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.
Tipologia di Attività formativa D e F
Le attività formative di tipologia D sono a scelta dello studente, quelle di tipologia F sono ulteriori conoscenze utili all’inserimento nel mondo del lavoro (tirocini, competenze trasversali, project works, ecc.). In base al Regolamento Didattico del Corso, alcune attività possono essere scelte e inserite autonomamente a libretto, altre devono essere approvate da apposita commissione per verificarne la coerenza con il piano di studio. Le attività formative di tipologia D o F possono essere ricoperte dalle seguenti attività.
1. Insegnamenti impartiti presso l'Università di Verona
Comprendono gli insegnamenti sotto riportati e/o nel Catalogo degli insegnamenti (che può essere filtrato anche per lingua di erogazione tramite la Ricerca avanzata).
Modalità di inserimento a libretto: se l'insegnamento è compreso tra quelli sottoelencati, lo studente può inserirlo autonomamente durante il periodo in cui il piano di studi è aperto; in caso contrario, lo studente deve fare richiesta alla Segreteria, inviando a carriere.scienze@ateneo.univr.it il modulo nel periodo indicato.
2. Attestato o equipollenza linguistica CLA
Oltre a quelle richieste dal piano di studi, per gli immatricolati dall'A.A. 2021/2022 vengono riconosciute:
- Lingua inglese: vengono riconosciuti 3 CFU per ogni livello di competenza superiore a quello richiesto dal corso di studio (se non già riconosciuto nel ciclo di studi precedente).
- Altre lingue e italiano per stranieri: vengono riconosciuti 3 CFU per ogni livello di competenza a partire da A2 (se non già riconosciuto nel ciclo di studi precedente).
Tali cfu saranno riconosciuti, fino ad un massimo di 6 cfu complessivi, di tipologia F se il piano didattico lo consente, oppure di tipologia D. Ulteriori crediti a scelta per conoscenze linguistiche potranno essere riconosciuti solo se coerenti con il progetto formativo dello studente e se adeguatamente motivati.
Gli immatricolati fino all'A.A. 2020/2021 devono consultare le informazioni che si trovano qui.
Modalità di inserimento a libretto: richiedere l’attestato o l'equipollenza al CLA e inviarlo alla Segreteria Studenti - Carriere per l’inserimento dell’esame in carriera, tramite mail: carriere.scienze@ateneo.univr.it
3. Competenze trasversali
Scopri i percorsi formativi promossi dal TALC - Teaching and learning center dell'Ateneo, destinati agli studenti regolarmente iscritti all'anno accademico di erogazione del corso https://talc.univr.it/it/competenze-trasversali
Modalità di inserimento a libretto: non è previsto l'inserimento dell'insegnamento nel piano di studi. Solo in seguito all'ottenimento dell'Open Badge verranno automaticamente convalidati i CFU a libretto. La registrazione dei CFU in carriera non è istantanea, ma ci saranno da attendere dei tempi tecnici.
4. Contamination lab
Il Contamination Lab Verona (CLab Verona) è un percorso esperienziale con moduli dedicati all'innovazione e alla cultura d'impresa che offre la possibilità di lavorare in team con studenti e studentesse di tutti i corsi di studio per risolvere sfide lanciate da aziende ed enti. Il percorso permette di ricevere 6 CFU in ambito D o F. Scopri le sfide: https://www.univr.it/clabverona
ATTENZIONE: Per essere ammessi a sostenere una qualsiasi attività didattica, incluse quelle a scelta, è necessario essere iscritti all'anno di corso in cui essa viene offerta. Si raccomanda, pertanto, ai laureandi delle sessioni di dicembre e aprile di NON svolgere attività extracurriculari del nuovo anno accademico, cui loro non risultano iscritti, essendo tali sessioni di laurea con validità riferita all'anno accademico precedente. Quindi, per attività svolte in un anno accademico cui non si è iscritti, non si potrà dar luogo a riconoscimento di CFU.
PROCEDURA PER IL RICONOSCIMENTO DELL'ATTIVITA' LAVORATIVA COME CREDITI DI STAGE
Come previsto da delibera del collegio didattico di Matematica e Data Science n°8 -23/24, lo studente che intende farsi riconoscere ore di attività lavorativa come crediti di stage, prima dell'inizio dell'attività, è tenuto ad inviare all'indirizzo mail della segreteria studenti e in copia conoscenza alla commissione pratiche studenti (paolo.daipra@univr.it, luca.dipersio@univr.it, barbara.gaudenzi@univr.it) esplicita richiesta. Nella richiesta va specificato il tipo di attività, nome dell’azienda e sede lavorativa e ore/crediti di cui si sta chiedendo il riconoscimento.
Affinché l'attività sia riconoscibile è d'obbligo che si sia svolta durante gli anni di iscrizione al corso di studi. Una volta accertata la coerenza tra l'attività lavorativa in essere e gli obiettivi del corso, lo studente riceverà tempestiva comunicazione dalla commissione pratiche studenti con in copia conoscenza la segreteria.
