WORKSHOP. Sistemi distribuiti e architettura dei dati. coordinatore Giorgio Ausiello docente dell Università di Roma La Sapienza

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "WORKSHOP. Sistemi distribuiti e architettura dei dati. coordinatore Giorgio Ausiello docente dell Università di Roma La Sapienza"

Transcript

1 Quinta Conferenza Nazionale di Statistica WORKSHOP Sistemi distribuiti e architettura dei dati coordinatore Giorgio Ausiello docente dell Università di Roma La Sapienza S Roma 15, 16, 17 novembre 2000 Palazzo dei Congressi Piazzale Kennedy - EUR

2 WORKSHOP Sistemi distribuiti e architettura dei dati coordinatore Giorgio Ausiello docente dell Università di Roma La Sapienza

3 WORKSHOP Sistemi distribuiti e architettura dei dati Architettura e integrazione dei dati in sistemi distribuiti M. Lenzerini

4 Architettura e integrazione dei dati in sistemi distribuiti Maurizio Lenzerini Dipartimento di Informatica e Sistemistica Università di Roma ``La Sapienza'' 1. Introduzione L'integrazione dei dati è uno degli aspetti più significativi ed importanti nella progettazione e nella realizzazione di sistemi informativi distribuiti. Negli ultimi anni, le problematiche relative all'integrazione sono studiate in diversi ambiti: 1) basi di dati e data warehouse, in cui sia l'integrazione degli schemi, sia l'integrazione dei dati ricoprono un ruolo centrale; 2) sistemi informativi cooperativi, in cui l'integrazione costituisce uno dei problemi da risolvere per consentire la cooperazione, ad esempio tramite la condivisione di informazione; 3) sistemi informativi globali, in cui sorgenti di informazioni eterogenee vengono messe in linea (l'esempio più significativo in questo senso è il Web) e se ne richiede un accesso integrato. Lo scopo di questo documento è di sottolineare sia i risultati raggiunti dalla ricerca sull'integrazione negli ultimi anni, sia i problemi fondamentali che sono ancora in fase di studio e approfondimento. Per integrazione dei dati intendiamo il problema di fornire un'interfaccia uniforme a diverse sorgenti di dati, allo scopo di consentire ad un cliente del sistema di focalizzare l'attenzione su qual è la sua esigenza informativa, piuttosto che su come agire per soddisfarla. Di conseguenza, il sistema di integrazione solleva il cliente dalla necessità di scoprire quali sono le sorgenti rilevanti per le sue esigenze, di interagire con ognuna di esse separatamente, e di raccogliere, selezionare, e fondere i dati che provengono dalle sorgenti stesse. La ricerca sull'integrazione dei dati è stata molto attiva negli ultimi anni [Hull97,Levy99]. Si è ormai raggiunto un consenso generalizzato sulla architettura di base di un sistema di integrazione, e sui parametri fondamentali che ne caratterizzano le proprietà. In tale architettura, due tipi di moduli giocano un ruolo fondamentale: wrappers e mediatori. Lo scopo di un wrapper è di incapsulare una sorgente di dati, di accedervi secondo meccanismi predefiniti, e di presentare i dati della sorgente secondo uno specificato formato. Il ruolo di un mediatore è invece di collezionare, ripulire, e combinare i dati che provengono dai wrapper o da altri mediatori, al fine di soddisfare una ben specificata esigenza informativa. L'integrazione dei dati può essere virtuale o materializzata. Nel primo caso il sistema agisce come interfaccia tra il cliente e le sorgenti, mentre nel secondo caso il sistema mantiene una vista replicata dei dati delle sorgenti. L'approccio virtuale è tipico dei sistemi informativi globali, mentre quello materializzato è adottato nei data warehouse. Nei sistemi che seguono l'approccio materializzato la gestione e l'aggiornamento delle viste è una problematica cruciale, che richiede tecniche specializzate. Recentemente, sono stati proposti sistemi prototipali che conciliano entrambi gli approcci [JLVV99,CDLNR98d]. Il seguito di questo documento è dedicato ad una sintetica analisi dei problemi cruciali che sono ancora allo studio nei progetti di ricerca concernenti l'integrazione dei dati.

5 2. Progetto e realizzazione di schemi e mediatori Riferendoci all'architettura descritta in precedenza, la specifica e la realizzazione di mediatori è uno degli aspetti cruciali della progettazione di un sistema di integrazione, ed è affrontata con due filosofie alternative: fondata sulle sorgenti, e fondata sulle query. Nel primo caso, sia le query che le sorgenti vengono descritte come delle viste su uno schema di riferimento (detto schema globale, o schema mediato), e per ogni query, il corrispondente mediatore ha il compito di pianificare il processo di risposta alle query accedendo alle sorgenti. Nel secondo caso, sono i concetti dello schema mediato ad essere definiti come viste sulle sorgenti, e il mediatore associato ad una query espande la query stessa usando tali definizioni, così da ottenere il piano di accesso alle sorgenti. Molti sistemi prototipali attuali seguono la filosofia fondata sulle query, ma un confronto tra i due approcci rivela che la filosofia fondata sulle sorgenti offre numerosi vantaggi in termini di modularità del sistema e di riusabilità dei suoi componenti [Ullm97]. 3. Pianificazione degli accessi alle sorgenti Dalle osservazioni precedenti, risulta chiaro che l'aspetto fondamentale nel progetto di mediatori è la caratterizzazione del piano di accesso alle sorgenti che consente di ottenere la risposta ad una query. Questo problema è noto in letteratura come rispondere alle query usando le viste, ed è attualmente oggetto di indagine in numerosi progetti di ricerca [Levy99]. Lo studio si è concentrato su specifiche classi di query, come le query congiuntive (con o senza operatori di confronto), le query disgiuntive, le query con operatori di aggregazione (group-by), le query ricorsive, le query espresse in logica, e le query con espressioni regolari. Sono stati sviluppati diversi algoritmi e sono state fornite diverse caratterizzazioni della complessità computazionale del problema. Dato il crescente interesse per sorgenti semi strutturate (ad esempio, sorgenti espresse in XML), di particolare rilevanza è il caso di query con espressioni regolari. La maggiore difficoltà in questo ambito risiede nel fatto che con le espressioni regolari si può esprimere una forma limitata di ricorsione, e ciò pone interessanti quesiti sulla complessità computazionale e, addirittura, sulla decidibilità del calcolo della risposta alle query. 4. Sorgenti ad accesso limitato In molte applicazioni che richiedono l'integrazione di dati, le sorgenti informative a disposizione pongono dei limiti sul tipo di query che possono trattare [Levy99]. Ad esempio, una sorgente accessibile solo con una interfaccia basata su form (comunemente usate nel Web) può rispondere solo a query in cui il valore di uno o più parametri deve essere esplicitamente fornito in ingresso. Questa caratteristica complica notevolmente il problema della risposta alle query usando le viste. Infatti, la pianificazione degli accessi alle sorgenti deve ora tenere conto dei vincoli di accesso, la cui presenza accentua il problema della esistenza di piani alternativi. Il sistema deve quindi assicurare un adeguato livello di qualità del piano scelto rispetto a quelli scartati. 5. Conversione e riconciliazione dei dati L'integrazione di dati provenienti da sorgenti eterogenee richiede anche tecniche per la conversione e la riconciliazione dei dati. La complessità delle conversioni e delle riconciliazioni è dovuta a diversi problemi legati alla eterogeneità delle sorgenti, quali: differenze nella rappresentazione di uno

