Course Syllabus

Export

Modulo Advanced Data Management
L'obiettivo principale del modulo "Advanced Data Management" è quello di introdurre i principali strumenti concettuali, teorici e pratici atti alla gestione del dato. Il modulo si pone, in particolare, tre obiettivi: 1) Fornire agli studenti le basi pratico-teoriche dei sistemi di data management, inclusi temi legati alla distribuzione del dato; 2) Illustrate e introdurre i principali paradigmi di rappresentazione, memorizzazione e manipolazione del dato; 3) Fornire una solida base ai concetti fondamentali al processamento del dato in contesti large-scale.

Alla fine del corso, gli studenti dovrebbero acquisito ed essere in grado di dimostrare la loro conoscenza nei seguenti argomenti (DdD1, DdD4):

  • Basi e principi di design dei sistemi di data management
  • Modelli concettuali, logici e fisici per la rappresentazione e gestione del dato
  • Principi di data management in contesti distribuiti (replicazione, sharding, consenso distribuito, transazioni)
  • Fondamenti di data processing large-scale (MapReduce/Hadoop, Spark)

Dovrebbero inoltre aver acquisito l'abilità di applicare le nozioni impartite in contesti pratici, in particolare (DdD2):

  • Abilità di tradurre requisiti utente in un modello dei dati e sua implementazione
  • Abilità di gestire dati utilizzando diversi linguaggi di query (SQL, Cipher)
  • Abilità di implementare pipeline di gestione e processamento del dato in contesti large-scale, utilizzando strumenti come Apache Spark

Dovrebbero infine aver raggiunto un grado di maturità sufficiente a permettere di comprendere autonomamente gli sviluppi nel settore del data management (DdD5), incluse la capacità di valutare criticamente diverse soluzioni di gestione del dato, loro benefici e limitazioni (DdD3).

Modulo Decision Support Systems
L'obiettivo del corso è duplice: da un lato, introdurre gli studenti ai principali strumenti concettuali e teorici per modellare scelte razionali nel decision-making; dall'altro lato, fornire agli studenti modelli e strumenti che consentano di progettare sistemi di supporto alle decisioni usabili (i.e., efficaci, efficienti e facili da usare) e di valutarli nel mondo reale.

Alla fine del corso, gli studenti dovrebbero aver acquisito ed essere in grado di dimostrare la loro conoscenza nei summenzionati ambiti, in particolare (DdD1, DdD4):
- Modelli e definizioni del decision-making
- Fondamenti teorici del decision-making
- Automazione di processi decisionali
- Dimensioni di qualità dei sistemi di supporto alle decisioni: usabilità, fiducia, dipendenza, compliance, reliance

Dovrebbero inoltre aver acquisito l'abilità di applicare le nozioni acquisite in contesti pratici, in particolare (DdD2):
	- Abilità di definire e analizzare scenari di decision-making
	- Abilità di progettare e valutare sistemi di supporto alle decisioni

Dovrebbero infine aver raggiunto un grado di maturità sufficiente a permettere di comprendere autonomamente gli sviluppi nel settore della scienza delle decisioni (DdD5), incluse la capacità di valutare criticamente diverse soluzioni di supporto alla decisione, loro benefici e limitazioni (DdD3).

Modulo Data Management
Basi di data management moderno
Modelli del dato e query relazionali e NoSQL
Distributed data management
Distributed data processing

Modulo Decision Support Systems
Modelli e definizioni di decisione e decision-making
Razionalità
Elementi di teoria delle decisioni: singolo agente, multi-agente (teoria dei giochi e delle scelte sociali)
Automazione dei processi decisionali: usabilità e user acceptance, trust, dependence, compliance, reliance, biases.

