Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione"

Transcript

1 Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testualilezione 2

2 Le principali tecniche di analisi testuale Facendo riferimento alle tecniche di data mining, disponibili per dati categoriali, ed ampliate per il caso specifico di dati testuali, gli strumenti principali sono: Analisi descrittiva del corpus. Riduzione spaziale della dimensionalità dei dati. Analisi di classificazione. B-ASC Biccocca Applied Statistics Center 2

3 Obiettivi dell analisi Estrazione di contenuti semantici rilevanti Tecnica legata soprattutto al marketing. In particolari applicazioni vengono analizzati i messaggi scaricati da comunità virtuali al fine di ottenere informazioni sull opinione dei clienti Ricerca di entità qualificate per l estrazione di informazioni Formulazione di risposte ad interrogazioni specifiche. Tecnica sottostante i risponditori automatici utilizzati nella prima fase dai customerservice center. Nella maggior parte dei casi vengono utilizzate tecniche di riduzione spaziale. B-ASC Biccocca Applied Statistics Center 3

4 L analisi descrittiva preliminare Ogni analisi statistica inizia con la descrizionedei dati a disposizione. Nel caso specifico dei dati testuali, gli strumenti richiesti sono strettamente legati alla tipologia del dato, quindi richiedono un analisi statisticolinguistica che tenga in considerazione: Tecniche di normalizzazione del testo (stemming e refining). Struttura linguistica(tipologia del testo). Struttura informativa(contenuto). 4

5 L analisi descrittiva preliminare Prima di utilizzare gli indici e le analisi statistiche per commentare e soprattutto confrontare i risultati, è necessario controllare che le operazioni di normalizzazione del testo siano state uniformi su tutti i corpora in analisi: ES.: utilizzare le stesse liste di stop worde gli stessi algoritmi di stemming; Gli strumenti statistici di seguito proposti si applicano ai dati puliti. 5

6 L analisi descrittiva preliminare: Alcuni indicatori N Parole N termini(concetti, unità lessicali) (lo stesso termine si può ripetere più volte, più parole uguali). Occorrenze= numero di ripetizioni dello stesso termine (frequenza) nel corpus. Indici sintetici della qualità dei testi: Tasso di copertura del testo. Indici di ricchezza lessicale. Strumenti statistici Distribuzione dei termini di maggiore importanza per l analisi all interno del corpus. Matrice termini per documenti. 6

7 Tasso di copertura del testo Tasso di copertura del testo: rapporto tra il numero di parole rimaste in seguito alle operazioni di refining ed il numero totale di parole presenti nel testo originale. Fornisce una prima indicazione sulla quantità di informazioni davvero utili contenute nel testo. Alcuni valori sono più legati di altri a determinate tipologie di testo: - Il testo tecnico è solitamente più stringato. - Il testo letterario è più articolato. Confronti fra generi e all interno dello stesso genere.

8 L analisi descrittiva preliminare: Indici di ricchezza lessicale Il vocabolariodi un testo è determinato dai termini usati in un testo, indipendentemente dalla loro frequenza. Un primo indicatore sintetico è #vocabolario, ovvero il numero di termini (non di parole) usati nel testo. Type/tokenratio= #vocabolario/n di parole presenti. Maggiore è il numero di termini diversi in rapporto al totale delle parole presenti, più è ricco il testo. (N.B. stemming) Guiraudindex= n harpax/#vocabolario. Harpax= numero di termini con frequenza assoluta pari a 1 Molti termini singolari indicano maggiore ricchezza di linguaggio. 8

9 L analisi descrittiva preliminare: Indici di ricchezza lessicale (esempio) Un singolo documento, descrittivo dell azienda, ricavato dalla comunicazione ufficiale del sito internet: Fondata nel 1876, Henkeldetiene posizioni di leadership sul mercato mondiale sia nel segmento dedicato ai consumatori sia in quello rivolto alle industrie, con marchi di fama internazionale come Persil, Schwarzkopf e Loctite. Henkel, la cui sede centrale si trova a Düsseldorf, in Germania, impiega circa persone nel mondo ed è una delle multinazionali tedesche più presenti sui mercati mondiali. Nel mondo ogni giorno le persone ripongono fiducia nei marchi e nelle tecnologie Henkel. 9

10 L analisi descrittiva preliminare: Indici di ricchezza lessicale (esempio) Testo dopo il refining(normalizzazione): Fondare Henkel detenere posizione leadership mercato mondo segmento dedicare consumatore rivolgere industria marchio fama internazionale Persil Schwarzkopf LoctiteHenkel sede centrale trovarsi Düsseldorf Germania impiegare persona mondo multinazionale tedesco presente mercato mondo mondogiorno persona riporre fiducia marchio tecnologia Henkel 10

11 L analisi descrittiva preliminare: Indici di ricchezza lessicale (esempio) Numero parole nel documento originale= 75 Numero di parole nel documento normalizzato = 40 Tasso di copertura del testo: 40/75= 0.53 #vocabolario: numero di termini nel testo = 32 Type/token ratio:#vocab/n parole = 32/40=0.8 #Harpax: numero di termini singoli = 27 Guiraud index: #harpax/#vocabolario=27/32=0.84 Termini più frequenti:. mondo Henkel marchio mercato persona

12 Distribuzione di frequenza dei termini a confronto con i lessici di frequenza Comparazione della distribuzione dei termini caratteristici della ricerca e confronto con i lessici di frequenza, che forniscono la distribuzione degli stessi termini all interno del linguaggio comune. Lessico parlato diverso da quello scritto. Particolarità del linguaggio scritto sul web. Linguaggio gergale. 12

13 L analisi descrittiva preliminare: matrice termini x documenti La matrice termini x documenti (come la sua trasposta documenti x termini) fornisce la distribuzione di frequenza di ciascun termine all interno dei vari documenti e vice versa. Questa matrice non ha solo caratteristiche descrittive ma funge da base per la maggior parte delle analisi statistiche più complesse. Fornisce informazioni sulle parole più frequenti e su quelle meno frequenti, che sono caratteri del testo specifico. 13