6 stesso oggetto, possibili errori nella codifica di proprietà di oggetti, possibili discrepanze nelle proprietà attribuite agli oggetti nelle varie sorgenti. Sebbene esistano diverse tecniche e strumenti ad hoc, utilizzati specialmente nelle realizzazioni di data warehouse, solo recentemente il problema della conversione e riconciliazione dei dati è stato affrontato con metodi rigorosi e scientifici [CDLNR00]. 6. Sorgenti semi strutturate Grande interesse sta suscitando il problema dell'integrazione nel caso in cui le sorgenti informative contengano dati semi strutturati. È probabile che il diffondersi di XML accentuerà questo interesse nei prossimi anni, e favorirà lo studio di tecniche che tengano conto del coesistere di sorgenti strutturate e semi strutturate. Tutti i problemi precedentemente descritti si riproporranno in una veste più complessa e articolata. Ad esempio, la scelta tra una architettura fondata sulle query ed una fondata sulle sorgenti dovrà tenere presente che nel nuovo contesto i meccanismi descrittivi delle sorgenti dovranno necessariamente essere più sofisticati. Analogamente, il processo di risposta alle query usando le viste dovrà adattarsi alle nuove esigenze poste dalla presenza di sorgenti semi strutturate. La presenza di vincoli di accesso alle sorgenti semi strutturate porrà ulteriori complicazioni, sia sulla modellazione di tali vincoli, sia sui meccanismi di accesso da utilizzarsi nella sintesi dei piani. Infine, la necessità di conversioni e riconciliazioni di dati strutturati e semi strutturati pone nuovi e stimolanti problemi, che necessitano di precise caratterizzazioni e approfondimenti. Riferimenti [CDLNR98d] Diego Calvanese, Giuseppe De Giacomo, Maurizio Lenzerini, Daniele Nardi, and Riccardo Rosati. Information integration: Conceptual modeling and reasoning support. In Proceedings of the Sixth International Conference on Cooperative Information Systems (CoopIS'98), pages , [CDLNR00] [Hull97] [JLVV99] [Levy99] [Ullm97] Diego Calvanese, Giuseppe De Giacomo, Maurizio Lenzerini, Daniele Nardi, and Riccardo Rosati. Data integration in data warehousing. International Journal of Cooperative Information Systems, To appear. Richard Hull. Managing semantic heterogeneity in databases: A theoretical perspective. Proceedings of the Sixteenth ACM SIGACT SIGMOD SIGART Symposium on Principles of Database Systems (PODS'97), Matthias Jarke, Maurizio Lenzerini, Yannis Vassiliou, and Panos Vassiliadis, editors. Fundamentals of Data Warehouses. Springer- Verlag, Alon Y. Levy. Answering queries using views: A survey. Technical report, University of Washinghton, Jeffrey D. Ullman. Information integration using logical views. Proceedings of the Sixth International Conference on Database Theory (ICDT'97), volume 1186 Lecture Notes in Computer Science, pages Springer-Verlag, 1997.

7 WORKSHOP Sistemi distribuiti e architettura dei dati OLAP e data mining in ambienti distribuiti D. Saccà e D. Talia

8 OLAP e Data Mining in Ambienti Distribuiti Domenico Saccà e Domenico Talia ISI-CNR Via P. Bucci, Cubo 41C Rende (CS), Italy 1. Introduzione L informazione memorizzata nei calcolatori oggi è enorme ed tende a crescere sempre più rapidamente. Mentre fino ad alcuni anni fa il principale problema era la mancanza o la carenza di informazione, oggi e in futuro il principale problema è la sovrabbondanza di flussi di informazione da cui è molto difficile estrarre cosa è interessante e importante. Solo per citare alcuni esempi, la catena di negozi Wal-Mart negli Stati Uniti gestisce 20 milioni di transazioni al giorno utilizzando una base di dati di oltre 4 terabytes di memoria, il progetto sul Human Genoma ha collezionato alcune decine di terabyte di dati sul codice genetico umano, un database contenente un catalogo degli oggetti celesti provenienti da un osservatorio astronomico consiste di miliardi di immagini, il sistema di osservazione terrestre dei satelliti orbitanti costruito dalla NASA genera 50 gigabytes di immagini all'ora. La quantità di informazione su INTERNET cresce molto rapidamente: si calcola che ogni due ore un nuovo server WEB venga connesso alla rete, e si è passati da circa 5 milioni di documenti web nel 1995 a oltre 1 miliardo nel 2000 ma la quantità di informazione veramente utile rimane limitata: si usa dire che il 99% dell informazione è inutile al 99% degli utenti WEB. Questi volumi di dati rendono chiaramente poco utili i metodi tradizionali di analisi. Tali metodi, infatti, possono creare dei rapporti informativi sui dati analizzati, ma non sono in grado di analizzarne il contenuto e focalizzare l'attenzione sulle informazioni interessanti che essi contengono. L esigenza per una nuova generazione di tecniche e strumenti capaci di assistere gli utenti in modo intelligente ed automatico nell'analizzare queste "montagne" di dati allo scopo di trovare conoscenza utile è pertanto effettiva. Queste tecniche e strumenti sono argomento di studio nel campo Scoperta di Conoscenza nelle Basi di Dati (Knowledge Discovery in Databases). Un Sistema di Scoperta della Conoscenza è un sistema che trova conoscenza che precedentemente non aveva, cioè che non era implicita nei suoi algoritmi o esplicita nella sua rappresentazione della conoscenza di dominio. Il termine Knowledge Discovery in Databases, in breve KDD, è stato coniato nel 1989 per riferirsi all'intero processo di scoperta della conoscenza nei dati e per enfatizzare l'applicazione ad alto livello di particolari metodi di estrazione dei dati, noti sotto il nome di OLAP e data mining [3]. Le tecniche OLAP (On-Line Analytical Processing) permettono di organizzare i dati secondo relazioni multidimensionali che possono essere agevolmente manipolate per pervenire ai livelli di aggregazione desiderati. Le

9 tecniche di data mining consentono di individuare nei dati associazioni nascoste e correlazioni significative. Negli ultimi anni la gran parte dei sistemi di OLAP e data mining sono stati progettati e realizzati su calcolatori sequenziali. Tuttavia, tali sistemi possono trarre ulteriori benefici dalle tecniche e dai sistemi emergenti nel settore del calcolo parallelo e distribuito, come i sistemi di cluster computing e di grid computing (griglie computazionali) [4], ed in generale dall'uso di reti ad elevate prestazioni. Il sistemi distribuiti di data mining hanno lo scopo di fornire algoritmi, strumenti ed applicazioni per l'analisi di dati distribuiti. Le sorgenti informative di grandi dimensioni sono spesso logicamente e fisicamente distribuiti e non possono essere trasferiti in un singolo sito. Inoltre, vi sono molte organizzazioni o imprese delocalizzate sul territorio che hanno bisogno di un approccio decentralizzato al supporto delle decisioni. Quindi, ogni volta che grandi moli di dati sono associate alla distribuzione geografica dei dati, dei sistemi e degli utenti è necessario integrare differenti tecnologie per implementare sistemi distribuiti per il data mining e la scoperta di conoscenza. Esempi significativi dove ambienti di data mining distribuito possono essere usati utilmente sono Grandi organizzazioni che hanno necessità di analizzare dati distribuiti; Mining di dati in possesso di differenti organizzazioni o laboratori; Mining di dati provenienti da sorgenti o sensori geograficamente distribuiti; Analisi di dati residenti in siti diversi con diverse tecniche di data mining per ottenere risultati in parallelo ( meta-learning). 2. OLAP e Data Mining Distribuiti Molto spesso il compito della implementazione di algoritmi su sistemi di calcolo distribuiti non è semplice ed è anche costoso. Quindi insieme alla scalabilità, altri importanti obiettivi sono l'indipendenza dall'architettura e la portabilità. Questo obiettivo di astrazione architetturale deve essere considerato nel progetto di applicazioni ed algoritmi di data mining insieme all'obiettivo dell'interoperabilità. Questi sistemi devono essere capaci di 1. gestire grandi data set di dati multidimensionali che possono essere geograficamente distribuiti; 2. analizzare differenti tipi di dati che possono essere non- o semi-strutturati; 3. offrire una facilità di uso tramite l'uso di modelli di data mining programming e di linguaggi di specifica di alto livello; 4. gestire gli aspetti di sicurezza e privatezza dei dati che sono connessi con la distribuzione delle risorse. L'aspetto centrale in un sistema di OLAP e data mining distribuito è l'analisi distribuita dei dati che può essere realizzata secondo gli schemi seguenti: Move Data. I dati residenti su nodi di elaborazione remoti sono selezionati e trasmessi ad un nodo centrale (probabilmente un cluster) per l'elaborazione. Move Models. Ogni nodo elabora i dati localmente ed invia il modello predittivo ad altri nodi per ulteriori elaborazioni. 2