Modulo Data Management
Basi di sistemi di Data Management (lezione erogativa, 1h)
Principi di design di sistemi di Data Management: reliability, scalability, maintainability (lezione erogativa, 1h)
Modelli del dato e linguaggi di query (lezione erogativa, 2h)
- Modelli concettuali (Entity Relationship model)
- Modelli logici (relazionale, key-value, documentale, grafo)
- Modelli fisici
Utilizzo pratico di DBMS relazionali e SQL (lezione di laboratorio, 4h)
Utilizzo pratico di DBMS NoSQL (Redis, MongoDB, Neo4J) (lezione di laboratorio, 4h)
Transazioni e proprietà ACID (lezione erogativa, 4h)
Distributed data management (replicazione, sharding, consenso) (lezione erogativa, 6h)
Distributed data processing (map reduce, Hadoop, Spark) (lezione erogativa, 2h)
Utilizzo pratico di Apache Spark e Map Reduce (lezione di laboratorio, 4h)

Module Decision Support Systems
Tutte le lezioni sono in formato erogativo.

  • Decision Support Systems (16h)
    Modelli e definizioni di decisione e decision-making
    Decisione come preferenza e inferenza
    Naturalistic decision making
    Heuristic decision making
    Razionalità e decision making
    Automazione di processi di decision making
    Livelli e stage di automazione
    Trust e dependence nell'automazione
    Modelli di user acceptance, trust, dependence, compliance (TAM, UTAUT)
    Bias decisionali indotti dall'automazione

  • Elementi di teoria delle decisioni (12h)
    Teoria delle decisioni (razionalità, decisioni in condizioni di ignoranza e di rischio) (3h)
    Teoria dei giochi non-cooperativa (3h)
    Teoria dei giochi coalizionali (3h)
    Teoria delle scelte sociali (3h)

Modulo Data Management
Conoscenza di base del modello relazionale e del linguaggio SQL

Modulo Decision Support Systems
Nozioni di basi di teoria delle probabilità, intelligenza artificiale e sufficiente maturità matematica

Modulo Data Management
Lezioni erogative frontali (16h), esercitazioni di laboratorio computer-based (12h).
Tutte le lezioni vengono svolte in presenza.

Module Decision Support Systems
Lezioni erogative frontali (28h)
Tutte le lezioni vengono svolte in presenza.

Module Data Management
Slide fornite dal docente.

Libri di testo (consigliati)
Designing Data-Intensive Applications. Martin Kleppmann. O'Reilly
Principles of Distributed Database Systems. M. Tamer Ozsu, Patrick Valduriez. Springer

Eventuale materiale aggiuntivo sarà reso disponibile tramite e-learning.

Modulo Decision Support Systems
Slide fornite dal docente.

Libri di testo (consigliati)
An introduction to Decision Theory (Second Edition). Martin Peterson. Cambridge University Press
Multiagent Systems. Algorithmic, Game-Theoretic, and Logical Foundations. Yoav Shoham, Kevin Leyton-Brown. Cambridge University Press

Letture consigliate
Katsikopoulos, K., Simsek, O., Buckmann, M., & Gigerenzer, G. (2020). Classification in the wild. MIT Press
Klein, G. (2022) Snapshots of the Mind. MIT Press
Engineering Psychology and Human Performance, Cristopher D. Wickens, Justin G. Hollands, Simon Banbury, Raja Parasuraman. Psychology Press

Eventuale materiale aggiuntivo sarà reso disponibile tramite e-learning.

Secondo semestre

Modulo Data Management
Il modulo prevede due diverse (esclusive) modalità d'esame, a scelta dello studente (in accordo col docente):

Esame scritto (domande a risposta aperta) sui contenuti del corso.
Gli studenti dovranno rispondere a 5 domande aperte che possono vertere su tutti i contenuti del corso, in cui verrà richiesta una discussione critica circa diversi aspetti dei sistemi di data managemente. Ogni domanda vale fino a 6 punti, valutati sulla base dei seguenti elementi: completezza, correttezza, comunicazione e proprietà linguaggio.

OPPURE

Progetto implementativo relativo agli argomenti del modulo E esame orale sui contenuti del corso.
Il progetto può essere svolto sia individualmente che in piccoli gruppi (2/3 studenti), l'esame orale è individuale.
Il progetto verrà valutato fino a 27 punti sulla base dei seguenti elementi: completezza, correttezza, comunicazione e reporting.
L'esame orale consisterà di tre domande sui contenuti del corso, ciascuna delle quali verrà valutata fion a 3 punti.

Il modulo non prevede prove in itinere.

