Nuova ricerca    Stampa scheda

Tecnologie per i Sistemi Informativi (IA)
Technologies for Information Systems
Claudia Diamantini

Sede Ingegneria
A.A. 2016/2017
Crediti 9
Ore 72
Periodo II
Lingua ITA

Prerequisiti
Modelli e linguaggi per basi di dati relazionali, elementi di algebra e logica, elementi di probabilità e statistica

Risultati di apprendimento attesi
CONOSCENZE E COMPRENSIONE:
L’insegnamento permette agli studenti di acquisire conoscenze avanzate sulla gestione e analisi di dati in ambienti centralizzati e distribuiti. In particolare: modelli logici, architetture e metodologie per il progetto e la gestione di grandi moli di dati (Big Data) nei moderni sistemi informativi distribuiti, comprendendo i vantaggi e i limiti delle diverse soluzioni; tecnologie per la gestione di basi di dati sia in un contesto centralizzato che distribuito; modelli e tecniche per la Business Intelligence e l'analisi di dati (modello multidimensionale e analisi OLAP, DataWarehouse, tecniche di Data Mining).
CAPACITA' DI APPLICARE LE CONOSCENZE:
Lo studente sarà in grado di utilizzare e configurare in maniera avanzata sistemi di gestione di basi di dati, progettare e gestire la distribuzione dei dati nella maniera più congeniale al particolare contesto applicativo, garantendo efficienza, flessibilità, autonomia e contenimento dei costi, estrarre conoscenza dai dati analizzando criticamente la qualità dei risultati ottenuti.
COMPETENZE TRASVERSALI:
Lo sviluppo di un progetto, che verrà svolto in piccoli gruppi, e che porterà alla stesura di una relazione e alla relativa presentazione, contribuirà a migliorare sia il grado di autonomia di giudizio sia la capacità comunicativa che deriva anche dal lavoro in gruppo dello studente. Insieme allo studio basato su materiali diversi questo contribuirà anche sviluppare le sue capacità di apprendimento in autonomia e di sintesi.

Programma
- Tecnologie per la gestione centralizzata dei dati: memorizzazione ed organizzazione dei dati su memoria secondaria, architettura di un DBMS, gestione delle interrogazioni, gestione delle transazioni. - Architetture per la gestione di dati in sistemi informativi distribuiti: architettura dei DBMS distribuiti, frammentazione e allocazione, livelli di trasparenza, cenni al progetto della distribuzione dei dati. Architettura dei DBMS federati, integrazione di basi di dati. - Tecnologie per la gestione distribuita dei dati: gestione delle interrogazioni e delle transazioni in ambienti distribuiti. Gestione di Big Data in sistemi cloud: modelli NoSQL, replicazione e inconsistenza, CAP theorem. - Business Intelligence e Data Analytics: architettura di un datawarehouse, modello multi-dimensionale e analisi OLAP, progettazione di data warehouse, tecniche di Data Mining.

Modalità di svolgimento dell'esame
METODI DI VALUTAZIONE DELL'APPRENDIMENTO
La valutazione del livello di apprendimento degli studenti consiste in due prove: - lo sviluppo di un progetto o tesina nel quale lo studente approfondisce uno degli argomenti del corso. Il progetto può essere svolto in gruppi, composti al massimo da tre studenti. Per lo sviluppo dei progetti sono previste revisioni periodiche nelle quali è richiesto agli studenti di svolgere una presentazione orale dei risultati del progetto, e la stesura di una relazione che documenta le attività svolte e i risultati ottenuti. - una prova orale, consistente nella esposizione di concetti e basi teoriche su uno o più temi trattati nel corso. Le due prove possono essere effettuate in qualsiasi ordine.

CRITERI DI VALUTAZIONE DELL'APPRENDIMENTO
Per superare con esito positivo la valutazione dell'apprendimento, lo studente deve dimostrare, attraverso le prove prima descritte, di aver ben compreso i concetti esposti nel corso sulle tecnologie per la gestione di sistemi informativi e deve dimostrare capacità di approfondimento e rielaborazione personale, capacità critica e di problem solving nella esecuzione delle attività di progetto.

CRITERI DI MISURAZIONE DELL'APPRENDIMENTO
Durante le prove viene valutato il grado di completezza ed approfondimento raggiunto nella conoscenza e comprensione delle problematiche. Viene valutata inoltre la capacità di applicare in maniera corretta ed autonoma modelli e metodologie per la risoluzione di problemi.

CRITERI DI ATTRIBUZIONE DEL VOTO FINALE
Sono assegnati un massimo di 6 punti alle attività di natura progettuale/sperimentale e un massimo di 4 punti alle tesine di approfondimento di natura compilativa. Tale punteggio si somma alla votazione conseguita nella prova orale, compresa fra zero e 24, per un voto complessivo in trentesimi. Perché l'esito complessivo della valutazione sia positivo, lo studente deve conseguire almeno 15 punti nella prova orale, dimostrando una livello di conoscenza e comprensione sufficiente sugli argomenti esposti, e una votazione maggiore di zero nel progetto, legata al raggiungimento degli obiettivi fissati. La valutazione massima è raggiunta dimostrando una conoscenza approfondita dei contenuti del corso e ottime capacità e autonomia di svolgimento del progetto, che deve essere sviluppato in maniera ampia e approfondita. La lode è riservata agli studenti che abbiano dimostrato una particolare brillantezza nella esposizione orale e nello sviluppo del progetto.

Testi consigliati
- P. Atzeni, S. Ceri, S. Fraternali, S. Paraboschi, R. Torlone, “Basi di Dati: architetture e linee di evoluzione“, McGraw-Hill. - M.T. Özsu and P. Valduriez, “Principles of Distributed Database Systems, 3rd edition“, Prentice-Hall - Altro materiale fornito dal docente sul sito del corso ospitato dal learning management system di Ateneo, https://lms.univpm.it

Corsi di laurea

• Ingegneria Informatica e dell'Automazione (Corso di Laurea Magistrale (DM 270/04))