10 Move Results: Ogni nodo elabora i dati fino ad ottenere un qualche risultato che invia ad altri nodi per completare l'analisi. Alcuni sistemi di data mining distribuiti che sono stati recentemente proposti supportano combinazioni di questi schemi. Tuttavia gli aspetti architetturali e infrastrutturali sono approcciati da specifici punti di vista applicativi. Nei casi più semplici i dati dono detenuti da una stessa organizzazione e il loro formato e la loro disponibilità sono ben conosciuti. Nei casi più complessi, in cui si hanno dati eterogenei con più detentori alcuni requisiti richiesti dal data mining distribuito possono essere soddisfatti tramite l'integrazione di servizi di data mining su sistemi distribuiti. Combinando i modelli ed i risultati che emergono da queste area tecnologiche è possibile supportare lo sviluppo di sistemi distribuiti di data mining e realizzare applicazioni innovative in questo settore. Ognuna delle due area coinvolte (data mining e distributed computing) può usare l'altra per ridurre i costi di sviluppo e di esecuzione e gli esperti di ognuna di esse possono concentrarsi sul proprio dominio di competenza sfruttando l'indipendenza dalle architetture sottostanti. Inoltre, le applicazioni distribuite di data mining potranno beneficiare degli sviluppi che si stanno ottenendo nella definizione di standard per il processo di DM come il modello CRISP-DM e il predictive modeling markup language (PMML) che è stato specificato per gestire differenti formati per i dati di input ed output. Recentemente sono stati sviluppati alcuni sistemi di data mining distribuiti che operano su reti o cluster di workstation ed alcuni che operano su Internet. Inoltre è stata proposta una architettura distribuita per il data mining su griglie computazionali [1]. Alcuni di questi sistemi suono stati implementati in Java, come Papyrus [5] che usa Java aglets, JAM [9] che è basato sul paradigma degli agenti distribuiti implementati tramite Java applets e PaDDMAS [8] in cui ogni componente dell'architettura distribuita del sistema è realizzato come un oggetto in Java o CORBA e l'interfaccia con le sorgenti informative è realizzata tramite JDBC. Altri sistemi distribuiti di data mining sono Kensington Enterprise data mining suite [2], MASSON [7] e BODHI [6] che implementa un tipo di meta-learning detto collettive data mining basato sulla raccolta di modelli generati nei diversi nodi del sistema distribuito e sulla valutazione comparata della loro bontà predittiva. 3. Conclusioni I sistemi di OLAP e data mining in ambiente distribuiti rappresentano una evoluzione delle tecnologie di knowledge discovery. Essi sono basati sul fatto che i dati possono essere inerentemente distribuiti in più siti che sono tra loro connessi da una rete di comunicazione e i dati stessi possono essere eterogenei. Questi sistemi offrono nuovi strumenti di scoperta della conoscenza che effettuano una analisi distribuita dei dati limitando i costi di comunicazione. Naturalmente questi sistemi pongono nuovi problemi come la gestione della distribuzione dei dati e della computazione, i costi di comunicazione tra i nodi e il coordinamento e la gestione del processo decentralizzato di scoperta della 3

11 conoscenza. Tuttavia, anche a causa della diffusione di Internet e dei sistemi di elaborazione di rete, i sistemi distribuiti di data mining offrono nuove e significative opportunità per organizzazioni, imprese e ambienti scientifici che operano nel settore del knowledge management. Queste opportunità sono ancora maggiori se si considera il ruolo che gli ambienti distribuiti di data mining possono svolgere in settori strategici come l'analisi di dati disponibili su Internet come il Web mining, il Web personalization e il text mining. Riferimenti bibliografici 1. Cannataro M. and Talia D., Parallel and Distributed Knowledge Discovery On The GRID: A Reference Architecture, Proc. ICA3PP Conference, Hong Kong, World Scientific Publ., Chattratichat J., Darlington J., Guo Y., Hedvall S., Köler M. and Syed J., An architecture for distributed enterprise data mining. HPCN Europe 1999, Lecture Notes in Computer Science, 1593 (Springer, 1999) pp Fayyad U.M. and Uthurusamy R. (eds.), Data mining and knowledge discovery in databases. Communications of the ACM 39 (1997). 4. Foster I. and Kesselman C., Globus : a metacomputing infrastructure toolkit. International Journal of Supercomputing Applications 11 (1997) pp Grossman R., Bailey S., Kasif S., Mon D., Ramu A. and Malhi B., The preliminary design of papyrus: a system for high performance, distributed data mining over clusters, meta-clusters and super-clusters. International KDD 98 Conference (1998) pp Kargupta H., Park B., Hershberger, D. and Johnson, E., Collective data mining: a new perspective toward distributed data mining. In HILLOL KARGUPTA AND PHILIP CHAN (eds.) Advances in Distributed and Parallel Knowledge Discovery (AAAI Press 1999). 7. Kimm H. and Ryu T.-W., A framework for distributed knowledge discovery system over heterogeneous networks using CORBA. KDD2000 Workshop on Distributed and Parallel Knowledge Discovery (2000). 8. Rana O.F., Walker D.W., Li M., Lynden S. and Ward M., PaDDMAS: parallel and distributed data mining application suite. Proc. International Parallel and Distributed Processing Symposium (IPDPS/SPDP), (IEEE Computer Society Press, 2000) pp Stolfo S.J., Prodromidis A.L., Tselepis S., Lee W., Fan D.W., Chan P.K., JAM: Java agents for meta-learning over distributed databases. International KDD 97 Conference (1997) pp

Data Warehouse Architettura e Progettazione

Data Warehouse Architettura e Progettazione Introduzione Data Warehouse Architettura! Nei seguenti lucidi verrà fornita una panoramica del mondo dei Data Warehouse.! Verranno riportate diverse definizioni per identificare i molteplici aspetti che

Dettagli

Data warehouse. Architettura complessiva con OLTP e OLAP OLTP. Sistemi di supporto alle decisioni

Data warehouse. Architettura complessiva con OLTP e OLAP OLTP. Sistemi di supporto alle decisioni Data warehouse Data warehouse La crescita dell importanza dell analisi dei dati ha portato ad una separazione architetturale dell ambiente transazionale (OLTP on-line transaction processing) da quello

Dettagli

Data Warehousing e Data Mining

Data Warehousing e Data Mining Università degli Studi di Firenze Dipartimento di Sistemi e Informatica A.A. 2011-2012 I primi passi Data Warehousing e Data Mining Parte 2 Docente: Alessandro Gori a.gori@unifi.it OLTP vs. OLAP OLTP vs.

