Big data analytics - Prof. Romina Eramo - a.a. 2025/2026
Schema della sezione
-
Il corso di Big Data Analytics prevede la discussione e lo studio di vari argomenti.
-
Introduzione ai Big Data: definizioni, caratteristiche (volume, velocità, varietà, veridicità), impatti sociali ed etici.
-
Data literacy e cultura del dato: qualità, trasparenza, limiti e potenzialità.
-
Fonti di dati: open data, dati aziendali, social e web.
-
Gestione dei dati: raccolta, cleaning, preparazione di dataset strutturati e non strutturati; introduzione a database relazionali e NoSQL.
-
Metodi di analisi: statistiche descrittive e inferenziali, clustering, correlazioni, sentiment analysis, nozioni di machine learning applicato alla comunicazione.
-
Strumenti e ambienti di lavoro: Panoramica + approfondimento della piattaforma di analisi di dati KNIME
-
Data visualization e storytelling: principi, pratiche e applicazioni nei media e nel marketing.
-
Etica e responsabilità: GDPR, anonimizzazione, bias nei dati, implicazioni comunicative.
-
Applicazioni professionali: audience analytics, reputation, campagne data-driven, personalizzazione dei contenuti.
-
A. De Mauro, Big Data Analytics. Analizzare e interpretare dati con il machine learning, Apogeo.
-
A. Rezzani, Big Data Analytics. Il manuale del data scientist, Apogeo Education.
Materiali integrativi (slide, dataset, esercitazioni, risorse online) saranno disponibili sulla piattaforma e-learning UniTE
L'esame prevede un project work e una presentazione orale.
-