Vai al contenuto principale
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
Se prosegui nella navigazione del sito, ne accetti le politiche:
  • Condizioni di utilizzo e trattamento dei dati
Prosegui
x
e-Learning - UNIMIB
  • Home
  • Altro
Ascolta questa pagina con ReadSpeaker
Italiano ‎(it)‎
English ‎(en)‎ Italiano ‎(it)‎
 Login
e-Learning - UNIMIB
Home
Percorso della pagina
  1. Area di Scienze
  2. Corso di Laurea Magistrale
  3. Informatica [F1802Q - F1801Q]
  4. Insegnamenti
  5. A.A. 2022-2023
  6. 2° anno
  1. Large Scale Data Management
  2. Introduzione
Insegnamento Titolo del corso
Large Scale Data Management
Codice identificativo del corso
2223-2-F1801Q147
Descrizione del corso SYLLABUS

Syllabus del corso

  • Italiano ‎(it)‎
  • English ‎(en)‎
Esporta

Obiettivi

Lo studente acquisirà competenze relative alle attività di (i) analisi e riconciliazione di sorgenti operazionali eterogenee, (ii) progettazione concettuale relativa alla realizzazione di schemi di fatto, (iii) utilizzo architetture di big data per la gestione dei dati

Contenuti sintetici

Il termine data warehouse si riferisce ai metodi, alle tecniche e strumenti in grado di aggregare ed elaborare i dati di una organizzazione per condurre analisi di tipo strategico. Nella prima parte del corso, erogato in lingua italiana, verranno presentare le metodologie di progettazione e sviluppo di un data warehouse. Nella seconsa parte del corso si approfondiranno le architetture di big data e la loro relazione con le soluzioni di datawarehouse esistenti. Durante il corso verrano presentati esempi reali da parte di aziende.

Programma esteso

1 "Analisi e riconciliazione di sorgenti operazionali eterogenee:

a. tecniche per la comparazione e l’allineamento di schemi concettuali;

b. tecniche per integrazione e ristrutturazione di schemi concettuali.

2 Progettazione concettuale relativa alla realizzazione di schemi di fatto:

a. il Dimensional Fact Model come modello concettuale grafico per la definizione di

schemi di fatto;

b. metodologia per la definizione di schemi di fatto a partire da schemi E-R.

3 Big data, architetture di ETL e storage per datawarehouse

a. architetture data lake

b. prodotti disponibili per attività di ETL e storage

c. data processing

d. Architetture per dati in near real time

e. Gestione di grafi

Prerequisiti

Conoscenze di base sulla progettazione di basi di dati. Conoscenza del modello entità-relazione (E-R)

Modalità didattica

Lezioni frontali ed esercitazioni in lingua italiana

Materiale didattico

Matteo Golfarelli e Stefano Rizzi. Data Warehouse – Teoria e pratica della progettazione (seconda edizione). McGraw-Hill.

Periodo di erogazione dell'insegnamento

primo semestre

Modalità di verifica del profitto e valutazione

sviluppo di un progetto di datawarehousing o di big data analisys e relativa discussione

Orario di ricevimento

Giovedi dalle 10 alle 11 edificio U14 stanza 2062

Sustainable Development Goals

IMPRESE, INNOVAZIONE E INFRASTRUTTURE
Esporta

Aims

The student will acquire competences related to the following activities: (i) analysis and reconciliation of heterogeneous data sources, (ii) definition of schemas of fact, (iii) big data techniques

Contents

Data warehouse refers to the set of methods, techniques, and tools able to integrate and manage data of a given organization for supporting strategic decision. In the first part of the course, provided in Italian, it will be shown design and develop methodolodology of data warehouse. In the second part of the course the big data architecture and its relationship with data warehouse will be discuss. A number of real cases presented by companies will complete the course

Detailed program

1 Analysis and reconciliation of heterogeneous operational data:

a. techniques for the comparison and for the alignment of conceptual schemas;

b. techniques for the integration and for the restructuring of conceptual schemas.

2 Conceptual design related to the definition of fact schemas:

a. the Dimensional Fact Model as a graphical conceptual model for the definition of fact schemas;

b. a methodology for the definition of fact schemas starting from E-R schemas.

3 Big data, ETL architecture and storage for datawarehouse

a. data lake architecture

b. ETL and storage tools

c. Data processing

d. Near real time architecture

e. Graph management

Prerequisites

Basic knowledge on database design. Knowledge of the Entity-Relationship (E-R) model.

Teaching form

lessons and exercises in Italian

Textbook and teaching resource

Matteo Golfarelli e Stefano Rizzi. Data Warehouse – Teoria e pratica della progettazione (seconda edizione). McGraw-Hill.

Semester

first semester

Assessment method

design and development of a small datawarehouse or a big data analysis project

Office hours

Thursday 10-11 building U14 room 2062

Sustainable Development Goals

INDUSTRY, INNOVATION AND INFRASTRUCTURE
Entra

Scheda del corso

Settore disciplinare
ING-INF/05
CFU
6
Periodo
Primo Semestre
Tipo di attività
Obbligatorio a scelta
Ore
48
Tipologia CdS
Laurea Magistrale
Lingua
Italiano

Staff

    Docente

  • AM
    Andrea Maurino
  • CV
    Claudio Venturini

Opinione studenti

Vedi valutazione del precedente anno accademico

Bibliografia

Trova i libri per questo corso nella Biblioteca di Ateneo

Metodi di iscrizione

Iscrizione spontanea (Studente)
Iscrizione manuale

Obiettivi di sviluppo sostenibile

IMPRESE, INNOVAZIONE E INFRASTRUTTURE - Costruire una infrastruttura resiliente e promuovere l'innovazione ed una industrializzazione equa, responsabile e sostenibile
IMPRESE, INNOVAZIONE E INFRASTRUTTURE

Non sei collegato. (Login)
Politiche
Ottieni l'app mobile
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy
  • Accessibilità
  • Statistiche