Dettagli

Attenzione! il valore della Rimodulazione è superiore alla cifra di Negoziazione

Attenzione! il valore della Rimodulazione è superiore alla cifra di Negoziazione Riepilogo Dipartimento ICT Dipartimento ICT nel 2005 diretta nel terzi fondi diretta Reti in Tecnologia Wireless 434.890 79.788 712.457 94.953 578.280 351.500 94.000 Internet di prossima generazione 639.484

Dettagli

PDF created with pdffactory trial version www.pdffactory.com. Il processo di KDD

PDF created with pdffactory trial version www.pdffactory.com. Il processo di KDD Il processo di KDD Introduzione Crescita notevole degli strumenti e delle tecniche per generare e raccogliere dati (introduzione codici a barre, transazioni economiche tramite carta di credito, dati da

Dettagli

RELAZIONE ANNUALE CONSUNTIVA

RELAZIONE ANNUALE CONSUNTIVA RELAZIONE ANNUALE CONSUNTIVA PROGRAMMA DI RICERCA SETTORE Legge 449/97 SETTORE: Strumenti, Ambienti e Applicazioni per la Società dell Informazione PROGETTO: SP1 Reti Internet: efficienza, integrazione

Dettagli

Data Mining e Analisi dei Dati

Data Mining e Analisi dei Dati e Analisi dei Dati Rosaria Lombardo Dipartimento di Economia, Seconda Università di Napoli La scienza che estrae utili informazioni da grandi databases è conosciuta come E una disciplina nuova che interseca

Dettagli

RELAZIONE ANNUALE CONSUNTIVA

RELAZIONE ANNUALE CONSUNTIVA 1 RELAZIONE ANNUALE CONSUNTIVA PROGRAMMA DI RICERCA SETTORE Legge 449/97 SETTORE: Strumenti, Ambienti e Applicazioni per la Società dell Informazione PROGETTO: P1 Reti Internet: efficienza, integrazione

Dettagli

Caratteristiche principali. Contesti di utilizzo

Caratteristiche principali. Contesti di utilizzo Dalle basi di dati distribuite alle BASI DI DATI FEDERATE Antonella Poggi Dipartimento di Informatica e Sistemistica Antonio Ruberti Università di Roma La Sapienza Anno Accademico 2006/2007 http://www.dis.uniroma1.it/

Dettagli

Paolo Perlasca. Istruzione e formazione. Esperienza professionale. Attività di ricerca. Attività didattica

Paolo Perlasca. Istruzione e formazione. Esperienza professionale. Attività di ricerca. Attività didattica Paolo Perlasca Dipartimento di Informatica, Indirizzo: via Comelico 39/41, 20135 Milano Telefono: 02-503-16322 Email: paolo.perlasca@unimi.it Paolo Perlasca è ricercatore universitario confermato presso

Dettagli

Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo

Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo Obiettivi. Presentare l evoluzione dei sistemi informativi: da supporto alla operatività a supporto al momento decisionale Definire

Dettagli

Reti di Calcolatori GRIGLIE COMPUTAZIONALI

Reti di Calcolatori GRIGLIE COMPUTAZIONALI D. Talia RETI DI CALCOLATORI - UNICAL 10-1 Reti di Calcolatori GRIGLIE COMPUTAZIONALI D. Talia RETI DI CALCOLATORI - UNICAL 10-2 Griglie Computazionali Cosa è il Grid Computing? Architettura Ambienti Globus

Dettagli

GRIGLIE COMPUTAZIONALI

GRIGLIE COMPUTAZIONALI Reti di Calcolatori GRIGLIE COMPUTAZIONALI D. Talia RETI DI CALCOLATORI - UNICAL 10-1 Griglie Computazionali Cosa è il Grid Computing? Architettura Ambienti Globus D. Talia RETI DI CALCOLATORI - UNICAL

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

Introduzione alla Business Intelligence

Introduzione alla Business Intelligence SOMMARIO 1. DEFINIZIONE DI BUSINESS INTELLIGENCE...3 2. FINALITA DELLA BUSINESS INTELLIGENCE...4 3. DESTINATARI DELLA BUSINESS INTELLIGENCE...5 4. GLOSSARIO...7 BIM 3.1 Introduzione alla Pag. 2/ 9 1.DEFINIZIONE

Dettagli

WebBi S.r.l offre consulenza e soluzioni per le seguenti aree: Data Warehousing. Business Intelligence. Disegno di architetture integrate

WebBi S.r.l offre consulenza e soluzioni per le seguenti aree: Data Warehousing. Business Intelligence. Disegno di architetture integrate Migliorare l organizzazione per migliorare la qualità delle decisioni. Migliorare la qualità dei collaboratori per migliorare il servizio alla clientela. WebBi S.r.l offre consulenza e soluzioni per le

Dettagli

Logiche descrittive per l integrazione di dati e servizi

Logiche descrittive per l integrazione di dati e servizi Logiche descrittive per l integrazione di dati e servizi Maurizio Lenzerini Dipartimento di Informatica e Sistemistica Antonio Ruberti Università di Roma La Sapienza I sistemi informativi basati sulle

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1 Sistemi informazionali La crescente diffusione dei

Dettagli

Sistemi Informativi Aziendali I

Sistemi Informativi Aziendali I Modulo 6 Sistemi Informativi Aziendali I 1 Corso Sistemi Informativi Aziendali I - Modulo 6 Modulo 6 Integrare verso l alto e supportare Managers e Dirigenti nell Impresa: Decisioni più informate; Decisioni

Dettagli

Organizzazioni nel Grid Computing

Organizzazioni nel Grid Computing Il ruolo delle Organizzazioni nel Grid Computing Un primo sguardo a Globus - Parte 5 Organizzazioni di Grid Computing Panoramica sui prodotti software Primo sguardo a Globus Dott. Marcello CASTELLANO La

Dettagli

Lezione 1. Introduzione e Modellazione Concettuale

Lezione 1. Introduzione e Modellazione Concettuale Lezione 1 Introduzione e Modellazione Concettuale 1 Tipi di Database ed Applicazioni Database Numerici e Testuali Database Multimediali Geographic Information Systems (GIS) Data Warehouses Real-time and

Dettagli

Cosa è un data warehouse?

Cosa è un data warehouse? Argomenti della lezione Data Warehousing Parte I Introduzione al warehousing cosa è un data warehouse classificazione dei processi aziendali sistemi di supporto alle decisioni elaborazione OLTP e OLAP

Dettagli

Uno standard per il processo KDD

Uno standard per il processo KDD Uno standard per il processo KDD Il modello CRISP-DM (Cross Industry Standard Process for Data Mining) è un prodotto neutrale definito da un consorzio di numerose società per la standardizzazione del processo

Dettagli

Introduzione data warehose. Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa. Data Warehouse

Introduzione data warehose. Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa. Data Warehouse Introduzione data warehose Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa Data Warehouse Che cosa e un data warehouse? Quali sono i modelli dei dati per data warehouse Come si progetta

Dettagli

Progetto di Applicazioni Software

Progetto di Applicazioni Software Progetto di Applicazioni Software Antonella Poggi Dipartimento di Informatica e Sistemistica Antonio Ruberti SAPIENZA Università di Roma Anno Accademico 2008/2009 Questi lucidi sono stati prodotti sulla

Dettagli

Introduzione ad OLAP (On-Line Analytical Processing)

Introduzione ad OLAP (On-Line Analytical Processing) Introduzione ad OLAP (On-Line Analytical Processing) Metodi e Modelli per il Supporto alle Decisioni 2002 Dipartimento di Informatica Sistemistica e Telematica (Dist) Il termine OLAP e l acronimo di On-Line

Dettagli

Il progetto di ricerca Ellade

Il progetto di ricerca Ellade Il progetto di ricerca Ellade Ellade ELectronic Live ADaptive Learning Gruppo di lavoro Università degli Studi della Calabria, Dipartimento di Matematica Università degli Studi Mediterranea di Reggio Calabria,

Dettagli

Anno Scolastico: 2014/2015. Indirizzo: Sistemi informativi aziendali. Classe quarta AS. Disciplina: Informatica. prof.

