Obiettivi formativi Fornire allo studente alcuni concetti fondamentali di probabilita’ e statistica al fine di introdurre alcuni modelli stocastici utilizzati in finanza. Si cerca anche di affinare le capacità critiche degli studenti, così da essere in grado anche di affrontare problemi nuovi in maniera critica.
|
Obiettivi formativi Fornire allo studente alcuni concetti fondamentali di probabilita’ e statistica al fine di introdurre alcuni modelli stocastici utilizzati in finanza. Si cerca anche di affinare le capacità critiche degli studenti, così da essere in grado anche di affrontare problemi nuovi in maniera critica.
|
Obiettivi formativi Fornire allo studente alcuni concetti fondamentali di probabilita’ e statistica al fine di introdurre alcuni modelli stocastici utilizzati in finanza. Si cerca anche di affinare le capacità critiche degli studenti, così da essere in grado anche di affrontare problemi nuovi in maniera critica.
|
Obiettivi formativi Knowledge and understanding
The course introduces students to the economics and management of networks. On the one hand, the course illustrates the main features of the new information economy, and discusses the prevailing and emerging business models. On the other hand, it explores competition and regulation issues in liberalized network industries, such as telecommunications, energy, and transportation.
Applying knowledge and understanding
Students are expected to be able to use methods and models of microeconomics and industrial organization to understand and analyze the impact of technology and demand on market structure, firms’ strategies and business models in the new information economy. They will also gain insight on the rationale and the scope for public policy in network industries.
Making judgements
Lectures, practical exercises and problem-solving sessions will provide students with the ability to assess the main strengths and weaknesses of theoretical models when used to explain empirical evidence and case studies in the new information economy and in network industries.
Communication
By the end of the course, students are able to point out the main features of the new information economy and network industries, and to discuss relevant information, ideas, problems and solutions both with a specialized and a non-specialized audience. These capabilities are tested and evaluated in the final written exam and possibly in the oral exam as well as in the project work.
Lifelong learning skills
Students are expected to develop those learning skills necessary to undertake additional studies on relevant topics in the field of the new information economy and network industries with a high degree of autonomy. During the course, students are encouraged to investigate further any topics of major interest, by consulting supplementary academic publications, specialized books, and internet sites. These capabilities are tested and evaluated in the final written exam and possibly in the oral exam as well as in the project work, where students may have to discuss and solve some new problems based on the topics and material covered in class.
|
Obiettivi formativi OBIETTIVI GENERALI DEL CORSO:
Impostato con un approccio interdisciplinare il corso si propone di combinare lezioni sulle teorie economiche della produzione e dell’efficienza con lezioni sulle metodologie econometriche di stima utilizzate in letteratura includendo anche i più recenti contributi attraverso attività seminariale.
Per sviluppare la capacità critica e l'autonomia nell'utilizzo delle metodologie proposte a lezione agli studenti é richiesta la realizzazione di un lavoro empirico con dati reali. In particolare, durante le esercitazioni saranno presentati i software open source che serviranno poi per la realizzazione del lavoro applicato.
I principali obiettivi del corso sono pertanto:
1. Presentare un quadro generale delle teorie economiche e dell'economia della produttività;
2. Proporre un quadro unificato sui principali strumenti metodologici per la valutazione e comparazione di produttività ed efficienza di unità operative (impianti, stabilimenti, unità di business in generale, imprese);
3. Introdurre gli studenti all'utilizzo di alcuni software econometrici open source per l'analisi economica applicata;
4. Fornire le chiavi di lettura per analizzare la letteratura specializzata;
5. Stimolare l'analisi critica dei contenuti teorici, metodologici ed empirici;
6. Creare interazione con gli studenti attraverso seminari, esercitazioni, realizzazione di presentazioni orali e lavori guidati con dati reali.
OBIETTIVI SPECIFICI:
• conoscenza e capacità di comprensione: dimostrare di conoscere gli elementi di base dell'analisi di produttivita’ e di efficienza;
• capacità di applicare conoscenza e comprensione: essere in grado di applicare le tecniche di analisi di efficienza apprese durante il corso nel proprio ambito ingegneristico di specializzazione;
• autonomia di giudizio: saper svolgere un’analisi di efficienza con spirito critico e saper applicare correttamente i metodi appresi durante il corso.
• abilità comunicative: saper comunicare i risultati delle analisi e le relative informazioni a diverse tipologie di interlocutori;
• capacità di apprendimento: sviluppare le competenze necessarie per poter approfondire in autonomia e nel proprio ambito ingegneristico i metodi presentati durante il corso.
