DECISION SUPPORT SYSTEMS AND ECONOMIC INTELLIGENCE

PARTE I - MATHEMATICAL MODELS IN MANAGEMENT (IN INGLESE)

• Introduction to Advanced Probability
• Decision under Uncertainty: Influence Diagrams, Decision Trees, Utility

PARTE II – DECISIONI, INTELLIGENZA ARTIFICIALE E MODELLI PREDITTIVI

• Intelligenza artificiale e modelli quantitativi: Classificazione e Predizione, Algoritmi di Forecasting, Teoria Bayesiana
• Explainable Artificial Intelligence (XAI): metodi, strumenti e modelli

Ultimo aggiornamento: 11-09-2024

• Bertini C., Gambarelli G., Stach I.: "STRATEGIE" , G. Giappichelli Editore, ISBN - 9788892104136 - Torino, 2023 seconda edizione. Capitoli: 1-2-3-4-6-11
• Iozzi F., "An introduction to Mathematical Models in Management", Bocconi University, Milano, 2015
• Ferrara M.: "Explainable Artificial Intelligence and Mathematics: what is there behind? Let’s focusing on this new research field". In European Mathematical Society Magazine, 2024
• Ferrara M., Ciano T., KARUSH-KUHN-TUCKER CONDITIONS AND LAGRANGIAN APPROACH FOR IMPROVING MACHINE LEARNING TECHNIQUES: A SURVEY AND NEW DEVELOPMENTS, Articolo scientifico pubblicato su AAPP - Atti della Accademia Peloritana dei Pericolanti Classe di Scienze Fisiche, Matematiche e Naturali - ISSN 1825-1242 - Vol. 102, No. 1, A1 (2024) 

Ultimo aggiornamento: 11-09-2024

La gestione delle Informazioni, dei dati e in particolare dei "Big Data", dei relativi modelli quantitativi a supporto del Decision-Maker (DM), caratterizzano sempre di più il processo decisionale che è richiesto in un’epoca dominata dalla complessità e dalla incertezza. Sapere interpretare, leggere efficacemente i dati a disposizione di un’impresa e creare modelli appropriati per l’individuazione delle strategie ottimali rappresentano la chiave per competere efficacemente sul mercato globale. Decision Support Systems & Economic Intelligence costituisce un corso integrato teso a far acquisire competenze, conoscenza di tecnologie e metodi che consentono di analizzare dati, sia attuali sia relativi alle performance aziendali del passato, al fine di orientare il processo decisionale e la pianificazione attraverso attività di forecasting. Il corso fornisce un’ampia introduzione ai Sistemi di Supporto Decisionale, consentendo agli Studenti di acquisire familiarità con varie tipologie di problemi e con i metodi quantitativi che sono maggiormente utilizzati nella soluzione di problemi economico-gestionali e alla elaborazione di strategie decisionali. Sarà privilegiato un approccio orientato alle applicazioni. Un'attenzione specifica sarà dedicata all'implementazione pratica delle metodologie proposte attraverso pacchetti software di comune utilizzo nella pratica aziendale (Excel), introduzione all'uso di Python e delle reti neurali. Una parte del Corso sarà dedicata alla Teoria delle Decisioni in condizioni di incertezza e all'Intelligenza artificiale "spiegabile".

Ultimo aggiornamento: 11-09-2024

Conoscenza dell'Analisi Matematica e di Informatica

Ultimo aggiornamento: 11-09-2024

Lezioni frontali, Attività in laboratorio presso il Decision LAB, Seminari e Workshop

Ultimo aggiornamento: 11-09-2024

nessuna

Ultimo aggiornamento: 11-09-2024

Prova di esame scritta ed orale e un Project work di gruppo e/o individuale

Criteri di valutazione:

30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;

28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti;

24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti;

20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;

18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite;

Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il Corso

Ultimo aggiornamento: 11-09-2024

Industria, innovazione e infrastrutture

Ultimo aggiornamento: 11-09-2024

PARTE I - MATHEMATICAL MODELS IN MANAGEMENT (IN INGLESE)

• Introduction to Advanced Probability
• Decision under Uncertainty: Influence Diagrams, Decision Trees, Utility

PARTE II – DECISIONI, INTELLIGENZA ARTIFICIALE E MODELLI PREDITTIVI

• Intelligenza artificiale e modelli quantitativi: Classificazione e Predizione, Algoritmi di Forecasting, Teoria Bayesiana
• Explainable Artificial Intelligence: metodi, strumenti e modelli

Ultimo aggiornamento: 11-09-2024

• Bertini C., Gambarelli G., Stach I.: "STRATEGIE" , G. Giappichelli Editore, ISBN - 9788892104136 - Torino, 2023 seconda edizione. Capitoli: 1-2-3-4-6-11
• Iozzi F., "An introduction to Mathematical Models in Management", Bocconi University, Milano, 2015
• Ferrara M.: Explainable Artificial Intelligence and Mathematics: what is there behind? A new frontier of research. In European Mathematical Society Magazine, 2024
• Ferrara M., Ciano T., KARUSH-KUHN-TUCKER CONDITIONS AND LAGRANGIAN APPROACH FOR IMPROVING MACHINE LEARNING TECHNIQUES: A SURVEY AND NEW DEVELOPMENTS, Articolo scientifico pubblicato su AAPP - Atti della Accademia Peloritana dei Pericolanti Classe di Scienze Fisiche, Matematiche e Naturali - ISSN 1825-1242 - Vol. 102, No. 1, A1 (2024) 

Ultimo aggiornamento: 11-09-2024

La gestione delle Informazioni, dei dati e in particolare dei "Big Data", dei relativi modelli quantitativi a supporto del Decision-Maker (DM), caratterizzano sempre di più il processo decisionale che è richiesto in un’epoca dominata dalla complessità e dalla incertezza. Sapere interpretare, leggere efficacemente i dati a disposizione di un’impresa e creare modelli appropriati per l’individuazione delle strategie ottimali rappresentano la chiave per competere efficacemente sul mercato globale. Decision Support Systems & Economic Intelligence costituisce un corso integrato teso a far acquisire competenze, conoscenza di tecnologie e metodi che consentono di analizzare dati, sia attuali sia relativi alle performance aziendali del passato, al fine di orientare il processo decisionale e la pianificazione attraverso attività di forecasting. Il corso fornisce un’ampia introduzione ai Sistemi di Supporto Decisionale, consentendo agli Studenti di acquisire familiarità con varie tipologie di problemi e con i metodi quantitativi che sono maggiormente utilizzati nella soluzione di problemi economico-gestionali e alla elaborazione di strategie decisionali. Sarà privilegiato un approccio orientato alle applicazioni. Un'attenzione specifica sarà dedicata all'implementazione pratica delle metodologie proposte attraverso pacchetti software di comune utilizzo nella pratica aziendale (Excel), introduzione all'uso di Python e delle reti neurali. Una parte del Corso sarà dedicata alla Teoria delle Decisioni in condizioni di incertezza e all'Intelligenza artificiale (machine learning e deep learning).

Ultimo aggiornamento: 11-09-2024

Algebra lineare, Ottimizzazione, Statistica, Informatica

Ultimo aggiornamento: 11-09-2024

Lezioni frontali, Attività in laboratorio presso il Decision LAB, Seminari e Workshop

Ultimo aggiornamento: 11-09-2024

nessuna

Ultimo aggiornamento: 11-09-2024

La prova di esame prevede il sostenimento di una prova orale e un Project Work individuale e/o di gruppo

Criteri di valutazione:

30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;

28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti;

24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti;

20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;

18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite;

Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il Corso

Ultimo aggiornamento: 11-09-2024

Industria, Innovazione e Infrastrutture

Ultimo aggiornamento: 11-09-2024