Anno Scolastico: 2014/2015. Indirizzo: Sistemi informativi aziendali. Classe quarta AS. Disciplina: Informatica. prof. Anno Scolastico: 2014/2015 Indirizzo: Sistemi informativi aziendali Classe quarta AS Disciplina: Informatica prof. Competenze disciplinari: Secondo biennio 1. Identificare e applicare le metodologie e

Dettagli

Nuovo Corso di laurea magistrale in Ingegneria Informatica AA14-15. http://www.dis.uniroma1.it/~ccl_ii/site/

Nuovo Corso di laurea magistrale in Ingegneria Informatica AA14-15. http://www.dis.uniroma1.it/~ccl_ii/site/ Nuovo Corso di laurea magistrale in Ingegneria Informatica AA14-15 http://www.dis.uniroma1.it/~ccl_ii/site/ Laurea Magistrale L obiettivo della laurea magistrale in Ingegneria informatica (Master of Science

Dettagli

Introduzione ai sistemi di basi di dati

Introduzione ai sistemi di basi di dati Introduzione ai sistemi di basi di dati Basi di dati 1 Introduzione ai sistemi di basi di dati Angelo Montanari Dipartimento di Matematica e Informatica Università di Udine Introduzione ai sistemi di basi

Dettagli

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007 Data warehousing Introduzione A partire dalla metà degli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa

Dettagli

DATA WAREHOUSING CON JASPERSOFT BI SUITE

DATA WAREHOUSING CON JASPERSOFT BI SUITE UNIVERSITÁ DEGLI STUDI DI MODENA E REGGIO EMILIA Dipartimento di Ingegneria di Enzo Ferrari Corso di Laurea Magistrale in Ingegneria Informatica (270/04) DATA WAREHOUSING CON JASPERSOFT BI SUITE Relatore

Dettagli

Il servizio di incontro tra domanda ed offerta di lavoro E-labor. Primo servizio del Portale del SIL. A cura di Grazia Strano

Il servizio di incontro tra domanda ed offerta di lavoro E-labor. Primo servizio del Portale del SIL. A cura di Grazia Strano Il servizio di incontro tra domanda ed offerta di lavoro E-labor Primo servizio del Portale del SIL A cura di Grazia Strano Ministero del Lavoro e delle Politiche Sociali Direzione Generale delle Reti

Dettagli

Progetto di Applicazioni Software

Progetto di Applicazioni Software Progetto di Applicazioni Software Antonella Poggi Dipartimento di Informatica e Sistemistica Antonio Ruberti SAPIENZA Università di Roma Anno Accademico 2010/2011 Questi lucidi sono stati prodotti sulla

Dettagli

L E I N F O R M A Z I O N I P E R F A R E

L E I N F O R M A Z I O N I P E R F A R E L E I N F O R M A Z I O N I P E R F A R E C E N T R O Con InfoBusiness avrai Vuoi DATI CERTI per prendere giuste DECISIONI? Cerchi CONFERME per le tue INTUIZIONI? Vuoi RISPOSTE IMMEDIATE? SPRECHI TEMPO

Dettagli

Introduzione alla Business Intelligence. E-mail: infobusiness@zucchetti.it

Introduzione alla Business Intelligence. E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence Introduzione Definizione di Business Intelligence: insieme di processi per raccogliere

Dettagli

ISTITUTO TECNICO ECONOMICO MOSSOTTI

ISTITUTO TECNICO ECONOMICO MOSSOTTI CLASSE III INDIRIZZO S.I.A. UdA n. 1 Titolo: conoscenze di base Conoscenza delle caratteristiche dell informatica e degli strumenti utilizzati Informatica e sistemi di elaborazione Conoscenza delle caratteristiche

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1 Data Mining. Introduzione La crescente popolarità

Dettagli

RELAZIONE ANNUALE CONSUNTIVA

RELAZIONE ANNUALE CONSUNTIVA RELAZIONE ANNUALE CONSUNTIVA PROGRAMMA DI RICERCA SETTORE Legge 449/97 SETTORE: Strumenti, Ambienti e Applicazioni per la Società dell Informazione PROGETTO: P1 Reti Internet: efficienza, integrazione

Dettagli

Grid Data Management Services. Griglie e Sistemi di Elaborazione Ubiqui

Grid Data Management Services. Griglie e Sistemi di Elaborazione Ubiqui Grid Data Management Services D. Talia - UNICAL Griglie e Sistemi di Elaborazione Ubiqui Sommario Grid Data Management in Globus Toolkit GridFTP RFT RLS OGSA-DAI GridFTP GT4 Data Services High-performance

Dettagli

Laboratorio di Progettazione e Sviluppo di Sistemi Informatici

Laboratorio di Progettazione e Sviluppo di Sistemi Informatici 1 Laboratorio di Progettazione e Sviluppo di Sistemi Informatici 2 Laboratorio di Progettazione e Sviluppo di Sistemi Informatici Parte del corso intersettoriale "Laboratorio di Progettazione e Sviluppo

Dettagli

Il DBMS Oracle. Express Edition. Donatella Gubiani e Angelo Montanari

Il DBMS Oracle. Express Edition. Donatella Gubiani e Angelo Montanari Gubiani & Montanari Il DBMS Oracle 1 Il DBMS Oracle Express Edition Donatella Gubiani e Angelo Montanari Il DBMS Oracle Il DBMS Oracle Oracle 10g Express Edition Il DBMS Oracle (nelle sue versioni più

Dettagli

RRF Reply Reporting Framework

RRF Reply Reporting Framework RRF Reply Reporting Framework Introduzione L incremento dei servizi erogati nel campo delle telecomunicazioni implica la necessità di effettuare analisi short-term e long-term finalizzate a tenere sotto

Dettagli

OLAP (On Line Analytical Processing)

OLAP (On Line Analytical Processing) OLAP (On Line Analytical Processing) Con il termine OLAP si intende la possibilità di effettuare analisi dei dati su strutture multidimensionali in maniera rapida, flessibile ed efficiente, attraverso

Dettagli

Introduzione alle basi di dati. Gestione delle informazioni. Gestione delle informazioni. Sistema informatico

Introduzione alle basi di dati. Gestione delle informazioni. Gestione delle informazioni. Sistema informatico Introduzione alle basi di dati Introduzione alle basi di dati Gestione delle informazioni Base di dati Modello dei dati Indipendenza dei dati Accesso ai dati Vantaggi e svantaggi dei DBMS Gestione delle

Dettagli

Grid Data Management Services

Grid Data Management Services Grid Management Services D. Talia - UNICAL Griglie e Sistemi di Elaborazione Ubiqui Sommario Grid Management GridFTP RFT RLS OGSA-DAI 1 GT4 Services GridFTP High-performance transfer protocol The Reliable

Dettagli

Grid Data Management Services

Grid Data Management Services Grid Management Services D. Talia - UNICAL Griglie e Sistemi di Elaborazione Ubiqui Sommario Grid Management in Globus Toolkit GridFTP (Trasferimento Dati) RFT (Trasferimento Dati Affidabile) RLS (Gestione

Dettagli

Università degli studi dell Aquila. Sistemi informativi aziendali 9 C.F.U.

