Obiettivo del corso è far acquisire i principali strumenti teorici e metodologici per la modellizzazione delle decisioni e per l’individuazione delle migliori strategie di supporto alle decisioni in considerazione degli obiettivi prefissati. Il corso mira anche a fornire abilità e competenze su come utilizzare i dati a disposizione per implementare modelli prescrittivi analitici a supporto delle decisioni, come leggere i risultati forniti dai modelli in uso e come interpretarli per proporre soluzioni opportune a problemi gestionali complessi
Curriculum
scheda docente
materiale didattico
2. Slide e materiale didattico fornito dal docente
Mutuazione: 20810208 Decision Support Systems and Analytics in Ingegneria gestionale e dell'automazione LM-32 NICOSIA GAIA
Programma
Panoramica sui sistemi di supporto alle decisioni (DSS). Introduzione alla Business Analytics. Nozioni di base di Descriprive e Predictive analytics. Prescriptive analytics. Model Driven DSS. Algoritmi euristici, complessità, modellazione. Ottimizzazione robusta.Testi Adottati
1. Modelli e metodi decisionali in condizioni di incertezza e rischio, di G. Ghiani, R. Musmanno (a cura di), McGraw-Hill Education, 2009.2. Slide e materiale didattico fornito dal docente
Modalità Erogazione
Lezioni principalmente di didattica frontale sia alla lavagna sia con slide proiettate. Analisi di alcuni casi di studio.Modalità Valutazione
La verifica dell’apprendimento avviene attraverso una prova scritta della durata di circa 2 ore. Lo scritto è organizzato attraverso un certo numero di domande, finalizzate a verificare il livello di comprensione effettiva dei concetti e la capacità degli studenti di applicarli in contesti reali. La prova scritta sarà integrata o con una prova orale o con lo svolgimento di un progetto da svolgere in laboratorio sotto la guida del docente.
scheda docente
materiale didattico
2. Slide e materiale didattico fornito dal docente
Programma
Panoramica sui sistemi di supporto alle decisioni (DSS). Introduzione alla Business Analytics. Nozioni di base di Descriprive e Predictive analytics. Prescriptive analytics. Model Driven DSS. Algoritmi euristici, complessità, modellazione. Ottimizzazione robusta.Testi Adottati
1. Modelli e metodi decisionali in condizioni di incertezza e rischio, di G. Ghiani, R. Musmanno (a cura di), McGraw-Hill Education, 2009.2. Slide e materiale didattico fornito dal docente
Modalità Erogazione
Lezioni principalmente di didattica frontale sia alla lavagna sia con slide proiettate. Analisi di alcuni casi di studio.Modalità Valutazione
La verifica dell’apprendimento avviene attraverso una prova scritta della durata di circa 2 ore. Lo scritto è organizzato attraverso un certo numero di domande, finalizzate a verificare il livello di comprensione effettiva dei concetti e la capacità degli studenti di applicarli in contesti reali. La prova scritta sarà integrata o con una prova orale o con lo svolgimento di un progetto da svolgere in laboratorio sotto la guida del docente.