tempo e spazio
● conoscere sintassi e semantica del linguaggio utilizzato
● conoscere le basi di: gestione di basi di dati; architettura e funzionalità di un sistema per la gestione di basi di dati; concetti di indipendenza fisica, indipendenza logica, persistenza, concorrenza, affidabilità, interrogazione e aggiornamento di una base di dati; vantaggi di un sistema per la gestione di basi di dati rispetto al file system di un sistema operativo
● saper progettare concettualmente basi di dati, e.g., modelli concettuali per il progetto dei dati; il modello Entità-Relazione (E-R); elementi del modello E-R: entità, attributi, relazioni, gerarchie di generalizzazione e vincoli di cardinalità; lo schema concettuale di una base di dati
● conoscere le basi della progettazione logica di una base di dati: modelli dei dati per i sistemi di gestione di basi di dati; il modello relazionale; definizioni di relazione, vincoli di integrità e schema relazionale; lo schema logico di una base di dati; regole per la traduzione di schemi concettuali in schemi relazionali
● comprendere i meccanismi di interazione con una base di dati: introduzione ai linguaggi per la definizione, modifica e interrogazione di una base di dati; l’algebra relazionale; ottimizzazione di espressioni dell'algebra; il linguaggio SQL; il costrutto di selezione (Select-From-Where), interrogazioni nidificate, ordinamento e raggruppamento dei dati in SQL; il concetto di vista.
Bibliografia
| Attività | Autore | Titolo | Casa editrice | Anno | ISBN | Note |
|---|---|---|---|---|---|---|
| Programming | Cay Horstmann; Rance D. Necaise | Concetti di informatica e fondamenti di Python (Seconda edizione) (Edizione 2) | Maggioli Editore | 2019 | 9788891635433 | |
| Programming | Sarah Guido, Andreas C. Müller | Introduction to Machine Learning with Python (Edizione 1) | O'Reilly Media, Inc. | 2016 | 9781449369880 | |
| Database | Paolo Atzeni, Stefano Ceri, Stefano Paraboschi and Riccardo Torlone | Database Systems - Concepts, Languages and Architectures | McGraw Hill | Pdf Available on line: http://dbbook.dia.uniroma3.it/ | ||
| Database | Matteo Golfarelli, Stefano Rizzi | Data Warehouse Design: Modern Principles and Methodologies | McGraw-Hill Education - Europe | 2009 |