Università degli studi dell Aquila. Sistemi informativi aziendali 9 C.F.U. Università degli studi dell Aquila Sistemi informativi aziendali 9 C.F.U. Ing. Gaetanino Paolone (gaetanino.paolone@univaq.it) Prof. Dr. Luciano Fratocchi (luciano.fratocchi@univaq.it) Contenuti (2 ore)

Dettagli

Introduzione al Data Mining

Introduzione al Data Mining Introduzione al Data Mining Sistemi informativi per le Decisioni Slide a cura di Prof. Claudio Sartori Evoluzione della tecnologia dell informazione (IT) (Han & Kamber, 2001) Percorso evolutivo iniziato

Dettagli

L evoluzione delle competenze verso il Database Manager

L evoluzione delle competenze verso il Database Manager L evoluzione delle competenze verso il Database Manager Workshop sulle competenze ed il lavoro dei Database Manager Milano, 1 marzo 2011 Elisabetta Peroni consulente sui sistemi di gestione dati (betty.peroni@gmail.com)

Dettagli

Table of Contents. Insegnamento: Sistemi Distribuiti - 6 cfu LM Ing. Informatica Docente: Prof. Marcello Castellano

Table of Contents. Insegnamento: Sistemi Distribuiti - 6 cfu LM Ing. Informatica Docente: Prof. Marcello Castellano Insegnamento: Sistemi Distribuiti - 6 cfu LM Ing. Informatica Docente: Prof. Marcello Castellano Table of Contents Definizione di Sistema Distribuito - 4 Obiettivi Principali di un S.D. - 7 Tipi di Sistemi

Dettagli

Informatica Documentale

Informatica Documentale Informatica Documentale Ivan Scagnetto (scagnett@dimi.uniud.it) Stanza 3, Nodo Sud Dipartimento di Matematica e Informatica Via delle Scienze, n. 206 33100 Udine Tel. 0432 558451 Ricevimento: giovedì,

Dettagli

Sistemi Operativi. Conclusioni e nuove frontiere

Sistemi Operativi. Conclusioni e nuove frontiere Sistemi Operativi (modulo di Informatica II) Conclusioni e nuove frontiere Patrizia Scandurra Università degli Studi di Bergamo a.a. 2008-09 Sommario Definizione di sistema operativo Evoluzione futura

Dettagli

Punto della Situazione. Dipartimento di Informatica e Comunicazione Università degli Studi di Milano e-mail: cazzola@dico.unimi.it

Punto della Situazione. Dipartimento di Informatica e Comunicazione Università degli Studi di Milano e-mail: cazzola@dico.unimi.it Punto della Situazione Dipartimento di Informatica e Comunicazione Università degli Studi di e-mail: cazzola@dico.unimi.it Slide 1 of 8 EOS-DUE: Informazioni Generali. L (responsabile), Lorenzo Capra e

Dettagli

Sistemi Informativi Distribuiti

Sistemi Informativi Distribuiti Corso di Laurea Magistrale in Ingegneria Gestionale Corso di Sistemi Informativi Modulo II A. A. 2013-2014 SISTEMI INFORMATIVI MODULO II Sistemi Informativi Distribuiti 1 Sistemi informativi distribuiti

Dettagli

BASE DI DATI: introduzione. Informatica 5BSA Febbraio 2015

BASE DI DATI: introduzione. Informatica 5BSA Febbraio 2015 BASE DI DATI: introduzione Informatica 5BSA Febbraio 2015 Di cosa parleremo? Base di dati relazionali, modelli e linguaggi: verranno presentate le caratteristiche fondamentali della basi di dati. In particolare

Dettagli

DATA MINING E DATA WAREHOUSE

DATA MINING E DATA WAREHOUSE Reti e sistemi informativi DATA MINING E DATA WAREHOUSE Marco Gottardo FONTI Wikipedia Cineca Università di Udine, Dipartimento di fisica, il data mining scientifico thepcweb.com DATA MINING 1/2 Il Data

Dettagli

Enterprise @pplication Integration Software S.r.l.

Enterprise @pplication Integration Software S.r.l. SAP rel.1.0 : SAP State: Final Date: 03-27-200 Enterprise @pplication Integration Software S.r.l. Sede legale: Via Cola di Rienzo 212-00192 Rome - Italy Tel. +39.06.6864226 Sede operativa: viale Regina

Dettagli

Data Mining: Applicazioni

Data Mining: Applicazioni Sistemi Informativi Universitá degli Studi di Milano Facoltá di Scienze Matematiche, Fisiche e Naturali Dipartimento di Tecnologie dell Informazione 1 Giugno 2007 Data Mining Perché il Data Mining Il Data

Dettagli

Basi di dati. Basi di dati = database. Basi di dati

Basi di dati. Basi di dati = database. Basi di dati Basi di dati Da leggere: Cap. 6 Sawyer, Williams (testo A) Basi di dati = database Sono una delle applicazioni informatiche che hanno avuto il maggiore utilizzo in uffici, aziende, servizi -> oggi anche

Dettagli

LA TECHNOLOGY TRANSFER PRESENTA MARK WEB ANALYTICS E BUSINESS INTELLIGENCE ESTENDERE LA BI PER SUPPORTARE IL MARKETING ONLINE E LA CUSTOMER ANALYSIS

LA TECHNOLOGY TRANSFER PRESENTA MARK WEB ANALYTICS E BUSINESS INTELLIGENCE ESTENDERE LA BI PER SUPPORTARE IL MARKETING ONLINE E LA CUSTOMER ANALYSIS LA TECHNOLOGY TRANSFER PRESENTA MARK MADSEN SOCIAL MEDIA, WEB ANALYTICS E BUSINESS INTELLIGENCE ESTENDERE LA BI PER SUPPORTARE IL MARKETING ONLINE E LA CUSTOMER ANALYSIS ROMA 12-13 MAGGIO 2011 VISCONTI

Dettagli

Sistemi Distribuiti. Il corso: informazioni utili AA 2006/2007. Riferimenti del docente: Ricevimento: Materiale Didattico:

Sistemi Distribuiti. Il corso: informazioni utili AA 2006/2007. Riferimenti del docente: Ricevimento: Materiale Didattico: Sistemi Distribuiti Corso di Laurea Specialistica in Telecomunicazioni AA 2006/2007 Slides del corso Sara Tucci Piergiovanni Il corso: informazioni utili Riferimenti del docente: - sito web: www.dis.uniroma1.it/

Dettagli

Sistemi Informativi. Ing. Fabrizio Riguzzi

Sistemi Informativi. Ing. Fabrizio Riguzzi Sistemi Informativi Ing. Fabrizio Riguzzi Docente Fabrizio Riguzzi http://www.ing.unife.it/docenti/fabrizioriguzzi Orario di ricevimento: su appuntamento studio docente, terzo piano, corridoio di destra,

Dettagli

Alberto De Toni Guido Nassimbeni Stefano Tonchia I SISTEMI DI SUPPORTO ALLE DECISIONI: OFFERTA, DOMANDA, APPLICAZIONI