Modulo Decision Support Systems
Esame scritto (domande a scelta multipla e aperte) sui contenuti del corso (voto massimo 27), progetto originale opzionale (saggio scritto o progetto implementativo) per gli studenti il cui voto nello scritto >= 21 (massimo 4 punti aggiuntivi).

Il modulo non provede prove in itinere.

Modulo Data Management
Su appuntamento.
Module Decision Support Systems
Su appuntamento.

ISTRUZIONE DI QUALITÁ
Export

Module Data Management
The aim of the data management module is to introduce the main conceptual and theoretical tools to manage data. The aim is three-fold: Provide students with the practical and theoretical foundations of data management systems, including issues of data distribution; Illustrate and introduce the main paradigms to structure, store and manipulate data (including both relational and the most important noSQL paradigms); Provide a solid foundation to the basic concepts of large-scale data processing.
At the end of the course, students should have acquired and should be able to prove and communicate sufficient knowledge in the above mentioned topics, in particular (DdD1, DdD4):

  • Data management systems' design principles
  • Conceptual, logical and physical models for data management
  • Data management principles in distributed settings (replication, sharding, distributed consensus solutions, transactions)
  • Foundations of large-scale data processing (MapReduce/Hadoop, Spark)

They should also have acquired the ability to apply the taught notions in practical contexts, in particular (DdD2):

  • Ability to translate user requirements in data models and how to practically implement these latter
  • Ability to practically manage data using different query and data models (SQL, Cipher)
  • Ability to implement large-scale data processing pipeline, using tools such as Apache Spark

Finally, they should have reached a sufficient maturity enabling them to autonomously understand up-to-date development in data-management (DdD5), as well as the capacity to critically evaluate different data management solutions, their benefits and limitations (DdD3).

Module Decision Support Systems
The aim of the course is twofold: on the one hand, to introduce students to the main conceptual and theoretical tools to model rational choices in decision making; on the other hand, to provide students with models and tools to design usable (i.e., effective, efficient and easy-to-use) decision support systems and evaluate them in the real world.

At the end of the course, students should have acquired and should be able to prove sufficient knowledge in the above mentioned topics, in particular (DdD1, DdD4):
- Models and definitions of decision-making
- Theoretical foundations of decision making
- Automation of decision making processes
- Quality dimensions of decision support systems: usability, trust, dependence, compliance, reliance

They should also have acquired the ability to apply the taught notions in practical contexts, in particular (DdD2):
	- Ability to formally define and analyze decision-making scenarios
	- Ability to design decision support systems
	- Ability to evaluate decision support systems

Finally, they should have reached a sufficient maturity enabling them to autonomously understand up-to-date developments in decision-making and related disciplines (DdD5), as well as the capacity to critically evaluate different decision support sytems, their benefits and limitations (DdD3)...

Module Data Management
Basics of modern data management
Relational and NoSQL data and query models
Distributed data management
Distributed data processing

Module Decision Support Systems
Models and definitions of decisions and decision making
Rationality
Elements of formal decision theory: single agent, multi-agent (game theory and social choice theory).
Automation of decision making processes: usability and user acceptance, trust, dependence, compliance, reliance, biases.

Module Data Management
Basics of Data Management systems (erogative lesson, 1h)
Data Management system design principles: reliability, scalability, maintainability (erogative lesson, 1h)
Data models (relational, key-value, document, graph) and query languages (erogative lesson, 2h)
- Conceptual data model (Entity Relationship model)
- Logical data models (relational, key-value, document, graph)
- Physical data models and storing formats
Practical usage of Relational DBMS and SQL (laboratory lesson, 4h)
Practical usage of NoSQL DBMS (Redis, MongoDB, Neo4J) (laboratory lesson, 4h)
Transactions and ACID properties (erogative lesson, 4h)
Distributed data management (replication, sharding, consensus) (erogative lesson, 6h)
Distributed data processing (map reduce, Hadoop, Spark) (erogative lesson, 2h)
Practical usage of Apache Spark and Map Reduce (laboratory lesson, 4h)

Module Decision Support Systems
All lessons are in erogative form.

