Big Data e
Intelligenza
Artificiale
Ylenia Maruccia
[Link]@[Link]
Argomenti del corso
Dati digitali
Fondamenti di Big Data
Fondamenti di Intelligenza Artificiale
Introduzione al Machine Learning e ai principali algoritmi
Deep Learning e reti neurali
Intelligenza Artificiale Generativa
Applicazioni dei Big Data e AI nel mondo reale
Etica, governance e sfide future
Dati e informazione
• Un dato è una rappresentazione oggettiva e
non interpretata della realtà, ciò che è
immediatamente presente alla conoscenza.
• I dati rappresentano una raccolta di elementi
grezzi (non elaborati), come cifre, numeri o
osservazioni.
• I dati sono rappresentazioni originarie, cioè
Cos’è un dato? non interpretate, di un fenomeno, evento, o
fatto, effettuate attraverso simboli o
combinazioni di simboli, o di qualsiasi altra
forma espressiva legate a un qualsiasi
supporto.
• Sono dati: il numero di studenti presenti in
aula, il numero di persone online sul sito, il
numero di votanti alle elezioni, etc.
• L’informazione è la visione della realtà
derivata da un dato, o più verosimilmente da
un insieme di dati, che sono stati sottoposti a
un processo di interpretazione che li ha resi
significativi per il destinatario.
Cos’è una • È quindi il risultato dell’elaborazione e
dell’interpretazione dei dati.
informazione? • Le informazioni forniscono significato ai dati,
inserendoli in un contesto e rendendoli utili
per il processo decisionale.
• Esempio: l’analisi del numero di clienti per
fascia d’età e genere fornisce informazioni
utili per definire strategie di marketing mirate.
I dati sono i mattoni fondamentali
dell’informazione.
Dati Informazioni
I dati sono i mattoni fondamentali
dell’informazione.
Dati Informazioni
Data Scientist Informazioni
Dati
Il processo di creazione
dell’informazione:
Dati Informazioni
Acquisizione dati Elaborazione dati Emissione dell’informazione
•Raccogliere dati da diverse fonti •Trasformare i dati grezzi in una • Presentare le informazioni in
interne ed esterne, come forma utilizzabile attraverso modo chiaro, conciso e utile per il
transazioni, sensori o database operazioni come pulizia, destinatario, utilizzando formati
esterni. ordinamento, aggregazione e appropriati come report,
analisi. dashboard o grafici.
Dato o informazione?
Dato o informazione?
12
L’alunno ha ottenuto 12 punti su 20 nel test.
Rosso
Il colore preferito della classe è il blu.
37°C
Ha la febbre, perché ha 37°C.
Mercoledì
Il prossimo incontro sarà mercoledì alle 10.
Dati qualitativi vs quantitativi
DATI QUALITATIVI DATI QUANTITATIVI
• Dati soggettivi. • Dati misurabili .
• Non sono numerici. • Sono numerici.
• Sono ottenuti attraverso metodi come • Sono raccolti attraverso metodi come
l'osservazione, i sondaggi e le interviste. statistiche, misurazioni e sperimentazioni.
• Descrivono qualità o caratteristiche (es. • Si dividono in discreti (numeri interi, es.
colore, forma, tipo). numero di figli) e continui (valori con
decimali, es. altezza).
• Si dividono in nominali (es. colore degli
occhi) e ordinali (es. livello di soddisfazione:
basso, medio, alto).
Esempi: Esempi:
Colore preferito: blu Età: 25 anni
Tipo di frutta: mela, mandarino Altezza: 1,70 m
Stato civile: sposato, single Numero di libri letti: 12
Caratteristiche fondamentali dei dati
Accuratezza: i dati devono essere sufficientemente
accurati per l'uso previsto e devono essere acquisiti una
sola volta, anche se possono avere usi multipli.
Validità: i dati devono essere registrati e utilizzati in
conformità con i requisiti pertinenti, inclusa la corretta
applicazione di regole o definizioni.
Quando un dato Affidabilità: i dati devono riflettere processi di raccolta
stabili e coerenti nel tempo e tra diversi punti di raccolta.
è utile? Tempestività: i dati devono essere acquisiti il più
rapidamente possibile dopo l'evento o l'attività e devono
essere disponibili entro un periodo di tempo ragionevole.
Rilevanza: i dati raccolti devono essere pertinenti agli
scopi per cui sono destinati.
Completezza: i requisiti dei dati devono essere
chiaramente specificati in base alle esigenze
dell'organizzazione e ai processi di raccolta dati associati.