14 L analisi descrittiva preliminare: matrice termini x documenti mondo marchio mercato persona centrale ecc Azienda A Azienda B Azienda C ecc 14

15 L associazione tra concetti Come nel caso di variabili categoriali, anche per i termini presenti in un testo è possibile calcolare le associazioni fra coppie, verificando quali concetti si presentano più spesso in contemporanea. Dall analisi dell associazione è possibile trarre indicazioni riguardanti eventuali dimensioni latenti, presenti quando lo stesso concetto si manifesta con forme lessicali differenti. 15

16 La riduzione spaziale dei dati Previa la rilevazione di consistenti livelli di associazione fra coppie di concetti, è possibile costruire spazi fattoriali ridotti (proprio come l analisi fattoriale classica) che consentano di raggruppare insiemi di parole, le quali, accostate presentino un pensiero di senso compiuto. Tramite l analisi delle corrispondenze è possibile generare uno spazio in cui i gruppi di termini più prossimi sono portatori di informazioni rilevanti, non autoevidenti nella vasta mole di dati iniziali. 16

17 La riduzione spaziale dei dati La riduzione spaziale dei dati, chiamata anche SVD (SingularValue Decomposition), serve per quantificare l informazione contenuta nella matrice termini X documenti, la quale determina uno spazio multidimensionale enorme. La scomposizione in valori singolari aiuta a ridurre la dimensionalitàdei dati individuando le componenti semantiche latenti ( temi principali nei documenti originali). Ciascun documento ha una determinata posizione rispetto a questi nuovi assi che ne misura l attinenza al concetto ad essi sotteso. 17

18 La classificazione Ai dati testuali è possibile applicare le più diffuse tecniche statistiche di classificazione automatica allo scopo di : Individuare gruppi omogenei di termini all interno del corpus. Evidenziare caratteristiche che si discostano dal comportamento generale e che richiedono un trattamento diverso. 18

19 La classificazione Diversi metodi di classificazione: Metodi di apprendimento supervisionato Alberi decisionali Reti Neurali Metodi di apprendimento non supervisionato Clustering gerarchico Clustering non gerarchico 19

20 La classificazione I metodi di apprendimento supervisionatosono fortemente legati al concetto di text categorization: assegnazione automatica di testi scritti ad una o più categorie note in partenza: Single-label: Ogni testo viene assegnato ad una sola categoria Multi-label: Ogni documento può essere assegnato a zero o più categorie, che possono sovrapporsi parzialmente. Obiettivo di un classificatore automatico è quello di generalizzare le osservazioni fatte su un insieme di campioni di training, allo scopo di assegnare alla giusta categoria nuovi testi. 20

21 La classificazione I metodi di apprendimento non supervisionato, in generale consentono di conseguire i seguenti risultati: Ricerca tipologica e di classi omogenee Ricerca di gruppi di testi tra loro omogenei ma aventi caratteristiche distintive rispetto al resto del corpus. Generazione di ipotesi di ricerca Non necessitano di modelli a priori. Costruzione di sistemi di classificazione automatica Classificatore per le nuove unità. 21

22 Analisi testuale Prospettive: Sfruttare l enorme quantità di informazioni nascoste nei messaggi codificati in linguaggio naturale altrimenti trascurate. Limiti: L AI non è ancora sufficientemente sviluppata per consentire una ricodificaautomatica in linguaggio macchina che non necessiti della supervisione umana. 22

23 Principali software a disposizione per Software free Weka/KEA R/tm Software proprietario TalTac2 T-LAB Spad/data mining SPSS /Clementine SAS text miner l analisi testuale 23

24 Principali software a disposizione per l analisi testuale: WEKA/KEA Weka: Leader nell ambito del software open source per il data mining e per il text mining in particolare. Sviluppato in Java nell ambito dell università di Waikato in Nuova Zelanda. Nato in ambito di ricerca, si sta diffondendo nel mondo economico. Include tooldi pre-processing, metodi di valutazione, algoritmi di apprendimento ed un ambiente per confrontarne i risultati, nonché un interfaccia grafica. 24

25 Principali software a disposizione per l analisi testuale: WEKA/KEA Weka/KEA: Il modulo KEA è specifico dell analisi testuale. KEA fornisce un algoritmo per l estrazione di parole chiave e frasi cardine da documenti testuali utile per indicizzazioni (libere o controllate) tramite dizionario. Integra tutti i più comuni strumenti di analisi statistica testuale.!!!importante: dispone di una vasta raccolta di vocabolari utili per lo stemming(tra cui l italiano). 25

26 Principali software a disposizione per l analisi testuale: R/tm R: È un ambiente di sviluppo specifico per l analisi statistica. Rappresenta lo standard del software statistico open source per il mondo accademico perché è sempre all avanguardia. Lo sviluppo di interfacce grafiche userfriendlyne amplia l utilizzo fuori dall università. Non fornisce garanzie dal punto di vista legale sulla qualità del risultato, peraltro supervisionato costantemente dagli sviluppatori (per lo più accademici di professione). 26

27 Principali software a disposizione per R: l analisi testuale: R/tm Dispone di una ampia serie di moduli specifici che si adattano alle maggiori esigenze statistiche. Il pacchetto per l analisi testuale tmfornisce gli strumenti per la normalizzazionedei testi, che in seguito possono essere trattati con i classici strumenti statistici compresi nei moduli specifici. Per l analisi semantica e lo stemmingutilizza gli stessi strumenti implementati in WEKA. 27

28 Principali software a disposizione per l analisi testuale TalTac2: Software proprietario per l'analisi automatica del testo nella duplice logica di Text Analysis (TA) e di Text Mining(TM). Ha origine dai risultati di ricerche svolte presso le Università degli Studi di Salerno e di Roma "La Sapienza" nel corso degli anni novanta, coordinate da Sergio Bolascoed è frutto della collaborazione di ricercatori e colleghi di varie università italiane e francesi. Utilizza risorse sia di tipo statistico, sia di tipo linguistico, altamente integrate fra loro e personalizzabili dall'utente, e consente a due livelli, lessicale e testuale, da un lato l'analisi del testo (text analysis), dall'altro il recupero e l'estrazione d'informazione, secondo i principi del data mininge del text mining. N.B.: Specifico per ambienti Windows. 28