  • Decision Support Systems (16h)
    Models and definitions of decisions and decision making
    Decision as inference and preference
    Naturalistic decision making
    Heuristic decision making
    Rationality and rational decision making
    Definitions of rational decision
    Normative models
    Descriptive models
    Automation of decision making processes
    Levels and stages of automation
    Trust in, dependence on automation
    Models of user acceptance, trust, dependence, compliance (TAM, UTAUT)
    Decision Biases due to automation

  • Elements of formal decision theory (12h)
    Single-agent decision theory (decision under ignorance and under risk) (3h)
    Non-cooperative game theory (3h)
    Coalitional game theory (3h)
    Social choice theory (3h)

Module Data Management
Basic notion of the relational model, SQL query language

Module Decision Support Systems
Basic notions of probability theory and artificial intelligence, mathematical maturity

Module Data Management
Class-room taught classes (16h), computer-based programming exercises (12h).
All lessons will be held in presence.

Module Decision Support Systems
Class-room taught classes.
All lessons will be in erogative form.
Lessons will be held in presence.

Module Data Management
Slides presented by the teachers.

(Suggested) Textbooks
Designing Data-Intensive Applications. Martin Kleppmann. O'Reilly
Principles of Distributed Database Systems. M. Tamer Ozsu, Patrick Valduriez. Springer

Additional materials, readings and resources will be available on the e-learning platform.

Module Decision Support Systems
Slides presented by the teachers.

(Suggested) Textbooks
An introduction to Decision Theory (Second Edition). Martin Peterson. Cambridge University Press
Multiagent Systems. Algorithmic, Game-Theoretic, and Logical Foundations. Yoav Shoham, Kevin Leyton-Brown. Cambridge University Press

Suggested Readings
Katsikopoulos, K., Simsek, O., Buckmann, M., & Gigerenzer, G. (2020). Classification in the wild. MIT Press
Klein, G. (2022) Snapshots of the Mind. MIT Press
Engineering Psychology and Human Performance, Cristopher D. Wickens, Justin G. Hollands, Simon Banbury, Raja Parasuraman. Psychology Press

Additional materials, readings and resources will be available on the e-learning platform.

2nd semester

Module Data Management
The module has two different (exclusive) exam modalities, that can be selected by the student in accordance with the teacher:

Written exam (open questions) to ascertain understanding of the concepts taught in class.
The students will have to answer to 5 open questions on the contents of the course (all taught contents can be in the exam), where they will be asked to critically discuss different aspects of data management systems. Each question can be graded up to 6 points based on the following requirements: completeness (the student has exhaustively answered to all of the question elements), correctness (the student's answer is correct), communication (the student has demonstrated the ability to think critically about different aspects of the discussed topic).

OR

Project related to the topics of the module AND oral exam to ascertain understanding of the concepts taught in class.
The project can be performed in small groups (up to 2/3 persons, depending on the project) but the oral exam is individual.
The project can be graded up to 27 points based on the following requirements: completeness (the student(s) has exhaustively answered to all of aspects of the project assignment), correctness (the student(s) implementation is correct and exempt of errors), communication (the student(s) has demonstrated the ability to reason critically and report about the produced implementation).
The oral exam consists of three questions on the contents of the course (all taught contents can be in the exam), each of which can be graded up to 3 points.

The module does not have any in-progress tests.

Module Decision Support Systems
Written exam (closed and open questions) to ascertain understanding of the basic concepts taught in class and their relationships (max. grade mark 27), optional original project (either essay or prototype) for students with a written exam grade >= 21 (max. additional 4 points)

Module Data Management
Available by appointment.
Module Decision Support Systems
Available by appointment.

QUALITY EDUCATION
Enter

Key information

Field of research
INF/01
ECTS
6
Term
Second semester
Activity type
Mandatory to be chosen
Course Length (Hours)
56
Degree Course Type
2-year Master Degreee
Language
English

Staff

    Teacher

  • Federico Antonio Niccolò Amedeo Cabitza
    Federico Antonio Niccolò Amedeo Cabitza
  • AC
    Andrea Campagner

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments

Sustainable Development Goals

QUALITY EDUCATION - Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all