Alberto De Toni Guido Nassimbeni Stefano Tonchia I SISTEMI DI SUPPORTO ALLE DECISIONI: OFFERTA, DOMANDA, APPLICAZIONI Alberto De Toni Guido Nassimbeni Stefano Tonchia I SISTEMI DI SUPPORTO ALLE DECISIONI: OFFERTA, DOMANDA, APPLICAZIONI umi.mlsslont t.uropu t-ondo *-i.li~ t.uiujn!v ls1ltuto Universitario Architettura Venezia

Dettagli

Object-Relational Mapping

Object-Relational Mapping Object-Relational Mapping Versione Preliminare Antonella Poggi Dipartimento di informatica e Sistemistica Sapienza Università di Roma Progetto di Applicazioni Software Anno accademico 2008-2009 Questi

Dettagli

Table of Contents. Definizione di Sistema Distribuito 15/03/2013

Table of Contents. Definizione di Sistema Distribuito 15/03/2013 Insegnamento: Sistemi Distribuiti - 6 cfu LM Ing. Informatica Docente: Prof. Marcello Castellano Table of Contents Definizione di Sistema Distribuito - 4-7 - 13 Definizioni e Principali Caratteristiche

Dettagli

Integrazione di Sistemi Informativi Sanitari attraverso l uso di Middleware Web Services

Integrazione di Sistemi Informativi Sanitari attraverso l uso di Middleware Web Services Consiglio Nazionale delle Ricerche Istituto di Calcolo e Reti ad Alte Prestazioni Integrazione di Sistemi Informativi Sanitari attraverso l uso di Middleware Web Services I. Marra M. Ciampi RT-ICAR-NA-06-04

Dettagli

INDICE CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI

INDICE CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI INDICE PREMESSA...1 PARTE PRIMA CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI CAPITOLO PRIMO IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI 1. I concetti di pianificazione strategica

Dettagli

Data Mining a.a. 2010-2011

Data Mining a.a. 2010-2011 Data Mining a.a. 2010-2011 Docente: mario.guarracino@cnr.it tel. 081 6139519 http://www.na.icar.cnr.it/~mariog Informazioni logistiche Orario delle lezioni A partire dall 19.10.2010, Martedì h: 09.50 16.00

Dettagli

PTDR Disaster Recovery for oracle database

PTDR Disaster Recovery for oracle database PTDR Disaster Recovery for oracle database INTRODUZIONE... 3 INTRODUZIONE... 3 I MECCANISMI BASE DI ORACLE DATA GUARD... 3 COSA SONO I REDO LOG?... 4 IMPATTO SULL'ARCHITETTURA COMPLESSIVA... 4 CONCLUSIONI...

Dettagli

KNOWLEDGE MANAGEMENT. Knowledge Management. Knowledge: : cos è. Dispense del corso di Gestione della Conoscenza d Impresa

KNOWLEDGE MANAGEMENT. Knowledge Management. Knowledge: : cos è. Dispense del corso di Gestione della Conoscenza d Impresa KNOWLEDGE MANAGEMENT Pasquale Lops Giovanni Semeraro Dispense del corso di Gestione della Conoscenza d Impresa 1/23 Knowledge Management La complessità crescente della società, l esubero di informazioni

Dettagli

Relazione Pinakes3 Analisi modello di business (BOZZA) di Valeriano Sandrucci 08/09/07

Relazione Pinakes3 Analisi modello di business (BOZZA) di Valeriano Sandrucci 08/09/07 Relazione Pinakes3 Analisi modello di business (BOZZA) di Valeriano Sandrucci 08/09/07 1. Introduzione...3 1.2. Application vs Tool... 3 2. Componenti logiche di un modello... 6 3. Ontologie e Semantic

Dettagli

LA TECHNOLOGY TRANSFER PRESENTA MIKE ROMA 31 MAGGIO 2012 VISCONTI PALACE HOTEL - VIA FEDERICO CESI, 37

LA TECHNOLOGY TRANSFER PRESENTA MIKE ROMA 31 MAGGIO 2012 VISCONTI PALACE HOTEL - VIA FEDERICO CESI, 37 LA TECHNOLOGY TRANSFER PRESENTA MIKE FERGUSON DATA MANAGEMENT E BUSINESS INTELLIGENCE NEL CLOUD ROMA 31 MAGGIO 2012 VISCONTI PALACE HOTEL - VIA FEDERICO CESI, 37 info@technologytransfer.it www.technologytransfer.it

Dettagli

Rappresentazione della Conoscenza. Lezione 10. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0

Rappresentazione della Conoscenza. Lezione 10. Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0 Rappresentazione della Conoscenza Lezione 10 Rappresentazione della conoscenza, D. Nardi, 2004, Lezione 10 0 Sistemi ed applicazioni Sistemi di rappresentazione della conoscenza basati su logiche descrittive.

Dettagli

Corso di Informatica

Corso di Informatica Corso di Informatica Modulo T2 A2 Introduzione ai database 1 Prerequisiti Concetto di sistema File system Archivi File e record 2 1 Introduzione Nella gestione di una attività, ad esempio un azienda, la

Dettagli

SEMINARI FORMATIVI SU BUSINESS INTELLIGENCE E CUSTOMER RELATIONSHIP MANAGEMENT: CREARE VALORE DAI DATI

SEMINARI FORMATIVI SU BUSINESS INTELLIGENCE E CUSTOMER RELATIONSHIP MANAGEMENT: CREARE VALORE DAI DATI ICT 4 VALUE Ciclo di eventi di sensibilizzazione, informazione e formazione sull applicazione delle tecnologie ICT in azienda SEMINARI FORMATIVI BUSINESS INTELLIGENCE E CUSTOMER RELATIONSHIP MANAGEMENT:

Dettagli

SISTEMI OPERATIVI DISTRIBUITI

SISTEMI OPERATIVI DISTRIBUITI SISTEMI OPERATIVI DISTRIBUITI E FILE SYSTEM DISTRIBUITI 12.1 Sistemi Distribuiti Sistemi operativi di rete Sistemi operativi distribuiti Robustezza File system distribuiti Naming e Trasparenza Caching

Dettagli

Percorso Video Game. Percorsi per la Laurea Magistrale in Informatica. Obiettivi generali. Sbocchi professionali

Percorso Video Game. Percorsi per la Laurea Magistrale in Informatica. Obiettivi generali. Sbocchi professionali Percorsi per la Laurea Magistrale in Informatica Percorso Video Game Docenti di riferimento: Dr. Dario Maggiorini, Dr. Laura Anna Ripamonti Sede di erogazione: Milano Obiettivi generali Il mercato dei

Dettagli

4 Introduzione al data warehousing

4 Introduzione al data warehousing Che cosa è un data warehouse? Introduzione al data warehousing 22 maggio 2001 Un data warehouse è una base di dati collezione di dati di grandi dimensioni, persistente e condivisa gestita in maniera efficace,

Dettagli

Mining Positive and Negative Association Rules:

Mining Positive and Negative Association Rules: Mining Positive and Negative Association Rules: An Approach for Confined Rules Alessandro Boca Alessandro Cislaghi Premesse Le regole di associazione positive considerano solo gli item coinvolti in una

Dettagli

Corso di Informatica per la Gestione Aziendale

Corso di Informatica per la Gestione Aziendale Corso di Informatica per la Gestione Aziendale Anno Accademico: 2008/2009 4 parte DOCENTI: Prof.ssa Cecilia Rossignoli Dott. Gianluca Geremia Università degli Studi di Verona Dipartimento di Economia Aziendale