29 Principali software a disposizione per l analisi testuale T-LAB: Software statistico, utilizzato anche nell ambito, ma indirizzato soprattutto al settore privato. Nato nell ambito in territorio italiano, dispone di una discreta varietà di dizionari e, come TalTac2, è indirizzato specificatamente all analisi testuale. Il software utilizza processi automatici semiautomatici che consentono di evidenziare rapidamente pattern di parole, temi e variabili. N.B.: Specifico per ambienti Windows. 29

30 Principali software a disposizione per l analisi testuale SPAD/data mining: SPAD è un software della società francese Coherisdestinato all analisi dei statistica dati con indirizzo prevalentemente predittivo. Si è sviluppato in ambito accademico ma, grazie allo sviluppo di un interfaccia grafica fortemente intuitiva, ha assunto un indirizzo preminentemente aziendale. Oggi la fase di sviluppo è principalmente a livello proprietario. Il modulo di data mining offre di tecniche di analisi testuale N.B.: Specifico per ambienti Windows. 30

31 Principali software a disposizione per l analisi testuale SPSS/ Clementine SPSS è un software statistico oggi di proprietà dell IBM, diffusissimo soprattutto in ambito sociologico, dispone di un set di toolstatistici abbastanza completo e di un interfaccia grafica molto semplice che ne hanno consentito un grandissima diffusione. Offre un modulo di data mining, Clementine, che integra l analisi testuale. N.B.: Oltre che da Windows è supportato anche da Mac OS. 31

32 Principali software a disposizione per l analisi testuale SAS/ text miner Complesso di prodotti software integrati (sviluppati dal SAS Institute) ad indirizzo prevalenti di supporto alle decisioni. Permette un ampio utilizzo di strumenti di programmazione: meno user friendly ma più flessibile. Rappresenta il leader di mercato nel data mininge, oltre ad avere toolspecifici per l analisi testuale nel pacchetto text minir, oggi offre un pacchetto supplementare completo di texmining, completo degli strumenti più aggiornati e di un ampia gamma di dizionari. N.B.: non è supportato da Mac Os. 32

33 Bibliografia Data Mining Techniques, III ed.; LinoffG.S., Berry M.J.A.; (2011) Wiley Capitolo 21: Text mining

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testuali

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testuali Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testuali Il text mining: una definizione Data mining per dati destrutturati ovvero documenti codificati in linguaggio

Dettagli

MASTER UNIVERSITARIO

MASTER UNIVERSITARIO MASTER UNIVERSITARIO Analisi Dati per la Business Intelligence In collaborazione con II edizione 2013/2014 Dipartimento di Culture, Politica e Società Dipartimento di Informatica gestito da aggiornato

Dettagli

MASTER UNIVERSITARIO. Analisi Dati per la Business Intelligence e Data Science. IV edizione 2015/2016

MASTER UNIVERSITARIO. Analisi Dati per la Business Intelligence e Data Science. IV edizione 2015/2016 MASTER UNIVERSITARIO Analisi Dati per la Business Intelligence e Data Science In collaborazione con IV edizione 2015/2016 Dipartimento di Culture, Politica e Società Dipartimento di Informatica Dipartimento

Dettagli

Indagini statistiche attraverso i social networks

Indagini statistiche attraverso i social networks Indagini statistiche attraverso i social networks Agostino Di Ciaccio Dipartimento di Scienze Statistiche Università degli Studi di Roma "La Sapienza" SAS Campus 2012 1 Diffusione dei social networks Secondo

Dettagli

Quick Introduction T-LAB 9.1. Strumenti per l Analisi dei Testi. Marzo 2014. Copyright 2001-2014 T-LAB by Franco Lancia All rights reserved.

Quick Introduction T-LAB 9.1. Strumenti per l Analisi dei Testi. Marzo 2014. Copyright 2001-2014 T-LAB by Franco Lancia All rights reserved. T-LAB 9.1 Marzo 2014 Quick Introduction Strumenti per l Analisi dei Testi Copyright 2001-2014 T-LAB by Franco Lancia All rights reserved. Website: http://www.tlab.it/ E-mail: info@tlab.it T-LAB is a registered

Dettagli

Prime sperimentazioni d'indicizzazione [semi]automatica alla BNCF

Prime sperimentazioni d'indicizzazione [semi]automatica alla BNCF Prime sperimentazioni d'indicizzazione [semi]automatica alla BNCF Maria Grazia Pepe - Elisabetta Viti (Biblioteca nazionale centrale di Firenze) 6. Incontro ISKO Italia Firenze 20 maggio 2013 SOMMARIO

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

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

aided content analysis)

aided content analysis) T-Lab Stefano Nobile L analisi del contenuto computerizzata (computer aided content analysis) I software in commercio per l analisi l del contenuto computerassistita possono essere distinti in due grandi

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

SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE

SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE Arricchimento dei dati del sottoscrittore / user Approccio Tradizionale Raccolta dei dati personali tramite contratto (professione, dati sul nucleo familiare, livello

Dettagli

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali DIPARTIMENTO DI INGEGNERIA INFORMATICA AUTOMATICA E GESTIONALE ANTONIO RUBERTI Cenni al Data Mining 1 Data Mining nasce prima del Data Warehouse collezione di tecniche derivanti da Intelligenza Artificiale,

Dettagli

Analisi statistica di dati testuali: il software SPAD

Analisi statistica di dati testuali: il software SPAD Analisi statistica di dati testuali: il software SPAD Prof.ssa D. Fioredistella Iezzi Università di Roma Tor Vergata stella.iezzi@uniroma2.it SPAD Procedure testuali in SPAD MOTS: Creazione di un vocabolario

Dettagli

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

Data mining e rischi aziendali

Data mining e rischi aziendali Data mining e rischi aziendali Antonella Ferrari La piramide delle componenti di un ambiente di Bi Decision maker La decisione migliore Decisioni Ottimizzazione Scelta tra alternative Modelli di apprendimento