Al termine del periodo lavorativo stabilito, lo studente invia alla segreteria studenti la seguente documentazione:
- relazione finale dettagliata che viene inoltrata alla commissione per l’approvazione finale (firmata dallo studente e da un referente aziendale);
- una dichiarazione del legale rappresentante dell'azienda/ente e/o documentazione atta a dimostrare la tipologia di attività professionale e l'impegno orario ad essa dedicato.
La segreteria studenti provvederà all'invio della documentazione ricevuta alla commissione pratiche studenti e alla registrazione dei CFU (taf F ed eventuali ulteriori crediti taf D) deliberati dalla commissione stessa.
Insegnamenti e altre attività che si possono inserire autonomamente a libretto valide per l'a.a. 2024/25
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Elementi di Cosmologia e Relatività generale | D |
Claudia Daffara
(Coordinatore)
|
1° 2° | Introduzione alla meccanica quantistica per il quantum computing | D |
Claudia Daffara
(Coordinatore)
|
1° 2° | Linguaggio programmazione Python [English edition] | D |
Carlo Combi
(Coordinatore)
|
1° 2° | Progettazione di app REACT | D |
Graziano Pravadelli
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Linguaggio programmazione Python [Edizione in italiano] | D |
Carlo Combi
(Coordinatore)
|
1° 2° | Sfide di programmazione | D |
Romeo Rizzi
(Coordinatore)
|
1° 2° | Tutela dei beni immateriali (SW e invenzione) tra diritto industriale e diritto d’autore | D |
Mila Dalla Preda
(Coordinatore)
|
anni | Insegnamenti | TAF | Docente |
---|---|---|---|
1° 2° | Mathematics mini courses |
Giacomo Albi
(Coordinatore)
|
Business analytics (2024/2025)
Codice insegnamento
4S008099
Docente
Coordinatore
Crediti
6
Offerto anche nei corsi:
- Business analytics del corso Laurea magistrale in Data Science (LM-91)
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
SECS-P/10 - ORGANIZZAZIONE AZIENDALE
Periodo
II semestre dal 3 mar 2025 al 13 giu 2025.
Corsi Singoli
Autorizzato
Obiettivi di apprendimento
Il presente corso si propone di far conoscere agli studenti il concetto e le tecniche inerenti al Business Analytics, ma anche il nuovo ruolo del “Business Analyst” all’interno dell’organizzazione. Prendendo a riferimento i KPIs (Key Process Indicators), derivanti dai processi aziendali precedentemente definiti attraverso il linguaggio BPMN, si procederà all’analisi ed alla valutazione in real-time degli stessi per poter creare dei report o delle dashboard di supporto al processo decisionale. I dati oltre ad essere utilizzati per il processo decisionale, per la parte operativa, serviranno anche per meglio allineare le componenti POPITTM al business model aziendale. Al termine del corso lo studente dovrà dimostrare di: - saper condurre analisi in ambito Business Intelligence - ricavare informazione strutturata dai dati in funzione di specifiche di progetto - analizzare soluzioni ad alto livello per rispondere a dettagliate esigenze di mercato - essere in grado di utilizzare strumenti software e modelli matematici in ambito predictive analytics
Prerequisiti e nozioni di base
Non sono previsti dei prerequisiti
Programma
Il corso intende fornire agli studenti i concetti fondamentali per la lettura e l’analisi dei dati aziendali, al fine di generare dei modelli predittivi per supportare il processo decisionale. Nello specifico nel corso verranno affrontate le seguenti tematiche:
1. La gestione delle informazioni ed il DataWare House
2. Tecniche di Data Modelling
3. Tecniche di Data Integration
4. Data Platform
5. Gli strumenti di Business Intelligence
6. La strutturazione delle informazioni e analisi dei dati storici
7. Data Quality
8. DataOps
9. I modelli aziendali per l’analisi predittiva
Bibliografia
Modalità didattiche
Oltre alle lezioni frontali durante il corso sarà dato spazio all'analisi e discussione di casi sviluppati dagli studenti.
Durante tutto l’anno accademico, inoltre, è disponibile il servizio di ricevimento individuale gestito dal docente, negli orari indicati sulle pagine web (mandando una email per fissare appuntamento) e costantemente aggiornati.
Modalità di verifica dell'apprendimento
L'esame consiste in una prova scritta.
Si invitano gli studenti a consultare gli avvisi in Moodle. Il test sarà composto da tre domande aperte.
A discrezione del docente saranno valutate anche altre modalità di verifica dell'apprendimento.
Criteri di valutazione
Le domande sono strutturate in maniera tale da verificare il livello di conoscenza dei temi riguardanti la business analysis. Allo stesso tempo sono studiate al fine di testare le capacità di interpretazione delle principali problematiche legate al problem-solving.
Criteri di composizione del voto finale
3 domande
Lingua dell'esame
English