Libri UniversitariZoom 100%

Prof. Fabio Grandi: i libri dei suoi insegnamenti

Scheda docente sul sito dell’ateneo ›
Insegnamenti trovati: 3
Bologna 3 insegnamenti
Facoltà: Ingegneria e architettura

Prof. Fabio Grandi: Metodi e Modelli di Data Analytics M

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Ingegneria gestionale (LM-31)
Di cosa si tratta: Il data mining è introdotto a partire da sistemi database e modello relazionale, con le tecniche di base di estrazione di conoscenza dai dati. Si affiancano metodi di apprendimento automatico per classificazione e analisi, trattati con impostazione algoritmica. Per seguire gli argomenti è consigliata familiarità con basi di dati o sistemi informativi.

Dettagli corso

1º annoCorso: LM-31
CFU: 6Canale: Unico
🕒 Orario lezioni
  • Lun15–17:30TA-01

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 8,5 settimane
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 5 libri
Witten – Data MiningISBN 9780443158889
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
760 pagine
Difficoltà
8
Berry – Data mining techniques for marketing, sales, and…ISBN 9780471179801
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
Botev – Data science and machine learningISBN 9781138492530
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
Goodfellow – Deep Learning bookISBN 9780262035613
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Facoltativo
Adottato in
10 materie
Tipo
Manuale
Pagine
775 pagine
Difficoltà
7,7
T. RossiISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
P. van Beek, T. Walsh, Handbook of Constraint Programming, Elsevier, 2
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Può servirti
Manuale di Python
Cerca su Amazon

Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Che cosa distingue l'analisi descrittiva da quella predittiva e da quella prescrittiva?
  2. Come si preparano i dati prima di costruire un modello analitico, e quali errori vanno evitati?
  3. Quali metriche permettono di valutare la qualità di un modello di classificazione?
  4. Come funziona la regressione lineare multipla e quali ipotesi devono essere verificate?
  5. Che cosa si intende per overfitting e con quali tecniche può essere ridotto?
  6. Quali differenze esistono tra apprendimento supervisionato e non supervisionato?
  7. Come si applica la cluster analysis per segmentare una base clienti?
  8. In che modo l'analisi delle serie storiche supporta le previsioni di domanda?
  9. Quali caratteristiche rendono utili i big data rispetto ai dati tradizionali?
  10. Come si costruisce un data warehouse e quale funzione svolge nella business intelligence?
  11. Che cosa rappresentano gli indicatori di performance e come si selezionano?
  12. Quali tecniche di visualizzazione dei dati favoriscono la comprensione dei risultati analitici?
  13. Come si valuta la significatività statistica di un risultato ottenuto da un modello?
  14. Quali rischi comporta l'uso di dati incompleti o distorti nelle analisi aziendali?
  15. Che cosa si intende per validazione incrociata e perché è utile nella stima delle prestazioni?
  16. Come si integrano dati provenienti da fonti diverse in un unico modello analitico?
  17. Quali aspetti di privacy e di conformità normativa vanno considerati nel trattamento dei dati?
  18. In che modo l'analisi dei processi permette di individuare colli di bottiglia operativi?
  19. Quali vantaggi offre un approccio iterativo nello sviluppo di un progetto di data analytics?
  20. Come si comunicano ai decisori i risultati di un'analisi quantitativa in modo efficace?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Prof. Fabio Grandi: Metodi e Modelli di Data Analytics M

5,4difficoltà
Bologna · Facoltà: Ingegneria e architettura · Ingegneria gestionale (LM-31)
Di cosa si tratta: Il data mining è introdotto a partire da sistemi database e modello relazionale, con le tecniche di base di estrazione di conoscenza dai dati. Si affiancano metodi di apprendimento automatico per classificazione e analisi, trattati con impostazione algoritmica. Per seguire gli argomenti è consigliata familiarità con basi di dati o sistemi informativi.