Dettagli

1. FINALITA DELLA DISCIPLINA

1. FINALITA DELLA DISCIPLINA Ministero dell Istruzione dell Università e della Ricerca LICEO SCIENTIFICO STATALE Donato Bramante Via Trieste, 70-20013 MAGENTA (MI) - MIUR: MIPS25000Q Tel.: +39 02 97290563/4/5 Fax: 02 97220275 Sito:

Dettagli

INTRODUZIONE. Motivazioni e Obbiettivi

INTRODUZIONE. Motivazioni e Obbiettivi INTRODUZIONE Motivazioni dei sistemi distribuiti Caratteristiche generali Alcuni richiami sui database centralizzati Standardizzazione dei dati (ANSI/SPARC) Funzioni dei DBMS relazionali Problematiche

Dettagli

8. Sistemi Distribuiti e Middleware

8. Sistemi Distribuiti e Middleware 8. Sistemi Distribuiti e Middleware Andrea Polini Ingegneria del Software Corso di Laurea in Informatica (Ingegneria del Software) 8. Sistemi distribuiti e Middleware 1 / 32 Sommario 1 Sistemi distribuiti

Dettagli

Introduzione. Il software e l ingegneria del software. Marina Mongiello Ingegneria del software 1

Introduzione. Il software e l ingegneria del software. Marina Mongiello Ingegneria del software 1 Introduzione Il software e l ingegneria del software Marina Mongiello Ingegneria del software 1 Sommario Il software L ingegneria del software Fasi del ciclo di vita del software Pianificazione di sistema

Dettagli

Ministero della Pubblica Istruzione Ufficio Scolastico Regionale per la Sicilia Direzione Generale

Ministero della Pubblica Istruzione Ufficio Scolastico Regionale per la Sicilia Direzione Generale Unione Europea Regione Sicilia Ministero della Pubblica Istruzione Ufficio Scolastico Regionale per la Sicilia Direzione Generale ISTITUTO TECNICO INDUSTRIALE STATALE G. MARCONI EDILIZIA ELETTRONICA e

Dettagli

La prossima ondata di innovazione aziendale introdotta da Open Network Environment

La prossima ondata di innovazione aziendale introdotta da Open Network Environment Panoramica della soluzione La prossima ondata di innovazione aziendale introdotta da Open Network Environment Panoramica La crescente importanza dei ruoli assunti da tecnologie come cloud, mobilità, social

Dettagli

SCHEDA DI PROGRAMMAZIONE DISCIPLINARE DA RIPORTARE SUL P.O.F. A.S. 2014-2015. Ripasso programmazione ad oggetti. Basi di dati: premesse introduttive

SCHEDA DI PROGRAMMAZIONE DISCIPLINARE DA RIPORTARE SUL P.O.F. A.S. 2014-2015. Ripasso programmazione ad oggetti. Basi di dati: premesse introduttive SCHEDA DI PROGRAMMAZIONE DISCIPLINARE DA RIPORTARE SUL P.O.F. A.S. 2014-2015 ASSE DISCIPLINA DOCENTE MATEMATICO INFORMATICA Cattani Barbara monoennio CLASSE: quinta CORSO D SEZIONE LICEO SCIENZE APPLICATE

Dettagli

Modelli matematici avanzati per l azienda a.a. 2010-2011

Modelli matematici avanzati per l azienda a.a. 2010-2011 Modelli matematici avanzati per l azienda a.a. 2010-2011 Docente: Pasquale L. De Angelis deangelis@uniparthenope.it tel. 081 5474557 http://www.economia.uniparthenope.it/siti_docenti P.L.DeAngelis Modelli

Dettagli

La suite Pentaho Community Edition

La suite Pentaho Community Edition La suite Pentaho Community Edition GULCh 1 Cosa è la Business Intelligence Con la locuzione business intelligence (BI) ci si può solitamente riferire a: un insieme di processi aziendali per raccogliere

Dettagli

ALLEGATO 1 AL VERBALE N. 6

ALLEGATO 1 AL VERBALE N. 6 PROCEDURA DI VALUTAZIONE COMPARATIVA PER LA COPERTURA DI N. 1 POSTO DI RICERCATORE UNIVERSITARIO PER IL SETTORE SCIENTIFICO-DISCIPLINARE ING- INF/05, FACOLTA DI INGEGNERIA DELL UNIVERSITA DELLA CALABRIA,

Dettagli

Docente. Sistemi Informativi. Programma. Programma. Ing. Fabrizio Riguzzi

Docente. Sistemi Informativi. Programma. Programma. Ing. Fabrizio Riguzzi Docente Sistemi Informativi Ing. Fabrizio Riguzzi Fabrizio Riguzzi http://www.ing.unife.it/docenti/fabrizioriguzzi Orario di ricevimento: mercoledì 15-17 studio docente, terzo piano, corridoio di destra,

Dettagli

Considera tutti i requisiti funzionali (use cases) NON deve necessariamente modellare i requisiti non funzionali

Considera tutti i requisiti funzionali (use cases) NON deve necessariamente modellare i requisiti non funzionali Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - Progettazione OO E. TINELLI Punto di Partenza Il modello di analisi E una rappresentazione minima del

Dettagli

Un modello di Workflow Decentralizzato e sua implementazione relativa ad una problematica di Governo Elettronico

Un modello di Workflow Decentralizzato e sua implementazione relativa ad una problematica di Governo Elettronico Riassunto della Tesi: Un modello di Workflow Decentralizzato e sua implementazione relativa ad una problematica di Governo Elettronico Relatore: Prof. E. Bertino Correlatore: Prof. V. Atluri Il crescente

Dettagli

Introduzione a data warehousing e OLAP

Introduzione a data warehousing e OLAP Corso di informatica Introduzione a data warehousing e OLAP La Value chain Information X vive in Z S ha Y anni X ed S hanno traslocato Data W ha del denaro in Z Stile di vita Punto di vendita Dati demografici

Dettagli

Una piattaforma per servizi di KDD

Una piattaforma per servizi di KDD Una piattaforma per servizi di KDD Claudia Diamantini, Maurizio Panti, Domenico Potena Università Politecnica delle Marche, Istituto di Informatica, via Brecce Bianche, 60131 Ancona, Italy {diamanti,panti,d.potena}@inform.unian.it

Dettagli

Architettura del sistema

Architettura del sistema 18/06/15 I N D I C E 1 INTRODUZIONE... 2 2 DEFINIZIONE DEGLI OBIETTIVI... 2 3 PROGETTO DI MASSIMA... 3 3.1 REQUISITI DELLA SOLUZIONE... 4 4 LA SOLUZIONE... 4 4.1 IL NUCLEO CENTRALE... 5 4.1.1 La gestione

Dettagli

Sistemi Informativi e WWW

Sistemi Informativi e WWW Premesse Sistemi Informativi e WWW WWW: introduce un nuovo paradigma di diffusione (per i fornitori) e acquisizione (per gli utilizzatori) delle informazioni, con facilità d uso, flessibilità ed economicità

Dettagli

SQL Server. Applicazioni principali

SQL Server. Applicazioni principali SQL Server Introduzione all uso di SQL Server e utilizzo delle opzioni OLAP Applicazioni principali SQL Server Enterprise Manager Gestione generale di SQL Server Gestione utenti Creazione e gestione dei

Dettagli

Informatica per le discipline umanistiche 2 lezione 12

Informatica per le discipline umanistiche 2 lezione 12 Informatica per le discipline umanistiche 2 lezione 12 Nella lezione precedente: In realtà non tutto il data mining è dettato dagli interessi economici (commercial) data mining Abbiamo visto risvolti commerciali

Dettagli