Dettagli

Installazione di IBM SPSS Modeler 14.2 Client (licenza di rete)

Installazione di IBM SPSS Modeler 14.2 Client (licenza di rete) Installazione di IBM SPSS Modeler 14.2 Client (licenza di rete) Le seguenti istruzioni sono relative all installazione di IBM SPSS Modeler Client versione 14.2 con licenza di rete. Questo documento è stato

Dettagli

Laurea Magistrale in Linguistica Teorica, Applicata e delle Lingue Moderne. Tirocini già attivati e docenti di riferimento

Laurea Magistrale in Linguistica Teorica, Applicata e delle Lingue Moderne. Tirocini già attivati e docenti di riferimento Laurea Magistrale in Linguistica Teorica, Applicata e delle Lingue Moderne Tirocini già attivati e docenti di riferimento Ciascuno dei tirocini proposti è valevole ai fini del riconoscimento dei 6 CFU

Dettagli

Il DataMining. Susi Dulli dulli@math.unipd.it

Il DataMining. Susi Dulli dulli@math.unipd.it Il DataMining Susi Dulli dulli@math.unipd.it Il Data Mining Il Data Mining è il processo di scoperta di relazioni, pattern, ed informazioni precedentemente sconosciute e potenzialmente utili, all interno

Dettagli

2012 Extreme srl riproduzione riservata

2012 Extreme srl riproduzione riservata Web & Social Media: il BIG DATA* Le aziende devono gestire il BIG DATA perché è attraverso di esso che sviluppano relazioni con i clienti, riscontrano e gestiscono la customer satisfaction, studiano e

Dettagli

La guida CRM per eliminare le incertezze: prendete il controllo del vostro business

La guida CRM per eliminare le incertezze: prendete il controllo del vostro business 2 La guida CRM per eliminare le incertezze: prendete il controllo del vostro business (2 - migliorate la vostra credibilità: i 5 passi per dimostrare l efficacia del Marketing) Pagina 1 di 9 SOMMARIO PREMESSA...

Dettagli

Corso Android Corso Online Programmatore Android

Corso Android Corso Online Programmatore Android Corso Android Corso Online Programmatore Android Accademia Domani Via Pietro Blaserna, 101-00146 ROMA (RM) info@accademiadomani.it Programma Generale del Corso Modulo Uno - Programmazione J2ee 1) Programmazione

Dettagli

ht://miner Un sistema open-source di data mining e data warehousing per lo studio dei comportamenti degli utenti su Internet

ht://miner Un sistema open-source di data mining e data warehousing per lo studio dei comportamenti degli utenti su Internet ht://miner Un sistema open-source di data mining e data warehousing per lo studio dei comportamenti degli utenti su Internet Gabriele Bartolini Comune di Prato Sistema Informativo Servizi di E-government

Dettagli

A ZIENDE O RGANIZZAZIONI S TUDI P ROFESSIONALI. Lo strumento. di Business Intelligence alla portata di tutti

A ZIENDE O RGANIZZAZIONI S TUDI P ROFESSIONALI. Lo strumento. di Business Intelligence alla portata di tutti A ZIENDE O RGANIZZAZIONI S TUDI P ROFESSIONALI Lo strumento di Business Intelligence alla portata di tutti Descrizione Generale Trasforma i tuoi dati in una fonte di successo!!! INFOBUSINESS si propone

Dettagli

RICERCA DELL INFORMAZIONE

RICERCA DELL INFORMAZIONE RICERCA DELL INFORMAZIONE DOCUMENTO documento (risorsa informativa) = supporto + contenuto analogico o digitale locale o remoto (accessibile in rete) testuale, grafico, multimediale DOCUMENTO risorsa continuativa

Dettagli

Facoltà di Psicologia - Corso FSE gennaio febbraio 2010. Marco Vicentini info@marcovicentini.it

Facoltà di Psicologia - Corso FSE gennaio febbraio 2010. Marco Vicentini info@marcovicentini.it Facoltà di Psicologia - Corso FSE gennaio febbraio 2010 Marco Vicentini info@marcovicentini.it Statistica e Psicologia Quali statistiche per la psicologia? Quali programmi per la statistica? Codifica e

Dettagli

Corso di Informatica

Corso di Informatica Corso di Informatica Modulo T2 1 Sistema software 1 Prerequisiti Utilizzo elementare di un computer Significato elementare di programma e dati Sistema operativo 2 1 Introduzione In questa Unità studiamo

Dettagli

Esplorazioni e visualizzazioni Rocco Tripodi rocco@unive.it

Esplorazioni e visualizzazioni Rocco Tripodi rocco@unive.it Università Ca Foscari di Venezia Linguistica Informatica Mod. 1 Anno Accademico 2010-2011 Esplorazioni e visualizzazioni Rocco Tripodi rocco@unive.it Schema Input Text Teoria informazione Espressioni Regolari

Dettagli

L utilizzo dei Big Data in Istat: stato attuale e prospettive

L utilizzo dei Big Data in Istat: stato attuale e prospettive L utilizzo dei Big Data in Istat: stato attuale e prospettive Giulio Barcaroli FORUM PA 28 maggio 2015 Outline Illustrazione delle attività portate avanti dall Istat, riguardanti: la prosecuzione di sperimentazioni

Dettagli

Elio Cutino. Business Analytics and Optimization Dai Dati alle Decisioni. Milano,13 ottobre 2010

Elio Cutino. Business Analytics and Optimization Dai Dati alle Decisioni. Milano,13 ottobre 2010 Elio Cutino Business Analytics and Optimization Dai Dati alle Decisioni Milano,13 ottobre 2010 Immaginate di poter analizzare le relazioni e i contatti dei vostri clienti per prevenire defezioni e abbandoni

Dettagli

MONIWEB Analisi dell immagine in Web 2.0

MONIWEB Analisi dell immagine in Web 2.0 MONIWEB Analisi dell immagine in Web 2.0 Eikon Strategic Consulting. Nessuna parte di questo documento puo essere usato o riprodotto senza permesso scritto INDICE Cos è il Web 2.0? Web 2.0 e la sua influenza