|
Obiettivi formativi CONOSCENZA E COMPRENSIONE
Il corso fornirà i fondamenti sugli aspetti teorici, tecnici e pratici nella progettazione e implementazione di sistemi di
apprendimento automatico, in particolare reti neurali basate sull’utilizzo di tecnologie innovative quali Quantum
Computing e Hyperdimensional Computing/Vector Symbolic Architectures, in connessione con le metodologie più
avanzate di Deep Learning. L’attenzione sarà concentrata sullo studio di tali approcci computazionali per applicazioni
nell’ambito dell’ingegneria industriale e dell’informazione per la soluzione di problemi supervisionati e non
supervisionati in particolare riguardanti ottimizzazione, approssimazione, regressione, interpolazione, predizione,
filtraggio, riconoscimento e classificazione. L'obiettivo principale è fornire allo studente la capacità di comprendere e
di ottenere nella fattispecie vantaggi sia dal punto di vista quantistico (quantum advantage) sia derivante dall’utilizzo
di rappresentazioni distribuite. I sistemi così sviluppati potranno essere quindi utilizzati in applicazioni relative a
problemi di apprendimento basati sui dati, ovvero nell’analisi di serie temporali, nel calcolo iperdimensionale e
nell’eXplainable AI, considerando i diversi domini reali relativi a energia, aerospazio, osservazione della Terra, analisi
comportamentale, bioingegneria, finanza, sicurezza, rilevamento delle frodi e così via.
CAPACITÀ APPLICATIVE
L'obiettivo principale del corso è quello di consentire agli studenti di sviluppare sistemi di ibridi e innovativi basati
principalmente su Quantum Deep Neural Networks, rappresentazioni distribuite e calcolo iperdimensionale attraverso
un’adeguata formulazione del problema, una scelta appropriata degli algoritmi adatti a risolvere il problema stesso e
l’esecuzione di esperimenti in attività di laboratorio per valutare l’efficacia delle tecniche adottate. Saranno pertanto
approfondite le applicazioni di tali sistemi in studi di caso verticali quali per esempio, a titolo non esaustivo, la
gestione delle reti complesse (smart grid, distribuzione energetica e delle merci, reti biologiche e sociologiche, etc.),
l'analisi dei materiali, la progettazione di dispositivi e circuiti, i sistemi di automazione e controllo, l'inversione di
modelli fisici e di modelli astratti di tipo organizzativo e decisionale, la telemedicina e quant’altro.
AUTONOMIA DI GIUDIZIO
Attraverso una sistematica attività di laboratorio, durante la quale verranno prese in considerazione le metodologie
relative alla progettazione e all’implementazione di architetture di calcolo quantistico e iperdimensionale, lo studente
integrerà le conoscenze acquisite per gestire la complessità dei meccanismi di apprendimento induttivo e i limiti reali
imposti dai dispositivi quantistici Noisy Intermediate-Scale Quantum (NISQ) attualmente adottati, anche e soprattutto in
funzione dei domini applicativi nell’ambito dell’ingegneria industriale e dell’informazione che saranno considerati nel
corso. Particolare enfasi sarà data alla comprensione dell’utilizzo del calcolo simbolico e iperdimensionale (HDC/VSA) per
l’elaborazione efficiente dei dati, evidenziando come tale approccio possa offrire vantaggi computazionali e interpretativi
significativi rispetto ai metodi tradizionali.
ABILITÀ DI COMUNICAZIONE
Le tecnologie quantistiche e gli algoritmi quantistici per il trattamento dell’informazione sono in rapida evoluzione,
considerando lo scenario attuale basato sui dispositivi a breve termine e sugli approcci ibridi quantistici-classici. Allo
stesso modo, il calcolo iperdimensionale e (neuro)-simbolico, si sta affermando come paradigma di rilievo per numerose
applicazioni ad alto coefficiente innovativo e tecnologico. Al termine del corso, lo studente sarà in grado di comunicare le
conoscenze acquisite a interlocutori specialisti e non specialisti negli ambiti di ricerca e di lavoro nei quali svolgerà la
successiva attività scientifica e/o professionale, anche tenendo conto delle problematiche tecnologiche e di sviluppo
sostenibile.
CAPACITÀ DI APPRENDERE
La metodologia didattica adottata prevede un'attività di studio autonoma e autogestita durante lo sviluppo di compiti
monotematici di approfondimento didattico e/o sperimentale, in modo verticale su alcuni specifici argomenti teorici e
applicativi utilizzando, per esempio, le risorse quantistiche disponibili in cloud come la Quantum Experience Platform di
IBM, oltre a simulatori quantistici come Qiskit, Pennylane e Flax in ambiente Python, in aggiunta a framework di sviluppo
specifici per HDC (TorchHD), il tutto per la realizzazione di sistemi di apprendimento automatico applicati a problemi di
ingegneria industriale e dell’informazione in ambito gestionale, elettrico, meccanico, logistico, biomedicale e per la
formazione di competenze professionali e aziendali capaci di relazionarsi nel contesto tecnico-scientifico del data
analytics e della business intelligence.
|
Obiettivi formativi ###################
Obiettivi generali:
###################
La corretta gestione dei processi rappresenta un elemento fondamentale per rendere le organizzazioni moderne più efficienti ed efficaci nella
gestione del loro business. A tal scopo, questo corso introduce linguaggi, principi e metodi per la modellazione, l'analisi, l'innovazione ed
il monitoraggio dei processi.
