Course Syllabus

Export

Acquisire conoscenze relative alle problematiche tipiche degli ambienti fortemente urbanizzati,
alle metodologie di formalizzazione di tali problematiche e agli strumenti per il trattamento di dati geolocalizzati.

  • Cos'è la smart city?
  • Conoscere i big data che vengono generati dalla smart city.
  • Le principali problematiche e come la data science può aiutare a costruire una città più sostenibile e più vivibile
  • Le sfide che ci attendono

Imparare a riconoscere la Smart City
Architettura di riferimento della smart City
Problematiche principali:

  • Modellazione delle caratteristiche socio-economiche e culturale dei vari quartieri della città
  • Analisi dei trend del traffico cittadino e previsione a breve termine, identificazione delle aree problematiche
  • Analisi dei pattern di parcheggio, previsione a breve termine
  • Analisi e stima della domanda di energia elettrica
  • Ottimizzazione delle facility cittadine (allocazione della ambulanze, assegnazione di bambini alle scuole)

Nozioni di statistica, machine learning e linguaggio Python

Lezioni frontali, analisi di articoli scientifici, laboratorio

Slides e appunti forniti dai docenti

Secondo semestre

L'esame sarà composto da due prove:

  • questionario con domande aperte e chiuse per valutare la conoscenza degli argomenti del corso
  • progetto di gruppo con valutazione personale per testare la capacità di affrontare problemi pratici

Si riceve su appuntamento da concordare via e-mail

Export

To acquire knowledge related to problems typical of highly urbanized environments, to the methodologies for formalizing these problems, and to the tools for processing geolocated data.

  • What is the smart city?
  • Learn about the big data generated by the smart city
  • The main issues and how data science can help build a more sustainable and livable city
  • The challenges ahead

What is the smart city? Reference architecture of the smart city.
Key issues:

  • Modeling the socio-economic and cultural characteristics of the city's neighborhoods.
  • Analysis of city traffic trends and short-term forecasting, identification of problematic zones
  • Analysis of parking patterns, short-term forecasting
  • Analysis and estimation of electricity demand
  • Optimization of city facilities (ambulance allocation, allocation of children to schools)

Notions of statistics, machine learning, and Python programming language

Lectures, analysis of scientific articles, laboratory

Slides and notes provided by lecturers

Second semester

The examination will consist of two tests:

  • questionnaire with open and closed questions to assess knowledge of course topics
  • group project with personal assessment to test the ability to deal with practical problems

Received by appointment to be arranged by e-mail

Enter

Key information

Field of research
INF/01
ECTS
6
Term
Second semester
Activity type
Mandatory to be chosen
Course Length (Hours)
46
Degree Course Type
2-year Master Degreee
Language
English

Staff

    Teacher

  • Alberta Argia Andreotti
    Alberta Argia Andreotti
  • Michele Ciavotta
    Michele Ciavotta

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments
Self enrolment (Student)