Dettagli

Linguaggi e Paradigmi di Programmazione

Linguaggi e Paradigmi di Programmazione Linguaggi e Paradigmi di Programmazione Cos è un linguaggio Definizione 1 Un linguaggio è un insieme di parole e di metodi di combinazione delle parole usati e compresi da una comunità di persone. È una

Dettagli

Il questionario. Laboratorio del corso Tecniche quantitative di ricerca sociale. IV lezione. Modulo: Rilevazione dei dati

Il questionario. Laboratorio del corso Tecniche quantitative di ricerca sociale. IV lezione. Modulo: Rilevazione dei dati Il questionario Laboratorio del corso Tecniche quantitative di ricerca sociale Modulo: Rilevazione dei dati IV lezione Simona Ballabio Federico Denti Le prime fasi del processo di ricerca 1 2 Teoria Ipotesi

Dettagli

Lezione 8. Data Mining

Lezione 8. Data Mining Lezione 8 Data Mining Che cos'è il data mining? Data mining (knowledge discovery from data) Estrazione di pattern interessanti (non banali, impliciti, prima sconosciuti e potenzialmente utili) da enormi

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

IL PROBLEMA DELLA RICERCA DI INFORMAZIONI su Internet e sul web

IL PROBLEMA DELLA RICERCA DI INFORMAZIONI su Internet e sul web IL PROBLEMA DELLA RICERCA DI INFORMAZIONI su Internet e sul web GLI INTERROGATIVI 1. Perché Internet è il più grande contenitore di info del mondo? 2. Perché non è sempre facile reperire informazione utile

Dettagli

ANALISI DEI DATI PER IL MARKETING 2014

ANALISI DEI DATI PER IL MARKETING 2014 ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it LA CLASSIFICAZIONE CAP IX, pp.367-457 Problema generale della scienza (Linneo, ) Analisi discriminante Cluster Analysis

Dettagli

Sistemi informativi aziendali

Sistemi informativi aziendali Sistemi informativi aziendali Lezione 12 prof. Monica Palmirani Sistemi informativi e informatici Sistemi informativi = informazioni+processi+comunicazione+persone Sistemi informatici = informazioni+hardware+software

Dettagli

INFORMATICA. Obiettivi Biennio Economico in termini di competenze:

INFORMATICA. Obiettivi Biennio Economico in termini di competenze: INFORMATICA Obiettivi Biennio Economico in termini di competenze: 1. individuare le strategie appropriate per la soluzione di problemi. 2. utilizzare e produrre testi multimediali. 3. analizzare dati ed

Dettagli

Analisi statistica di dati testuali

Analisi statistica di dati testuali Analisi statistica di dati testuali Prof.ssa D. Fioredistella Iezzi Università di Roma Tor Vergata stella.iezzi@uniroma2.it Studi quantitativi sulla lingua Le tecniche di analisi testuale consentono di

Dettagli

DIPLOMA DI STATISTICA

DIPLOMA DI STATISTICA Università di Roma La Sapienza DIPLOMA DI STATISTICA PROGETTO CAMPUS Guida all uso dello Spad-T Applicazione Texte Luca Giuliano Alessandro Stabellini Anno 2000 DOS Sigla della locuz. ingl. Disk Operating

Dettagli

Kirey Re.Search 2.0. Piattaforma di ricerca Open Source

Kirey Re.Search 2.0. Piattaforma di ricerca Open Source Kirey Re.Search 2.0 Piattaforma di ricerca Open Source Le esigenze Quando si parla di motori di ricerca si tende a pensare istintivamente solo a quelli utilizzati per effettuare ricerche in Internet, come

Dettagli

Crisi e cambiamento nella realtà artigiana

Crisi e cambiamento nella realtà artigiana Confartigianato Asolo e Montebelluna Progetto di ricerca Crisi e cambiamento nella realtà artigiana Treviso, Settembre 2011 Indice 1. Premessa 2 2. (D2) Nel mondo si parla di crisi e di cambiamento, che

Dettagli

Corso Android Corso Online Sviluppo su Cellulari con Android

Corso Android Corso Online Sviluppo su Cellulari con Android Corso Android Corso Online Sviluppo su Cellulari con Android Accademia Futuro info@accademiafuturo.it Programma Generale del Corso di Sviluppo su Cellulari con Android Programma Base Modulo Uno - Programmazione

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

Vodafone Device Manager. La soluzione Vodafone per gestire Smartphone e Tablet aziendali in modo semplice e sicuro

Vodafone Device Manager. La soluzione Vodafone per gestire Smartphone e Tablet aziendali in modo semplice e sicuro La soluzione Vodafone per gestire Smartphone e Tablet aziendali in modo semplice e sicuro In un mondo in cui sempre più dipendenti usano smartphone e tablet per accedere ai dati aziendali, è fondamentale

Dettagli

PROCESSO DI INDICIZZAZIONE SEMANTICA

PROCESSO DI INDICIZZAZIONE SEMANTICA PROCESSO DI INDICIZZAZIONE SEMANTICA INDIVIDUAZIONE DEI TEMI/CONCETTI SELEZIONE DEI TEMI/CONCETTI ESPRESSIONE DEI CONCETTI NEL LINGUAGGIO DI INDICIZZAZIONE TIPI DI INDICIZZAZIONE SOMMARIZZAZIONE INDICIZZAZIONE

Dettagli

In particolare ITCube garantisce:

In particolare ITCube garantisce: InfoTecna ITCube Il merchandising, ossia la gestione dello stato dei prodotti all interno dei punti vendita della grande distribuzione, è una delle componenti fondamentali del Trade Marketing e per sua

Dettagli

! Approvato AD Data 01/06/2013

! Approvato AD Data 01/06/2013 1 Dipartimento di: Lettere Linguistico: latino 1. COMPETENZE DISCIPLINARI 2. ARTICOLAZIONE DELLE COMPETENZE DISCIPLINARI Anno scolastico: 2014-2015 X Primo biennio Secondo biennio Quinto anno Competenze