Il corso enfatizza il ruolo della modellazione concettuale (business process modeling) come strumento necessario per comprendere ed analizzare
i processi di interesse in sistemi informativi di varia natura. Gli studenti del corso apprenderanno la modellazione dei processi attraverso
lo standard internazionale BPMN (Business Process Model and Notation).
Il corso si focalizzerà sulla modellazione di processi di singole organizzazioni (orchestrazioni di processo) e processi che coinvolgono
l'interazione fra organizzazioni multiple (coreografie di processo), investigando le tecniche formali necessarie per l'analisi e
l'innovazione di tali processi.
Il corso fornirà inoltre le conoscenze di base per la progettazione, l'implementazione ed il monitoraggio di processi eseguibili con
un sistema informativo aziendale.
Infine, il corso presenterà tecniche e strumenti per l'utilizzo delle recenti tecniche di process mining, che consentono la costruzione
di modelli di processo (la cui struttura non è nota a priori) partendo dai log che memorizzano gli eventi concreti eseguiti dal processo reale.
####################
Obiettivi specifici:
####################
--------------------------
Conoscenza e comprensione:
--------------------------
Al termine del corso gli studenti:
- apprendono i principali metodi per condurre un progetto di BPM (Business Process Management);
- sono in grado di modellare un processo con lo standard BPMN;
- sono in grado di implementare ed eseguire un processo utilizzando un sistema informativo reale;
- conoscono gli algoritmi e le tecniche di process mining.
------------------------------------
Applicare conoscenza e comprensione:
------------------------------------
Gli studenti sono in grado di utilizzare gli strumenti metodologici e tecnologici adeguati per:
(i) modellare un processo in BPMN;
(ii) analizzarlo con tecniche quantitative;
(iii) eseguirlo e monitorarlo con un sistema informativo.
--------------------------------
Capacità critiche e di giudizio:
--------------------------------
Lo studente acquisice autonomia di giudizio nel proporre l’approccio più opportuno per realizzare un progetto di BPM.
----------------------
Capacità comunicative:
----------------------
Le attività progettuali e le lezioni del corso permettono allo studente di essere in grado di comunicare/condividere le scelte progettuali e le
metodologie di progettazione e sviluppo di un processo di business.
--------------------------
Capacità di apprendimento:
--------------------------
Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico, le modalità di svolgimento del corso,
in particolare le attività progettuali, stimolano lo studente all'approfondimento autonomo di alcuni argomenti presentati nel corso,
al lavoro di gruppo, e all'applicazione concreta delle nozioni e delle tecniche apprese durante il corso.
|
Obiettivi formativi OBIETTIVI GENERALI
Il corso si propone di fornire agli studenti una conoscenza approfondita degli aspetti strategici e operativi relativi alla gestione degli acquisti aziendali.
Attraverso l’analisi delle strategie di acquisto, delle tecniche di analisi della spesa e delle matrici di portafoglio, il corso intende sviluppare la capacità di pianificare e gestire in modo efficace il processo degli acquisti.
Particolare attenzione sarà dedicata all’approfondimento delle attività operative connesse al processo di approvvigionamento, come la qualificazione dei fornitori, la progettazione delle gare, le analisi quantitative a supporto della negoziazione, la definizione di modelli di costo e di remunerazione, e il vendor rating.
Alla fine del corso, lo studente sarà in grado di applicare strumenti e metodologie per l’elaborazione di strategie di acquisto, per la selezione di fornitori affidabili ed efficienti, e per la definizione di accordi contrattuali coerenti con le esigenze aziendali.
OBIETTIVI SPECIFICI
Conoscenza e capacità di comprensione
Il corso consentirà allo studente di acquisire:
-la conoscenza delle principali strategie di approvvigionamento e delle matrici di portafoglio acquisti;
-la comprensione dei processi e delle fasi operative del procurement, inclusi la qualificazione dei fornitori, la gestione delle gare, la costruzione di modelli di costo e il vendor rating.
Capacità di applicare conoscenza e comprensione
Lo studente sarà in grado di:
-analizzare la spesa aziendale e classificare i gruppi merci;
-sviluppare strategie di acquisto adeguate a specifici segmenti di fornitura;
-selezionare fornitori attraverso l’uso di strumenti quantitativi e qualitativi;
-progettare gare competitive per gli affidamenti;
-supportare il processo negoziale e la progettazione dei contratti mediante analisi strutturate.
Autonomia di giudizio
Il corso svilupperà nello studente la capacità di:
-valutare criticamente le strategie di approvvigionamento in funzione delle caratteristiche del mercato e dell’organizzazione;
-selezionare in autonomia metodologie di analisi e strumenti operativi per la gestione degli acquisti.
Abilità comunicative
Alla fine del corso, lo studente sarà in grado di:
-illustrare strategie e decisioni di procurement in modo chiaro e sistematico;
-redigere documenti tecnici e report di analisi utilizzando terminologia specialistica e modelli riconosciuti a livello internazionale.
Capacità di apprendimento
Lo studente svilupperà capacità di studio autonome, utili per:
-approfondire metodologie avanzate di gestione degli acquisti;
-aggiornarsi sulle evoluzioni delle pratiche e degli strumenti di procurement in contesti dinamici e complessi.
|