Unicità: ogni elemento di dato dovrebbe essere distintivo
e non duplicato, per evitare ridondanze che possano
compromettere l'affidabilità delle analisi.
Integrità: i dati devono mantenere la loro accuratezza e
coerenza lungo tutto il ciclo di vita, evitando modifiche
Come garantire improprie o corruzioni.
la qualità del Accessibilità: deve essere garantito un accesso efficiente
dato? ai dati per consentire analisi rapide e supportare i processi
decisionali.
Sicurezza: è essenziale proteggere i dati da accessi non
autorizzati, violazioni o perdite, assicurando riservatezza e
integrità.
Dati digitali
• I dati digitali sono la rappresentazione
elettronica di informazioni in un formato o
linguaggio che le macchine possono leggere
e comprendere.
Cosa sono i dati • In termini più tecnici, i dati digitali sono
informazioni in formato binario convertite in
digitali? un formato leggibile dalle macchine.
• Il vantaggio dei dati digitali è che qualsiasi
input analogico, dai semplici documenti di
testo ai risultati del sequenziamento del
genoma, può essere rappresentato con il
sistema binario.
Tipi di Dato Digitale
Strutturato Non strutturato Semi-strutturato
Dato strutturato
• Sono dati che sono organizzati secondo un modello ben definito prima di essere
archiviati (schema-on-write).
• Viene inoltre definito anche il tipo di dato (numerico, testuale, data, valuta, ecc.) e
impone eventuali vincoli di input (ad esempio, il numero massimo di caratteri).
• Uno dei principali vantaggi dei dati strutturati è la loro facilità di gestione attraverso
database tradizionali relazionali basati su SQL (Structured Query Language.
• Esempi di organizzazione dei dati strutturati: fogli di calcolo come Excel e csv,
Database SQL, moduli online, sensori,etc.
Dato strutturato - Vantaggi
• Facilità di utilizzo: la struttura organizzata dei dati strutturati ne semplifica la
manipolazione e l’interrogazione, rendendoli particolarmente semplici da analizzare.
• Accessibilità per gli utenti aziendali: anche un utente senza competenze avanzate in
data science può analizzare e interpretare i dati strutturati, grazie alla loro chiarezza e
organizzazione.
• Ampia disponibilità di strumenti: essendo in uso da più tempo rispetto ad altri tipi di
dati, i dati strutturati dispongono di una vasta gamma di strumenti consolidati per la
loro gestione e analisi, offrendo maggiore flessibilità nella scelta delle soluzioni.
Dato non strutturato
• NON sono dati che sono organizzati secondo un modello ben definito prima di essere
archiviati.
• NON seguono uno schema rigido e NON possono essere facilmente organizzati in
tabelle predefinite, come avviene nei database relazionali.
• Vengono gestiti con una strategia più flessibile dello schema on write: lo schema-on-
read.
• Esempi di dati non strutturati: immagini, video, pagine web, file PDF, presentazioni,
documenti testuali e post sui social media.
Dato non strutturato - Vantaggi
• Flessibilità del formato: poiché vengono conservati nel loro formato nativo, i dati non
devono essere predefiniti in anticipo. Questo permette di elaborare solo le
informazioni realmente necessarie.
• Ampia varietà di formati supportati: non essendo vincolati a un formato specifico, i
dati non strutturati possono includere una maggior varietà di file, ampliando così il
patrimonio informativo a disposizione delle aziende.
• Raccolta più veloce: l’assenza di una struttura predefinita consente di accumulare
dati più rapidamente, semplificando il processo di raccolta e archiviazione.
Dato semi-strutturato
• Si collocano a metà strada tra i dati strutturati e quelli non strutturati.
• Sebbene NON seguano uno schema rigido, presentano alcuni elementi organizzati,
che ne facilitano la classificazione e l’analisi.
• Contengono metadati (dati su dati).
• Esempi di dati semi-strutturati: email, pagine web.
Tipi di Dato Digitale
ESAME ESAME ESAME
Domanda n.1 Cos’è un Dato? Domanda n.1
a. Risposta 1 …….. a. Risposta 1
b. Risposta 2 b. Risposta 2
c. Risposta 3 c. Risposta 3
Domanda n.2 Cos’è un Dato?
a. Risposta 1 ……..
b. Risposta 2
c. Risposta 3
Strutturato Non strutturato Semi-strutturato
La trasformazione dei dati
Necessità di
trasformare i dati
Machine
non strutturati in
Learning e
una forma più
Intelligenza
organizzata per
Artificiale
un utilizzo
efficace.
Ylenia Maruccia
[Link]@[Link]