Dettagli

Database. Si ringrazia Marco Bertini per le slides

Database. Si ringrazia Marco Bertini per le slides Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida

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

SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale I sondaggi 23/1/2006

SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale I sondaggi 23/1/2006 SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale I sondaggi 23/1/2006 Scopo della ricerca Riuscire a determinare le caratteristiche di un fenomeno attraverso un campionamento di alcuni

Dettagli

2.1 Introduzione ai linguaggi di marcatura

2.1 Introduzione ai linguaggi di marcatura Fondamenti di Informatica Sistemi di Elaborazione delle Informazioni Informatica Applicata 2.1 Introduzione ai linguaggi di marcatura Antonella Poggi Anno Accademico 2012-2013 DIPARTIMENTO DI SCIENZE DOCUMENTARIE

Dettagli

CICLO DI SEMINARI AVANZATI SUI METODI E LE TECNICHE DELLA RICERCA QUALITATIVA PROGRAMMI DEI SEMINARI

CICLO DI SEMINARI AVANZATI SUI METODI E LE TECNICHE DELLA RICERCA QUALITATIVA PROGRAMMI DEI SEMINARI Il Master di Secondo Livello in QR-M&S RICERCA QUALITATIVA PER IL MARKETING E IL SOCIALE Quarta Edizione - A.A. 2012-2013 propone un CICLO DI SEMINARI AVANZATI SUI METODI E LE TECNICHE DELLA RICERCA QUALITATIVA

Dettagli

La gestione del documento

La gestione del documento Operatore giuridico d impresa Informatica Giuridica A.A 2002/2003 II Semestre La gestione del documento prof. Monica Palmirani Il documento A differenza del dato il documento è solitamente un oggetto non

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

Pianificazione Controllo Analisi Reporting. Progetti Srl - PCPro 1

Pianificazione Controllo Analisi Reporting. Progetti Srl - PCPro 1 Pianificazione Controllo Analisi Reporting 1 Controllo di Gestione La situazione dei mercati impone alle aziende la necessità di operare in modo più efficiente e tempestivo. L informazione sullo stato

Dettagli

CORSO DI ITALIANO CLASSE PRIMA

CORSO DI ITALIANO CLASSE PRIMA CORSO DI ITALIANO CLASSE PRIMA UdA n.1 - LEGGERE, COMPRENDERE E INTERPRETARE TESTI 1. Comprendere e analizzare narrativi, descrittivi, espositivi e poetici 2. Riconoscere e classificare diversi tipi di

Dettagli

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale Esperienze di Apprendimento Automatico per il corso di lippi@dsi.unifi.it Dipartimento Sistemi e Informatica Università di Firenze Dipartimento Ingegneria dell Informazione Università di Siena Introduzione

Dettagli

IL PORTALE A SUPPORTO DELLA DIDATTICA E DELLA GESTIONE

IL PORTALE A SUPPORTO DELLA DIDATTICA E DELLA GESTIONE IL PORTALE A SUPPORTO DELLA DIDATTICA E DELLA GESTIONE Di Antonella Della Rovere (luglio 2003) L ambiente accademico sta attraversando un momento di profonda trasformazione: la riforma dei corsi di studio

Dettagli

Indice-sommario INDICE SOMMARIO CAPITOLO I LE MATRICI DEI DATI E LE ANALISI UNIVARIATE

Indice-sommario INDICE SOMMARIO CAPITOLO I LE MATRICI DEI DATI E LE ANALISI UNIVARIATE VII INDICE SOMMARIO Prefazione... xv CAPITOLO I LE MATRICI DEI DATI E LE ANALISI UNIVARIATE 1. Analisi dei dati e data mining... 1 2. La matrice dei dati «unità pervariabili»... 6 3. Idatiricavatidaun

Dettagli

Biblioteche, centri di documentazione e musei digitali per la ricerca e la formazione superiore

Biblioteche, centri di documentazione e musei digitali per la ricerca e la formazione superiore Biblioteche, centri di documentazione e musei digitali per la ricerca e la formazione superiore Jacopo Di Cocco Direttore CIB, coordinatore CASA, CNC-SBN, GSB-CRUI, OTS-GARR 24-26 giugno 2002 Bologna:

Dettagli

PROGRAMMAZIONE SECONDO BIENNIO LINGUA e C IVILTA INGLESE

PROGRAMMAZIONE SECONDO BIENNIO LINGUA e C IVILTA INGLESE PROGRAMMAZIONE SECONDO BIENNIO LINGUA e C IVILTA INGLESE OBIETTIVI DI APPRENDIMENTO LINGUA Lo studente dovrà acquisire competenze linguistico-comunicative corrispondenti al Livello B2 del Quadro Comune

Dettagli

Moda.PDM. Scheda tecnica

Moda.PDM. Scheda tecnica Scheda tecnica Modasystem è una sofware house, leader nel settore, nata e strutturata per realizzare e proporre software applicativo per industrie di abbigliamento e calzature. Il personale di Modasystem

Dettagli

Conoscere Dittaweb per:

Conoscere Dittaweb per: IL GESTIONALE DI OGGI E DEL FUTURO Conoscere Dittaweb per: migliorare la gestione della tua azienda ottimizzare le risorse risparmiare denaro vivere meglio il proprio tempo IL MERCATO TRA OGGI E DOMANI

Dettagli

OPEN SOURCE. Concetti chiave e implicazioni per le scelte aziendali (fornitori e utenti)

OPEN SOURCE. Concetti chiave e implicazioni per le scelte aziendali (fornitori e utenti) OPEN SOURCE Concetti chiave e implicazioni per le scelte aziendali (fornitori e utenti) OBIETTIVI Cosa sono i sw open source? Cosa li distingue dai sofware non open? Quali implicazioni per: I professionisti

Dettagli

INFORMATICA LE470 Editoria multimediale - Ideazione e progettazione

INFORMATICA LE470 Editoria multimediale - Ideazione e progettazione INFORMATICA LE470 Editoria multimediale - Ideazione e progettazione Facoltà di Lettere e Filosofia anno accademico 2008/2009 secondo semestre Editoria multimediale - Introduzione Editoria multimediale