Dettagli corso

2º annoCorso: LM-31
CFU: 6Canale: Unico
🕒 Orario lezioni
  • Lun15–17:30TA-01

Tempo di studio e official info

Tempo consigliato per preparare l’esame: ≈ 8,5 settimane
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 5 libri
Witten – Data MiningISBN 9780443158889
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Obbligatorio
Adottato in
1 materia
Tipo
Manuale
Pagine
760 pagine
Difficoltà
8
Berry – Data mining techniques for marketing, sales, and…ISBN 9780471179801
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
Botev – Data science and machine learningISBN 9781138492530
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
Goodfellow – Deep Learning bookISBN 9780262035613
Tempo di studio del libro≈ 8,5 settimane
Obbligatorietà
Facoltativo
Adottato in
10 materie
Tipo
Manuale
Pagine
775 pagine
Difficoltà
7,7
T. RossiISBN
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
P. van Beek, T. Walsh, Handbook of Constraint Programming, Elsevier, 2
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
5,4
StrumentiPer questo esame ti serve anche

Strumenti da tenere accanto ai libri d'esame, oltre a quelli indicati dal docente.

Può servirti
Manuale di Python

Link affiliati Amazon di ricerca: il prezzo per te non cambia.

Domande possibili all’esame
  1. Che cosa distingue l'analisi descrittiva da quella predittiva e da quella prescrittiva?
  2. Come si preparano i dati prima di costruire un modello analitico, e quali errori vanno evitati?
  3. Quali metriche permettono di valutare la qualità di un modello di classificazione?
  4. Come funziona la regressione lineare multipla e quali ipotesi devono essere verificate?
  5. Che cosa si intende per overfitting e con quali tecniche può essere ridotto?
  6. Quali differenze esistono tra apprendimento supervisionato e non supervisionato?
  7. Come si applica la cluster analysis per segmentare una base clienti?
  8. In che modo l'analisi delle serie storiche supporta le previsioni di domanda?
  9. Quali caratteristiche rendono utili i big data rispetto ai dati tradizionali?
  10. Come si costruisce un data warehouse e quale funzione svolge nella business intelligence?
  11. Che cosa rappresentano gli indicatori di performance e come si selezionano?
  12. Quali tecniche di visualizzazione dei dati favoriscono la comprensione dei risultati analitici?
  13. Come si valuta la significatività statistica di un risultato ottenuto da un modello?
  14. Quali rischi comporta l'uso di dati incompleti o distorti nelle analisi aziendali?
  15. Che cosa si intende per validazione incrociata e perché è utile nella stima delle prestazioni?
  16. Come si integrano dati provenienti da fonti diverse in un unico modello analitico?
  17. Quali aspetti di privacy e di conformità normativa vanno considerati nel trattamento dei dati?
  18. In che modo l'analisi dei processi permette di individuare colli di bottiglia operativi?
  19. Quali vantaggi offre un approccio iterativo nello sviluppo di un progetto di data analytics?
  20. Come si comunicano ai decisori i risultati di un'analisi quantitativa in modo efficace?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Prof. Fabio Grandi: Sistemi Informativi T-1

8,6difficoltà
Bologna · Facoltà: Ingegneria e architettura · Ingegneria gestionale (L-9)
Di cosa si tratta: I sistemi informativi aziendali e i sistemi per la gestione di basi di dati (DBMS) sono il punto di partenza, a partire dai concetti introduttivi. Si presuppone la conoscenza dell'organizzazione e delle funzionalità di un moderno sistema informatico, acquisite superando Fondamenti di Informatica. Il lavoro riguarda l'organizzazione dei dati nei contesti aziendali e la loro gestione.

Dettagli corso

3º annoCorso: L-9
CFU: 9Canale: Unico

Tempo di studio e official info

Tempo consigliato per preparare l’esame: meno di 1 settimana
Dispense del docente (copia dei lucidi utilizzati a lezione) sono scaricabili dalla piattaforma Virtuale.
Dati verificati il 02/10/2026