Dettagli

Programmi. Algoritmi scritti in un linguaggio di programmazione

Programmi. Algoritmi scritti in un linguaggio di programmazione Programmi Algoritmi scritti in un linguaggio di programmazione Sistema operativo:programma supervisore che coordina tutte le operazioni del calcolatore Programmi applicativi esistenti Sistemi di videoscrittura

Dettagli

WOSM (World Open Source Monitoring): Il migliore sistema al mondo di media intelligence

WOSM (World Open Source Monitoring): Il migliore sistema al mondo di media intelligence 1 WOSM (World Open Source Monitoring): Il migliore sistema al mondo di media intelligence WOSM è un sistema di media monitoring unico al mondo. Restituisce percorsi di lettura dei dati trasversali, fruibili,

Dettagli

Installazione di IBM SPSS Modeler 14.2 Client (utente singolo)

Installazione di IBM SPSS Modeler 14.2 Client (utente singolo) Installazione di IBM SPSS Modeler 14.2 Client (utente singolo) Le seguenti istruzioni sono relative all installazione di IBM SPSS Modeler Client versione 14.2 con licenza per utente singolo. Una licenza

Dettagli

Liceo Tecnologico. Indirizzo Informatico e Comunicazione. Indicazioni nazionali per Piani di Studi Personalizzati

Liceo Tecnologico. Indirizzo Informatico e Comunicazione. Indicazioni nazionali per Piani di Studi Personalizzati Indirizzo Informatico e Comunicazione Indicazioni nazionali per Piani di Studi Personalizzati Indirizzo Informatico e Comunicazione Discipline con attività di laboratorio 3 4 5 Fisica 132 Gestione di progetto

Dettagli

Competenze Abilità Conoscenze Tempi

Competenze Abilità Conoscenze Tempi DIPARTIMENTO DI INGLESE PRIMO BIENNIO Primo anno COMPETENZE ASSE DEI LINGUAGGI Utilizza gli strumenti espressivi per gestire l interazione comunicativa per i principali scopi di uso quotidiano. - comprende

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

Introduzione al Datamining. Francesco Passantino francesco@iteam5.net www.iteam5.net/francesco

Introduzione al Datamining. Francesco Passantino francesco@iteam5.net www.iteam5.net/francesco Introduzione al Datamining Francesco Passantino francesco@iteam5net wwwiteam5net/francesco Cos è il datamining Processo di selezione, esplorazione e modellazione di grandi masse di dati, al fine di scoprire

Dettagli

Corso di laurea specialistica in Economia e Gestione delle Reti

Corso di laurea specialistica in Economia e Gestione delle Reti Corsi di laurea specialistica sede di Venezia Guida della Facoltà di Economia a.a. 2004-0 Corso di laurea specialistica in Economia e Gestione delle Reti Classe di appartenenza: Classe delle lauree specialistiche

Dettagli

Investing f or Growth

Investing f or Growth Investing for Growth Open Business Solution Software integrato e modulare per la gestione aziendale, OB One permette di soddisfare in maniera semplice ed intuitiva tutte le esigenze contabili, amministrative

Dettagli

Corso Programmazione Java Android. Programma

Corso Programmazione Java Android. Programma Corso Programmazione Java Android Programma 1.1 Obiettivo e modalità di fruizione L obiettivo del corso è di fornire le conoscenze tecniche e metodologiche per svolgere la professione di Programmatore

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

InfoTecna ITCube Web

InfoTecna ITCube Web InfoTecna ITCubeWeb ITCubeWeb è un software avanzato per la consultazione tramite interfaccia Web di dati analitici organizzati in forma multidimensionale. L analisi multidimensionale è il sistema più

Dettagli

IL PROBLEMA DELLA RICERCA DI INFORMAZIONI su Internet e sul web

IL PROBLEMA DELLA RICERCA DI INFORMAZIONI su Internet e sul web IL PROBLEMA DELLA RICERCA DI INFORMAZIONI su Internet e sul web GLI INTERROGATIVI 1. Perché Internet è diventato il più grande contenitore di informazioni del mondo? 2. Perché non è sempre facile reperire

Dettagli

Soluzioni ZANASI di codifica e marcatura per il settore Vinicolo

Soluzioni ZANASI di codifica e marcatura per il settore Vinicolo Soluzioni ZANASI di codifica e marcatura per il settore Vinicolo RIDUZIONE DEI COSTI DI GESTIONE ALTE PRESTAZIONI E FACILITA DI INTEGRAZIONE TECNOLOGIA AVANZATA E AGGIORNABILE TECNOLOGIA APERTA: SEMPLICITA

Dettagli

Analisi informatizzata delle aziende italiane

Analisi informatizzata delle aziende italiane Analisi informatizzata delle aziende italiane Bureau van Dijk BvD rappresenta uno dei leader mondiali nella distribuzione dell informazione economico-finanziaria; grazie alla sua presenza internazionale

Dettagli

Internet: Software Open Source e Sistemi operativi. conoscerlo al meglio per usarlo meglio. 2011 Gabriele Riva - Arci Barzanò

Internet: Software Open Source e Sistemi operativi. conoscerlo al meglio per usarlo meglio. 2011 Gabriele Riva - Arci Barzanò Internet: conoscerlo al meglio per usarlo meglio Software Open Source e Sistemi operativi Indice Cos'è un Software Open Source Perchè utilizzare Software Open Source Sistemi operativi Licenze software

Dettagli

Giovani e lavoro: dall Università al mondo. I giovani nelle aziende senza confini

Giovani e lavoro: dall Università al mondo. I giovani nelle aziende senza confini Giovani e lavoro: dall Università al mondo. I giovani nelle aziende senza confini Giovani e mondo del lavoro: le ricerche ISTUD Dopo la laurea. Rapporto sul lavoro giovanile ad alta qualificazione (2002)

Dettagli

Studio Grafico Ramaglia. Graphic Designer

Studio Grafico Ramaglia. Graphic Designer Index Profilo Agenzia Grafica Internet Perchè affidarsi a noi Profilo Dal 2012 lo studio RAMAGLIA si occupa di comunicazione, grafica pubblicitaria, web design e marketing. I nostri servizi si rivolgono

Dettagli

Come l aspetto ludico possa essere utile all apprendimento: il software didattico Sorpasso!

Come l aspetto ludico possa essere utile all apprendimento: il software didattico Sorpasso! 1 Erika Firpo Come l aspetto ludico possa essere utile all apprendimento: il software didattico Sorpasso! INTRODUZIONE Sempre più spesso i bambini e i ragazzi passano parte del loro tempo a giocare coi

Dettagli

Di testi ed immagini

Di testi ed immagini Università Cattolica del Sacro Cuore - Brescia 23/5/2005 Parte I: Richiami di algebra lineare Parte II: Applicazioni Sommario della Parte I 1 Diagonalizzabilità di una matrice Autovalori ed autovettori

Dettagli

SEO: le fondamenta del marketing digitale

SEO: le fondamenta del marketing digitale SEO: le fondamenta del marketing digitale e-book a cura di Andrea Roversi, Note introduttive Alleghiamo in questo e-book alcuni principi guida legati al SEO (Search Engine Optimization). Lo sviluppo accurato

Dettagli

Cosa è un foglio elettronico

Cosa è un foglio elettronico Cosa è un foglio elettronico Versione informatica del foglio contabile Strumento per l elaborazione di numeri (ma non solo...) I valori inseriti possono essere modificati, analizzati, elaborati, ripetuti

Dettagli

Il Business Performance Management & QlikView

Il Business Performance Management & QlikView Il Business Performance Management & QlikView 1 I SISTEMI DI SUPPORTO ALLE DECISIONI O DI BUSINESS INTELLIGENCE sono oggi considerati componenti di sistemi più ampi conosciuti come: CPM - CORPORATE PERFORMANCE

Dettagli

Analisi dei dati di traffico esistenti per la definizione dei profili temporali: metodologia ed esempio di applicazione.

Analisi dei dati di traffico esistenti per la definizione dei profili temporali: metodologia ed esempio di applicazione. XIII Expert panel emissioni da trasporto su strada Roma, 4 ottobre 27 Analisi dei dati di traffico esistenti per la definizione dei profili temporali: metodologia ed esempio di applicazione. C. Lavecchia*;

Dettagli

La tecnologia cloud computing a supporto della gestione delle risorse umane

La tecnologia cloud computing a supporto della gestione delle risorse umane La tecnologia cloud computing a supporto della gestione delle risorse umane L importanza delle risorse umane per il successo delle strategie aziendali Il mondo delle imprese in questi ultimi anni sta rivolgendo

Dettagli

la tua presenza e il tuo BUSINESS ON-LINE

la tua presenza e il tuo BUSINESS ON-LINE LINEA58 è una soluzione nata per gestire la tua presenza e il tuo BUSINESS ON-LINE Gestione totale dei contenuti Aggiornamento del sito in tempo reale Autonomia completa Estrema semplicità d'uso Sito multilingua

Dettagli

CORPORATE PRESENTATION

CORPORATE PRESENTATION CORPORATE PRESENTATION Widevalue Srl Via G. Dezza 45 20144 Milano Tel. +39 02.49632285 Fax. +39 02.49633449 Widevalue è una società di formazione. per lo sviluppo delle competenze e del business aziendale.

Dettagli

Internet of Things, Big Data e Intelligenza Artificiale.

Internet of Things, Big Data e Intelligenza Artificiale. Oracle Ticino Day Lugano 26 Marzo 2015 Internet of Things, Big Data e Intelligenza Artificiale. Prof. Luca Maria Gambardella direttore IDSIA, istituto USI-SUPSI, Manno Le nuove sfide La società globale

Dettagli

La ricerca estensiva Perché?

La ricerca estensiva Perché? RICERCA ESTENSIVA La ricerca estensiva Perché? Per misurare e validare in termini estensivi la percezione e decodifica da parte dei soggetti destinatari; ma anche per segmentarli in modo appropriato Per

Dettagli

DATABASE RELAZIONALI

DATABASE RELAZIONALI 1 di 54 UNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI DISCIPLINE STORICHE ETTORE LEPORE DATABASE RELAZIONALI Dott. Simone Sammartino Istituto per l Ambiente l Marino Costiero I.A.M.C. C.N.R.

Dettagli

Shopping online: un italiano su cinque si affida al mobile

Shopping online: un italiano su cinque si affida al mobile OSSERVATORIO 7PIXEL Shopping online: un italiano su cinque si affida al mobile - Nel 2012 il traffico da dispositivi mobile è cresciuto di oltre 4 volte rispetto al 2011 - L utente mobile è più attivo

Dettagli

L [ERP] PER IL MERCATO DEL [WINE & BEVERAGE] WINE BEVERAGE

L [ERP] PER IL MERCATO DEL [WINE & BEVERAGE] WINE BEVERAGE L [ERP] PER IL MERCATO DEL [ & ] ERP per il settore Wine&Beverage Enterprise Resource Planning Wine&Beverage for Sap Business One è un ERP, appositamente parametrizzato per il commercio del vino, alcolici,

Dettagli

Ingegneria Gestionale della logistica e produzione Prof. A. Palomba - Elementi di Informatica (DF-M)

Ingegneria Gestionale della logistica e produzione Prof. A. Palomba - Elementi di Informatica (DF-M) 2009-2010 Ingegneria Gestionale della logistica e produzione Prof. A. Palomba - Elementi di Informatica (DF-M) 13 File e cartelle File system Software di utilità Il S.O. e le periferiche Il S.O. e la memoria

Dettagli

Risorse. 1 Forum utili agli utenti principianti

Risorse. 1 Forum utili agli utenti principianti Cap22AppB.fm Page 1 Tuesday, April 12, 2005 9:01 AM B Risorse Poiché Linux deve molto la sua diffusione e il suo sviluppo alla Rete, non deve sorprendere che su Internet sia disponibile una quantità enorme

Dettagli