Libri indicati per la materia

Scorri di lato: 4 libri
Atzeni – BASI DI DATIISBN 9788838656545
Tempo di studio del libro≈ 7 settimane
Obbligatorietà
Facoltativo
Adottato in
14 materie
Tipo
Manuale
Pagine
643 pagine
Difficoltà
6,5
Grandi – Esercizi di Basi di DatiISBN 9788874888368
Tempo di studio del libronon incluso (libro di esercizi)
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Eserciziario
Pagine
129 pagine
Difficoltà
8,6
Baresi – Progettazione Integrata di Dati e FunzioniISBN 9788874880614
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
8,6
Lans – Introduzione a SQLISBN 9788871920054
Tempo di studio del libro≈ 3 settimane
Obbligatorietà
Facoltativo
Adottato in
1 materia
Tipo
Manuale
Pagine
n.d.
Difficoltà
8,6
Domande possibili all’esame
  1. Che cosa distingue un dato da un'informazione e perché questa differenza conta per un sistema informativo?
  2. Quali componenti fondamentali compongono un sistema informativo aziendale?
  3. Come si classificano i sistemi informativi in base alle funzioni che svolgono nell'organizzazione?
  4. Quali funzioni svolge un ERP e quali processi aziendali integra?
  5. In che modo un CRM supporta la gestione dei rapporti con i clienti?
  6. Che cosa si intende per portafoglio applicativo e come si valuta?
  7. Quali fasi comprende uno studio di fattibilità per un nuovo sistema informativo?
  8. Perché la gestione dei dati anagrafici di base, o master data, è importante per l'integrazione dei sistemi?
  9. Quali differenze esistono tra un database relazionale e un sistema di gestione documentale?
  10. Come si definisce l'integrazione applicativa e quali modalità principali si utilizzano?
  11. Quali sono i vantaggi e i rischi di un'architettura orientata ai servizi?
  12. Che cosa si intende per Computer Integrated Manufacturing e in quali settori trova applicazione?
  13. Come si struttura un processo di sviluppo di un sistema informativo a partire dai requisiti?
  14. Quali sono le principali minacce alla sicurezza di un sistema informativo e come si mitigano?
  15. Che ruolo ha la governance dei dati nel mantenimento della qualità delle informazioni?
  16. In che modo i sistemi di business intelligence trasformano i dati transazionali in supporto alle decisioni?
  17. Quali sono le caratteristiche di un data warehouse rispetto a un database operativo?
  18. Come si misura il ritorno dell'investimento di un progetto informatico?
  19. Quali criteri si adottano per scegliere tra soluzioni software standard e sviluppo interno?
  20. Che cosa si intende per interoperabilità tra sistemi e quali standard la favoriscono?

Domande di esercitazione costruite sul programma ufficiale, non fornite dal docente.

Scorri di lato: 3 insegnamenti →

Domande frequenti Libri, programma ed esami del prof. Fabio Grandi a Bologna

Che libro usa il prof. Fabio Grandi per Metodi e Modelli di Data Analytics M a Bologna?

Per Metodi e Modelli di Data Analytics M (Canale unico) indica come obbligatorio: Witten – Data Mining. Facoltativi: Berry – Data mining techniques for marketing, sales, and…, Botev – Data science and machine learning, Goodfellow – Deep Learning book, T. Rossi.

Quanto è impegnativo Metodi e Modelli di Data Analytics M?

6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Fabio Grandi per Metodi e Modelli di Data Analytics M a Bologna?

Per Metodi e Modelli di Data Analytics M (Canale unico) indica come obbligatorio: Witten – Data Mining. Facoltativi: Berry – Data mining techniques for marketing, sales, and…, Botev – Data science and machine learning, Goodfellow – Deep Learning book, T. Rossi.

Quanto è impegnativo Metodi e Modelli di Data Analytics M?

6 CFU, difficoltà stimata 5.4 su 10 rispetto agli esami della stessa area.

Che libro usa il prof. Fabio Grandi per Sistemi Informativi T-1 a Bologna?

Per Sistemi Informativi T-1 (Canale unico) indica come obbligatorio: nessun testo obbligatorio. Facoltativi: Atzeni – BASI DI DATI, Grandi – Esercizi di Basi di Dati, Baresi – Progettazione Integrata di Dati e Funzioni, Lans – Introduzione a SQL.

Quanto è impegnativo Sistemi Informativi T-1?

9 CFU, difficoltà stimata 8.6 su 10 rispetto agli esami della stessa area.

Dove trovo la scheda ufficiale di un esame?

Ogni insegnamento qui sopra ha il link alla scheda ufficiale dell’ateneo: controllala sempre prima di acquistare.

Sei uno studente tra i 18 e i 22 anni?Con Prime Student hai 90 giorni gratis, poi Amazon Prime a soli 2,49 € al mese: consegne veloci e gratuite anche sui libri.Scopri Prime Student ›
Controlla sempre la scheda dell'esame. Le informazioni vengono dalle schede ufficiali degli atenei e possono cambiare o contenere errori: prima di acquistare verifica i testi sulla scheda ufficiale dell'esame (la trovi linkata in ogni esame) e, nel dubbio, chiedi al docente.
Aiutaci a tenerci aggiornati
Il prof ha indicato altri libri, pagine o modifiche? Scrivicelo.