Il corso vuole fornire allo studente conoscenze e competenze:

• per progettare l’architettura dati più adatta in base agli specifici contesti applicativi (use cases)
• per comprendere i meccanismi di gestione dei moderni sistemi di gestione dei dati
• modelli di rappresentazione dei dati oltre al modello relazionale
• principali DBMS utilizzati
• principi di management dei dati

Use cases che useremo durante il corso:

• Ambito bancario: Si vuole realizzare una architettura dati per consentire le normali operazioni bancarie come i bonifici

  → Sistemi distribuiti relazionali, interrogazioni distribuite e transazioni distribuite

• Machine learning: Si vuole realizzare una pipeline per la costruzione dei dataset di training per addestrare modelli di Machine / deep learning e le relative pipeline per l’applicazione dei modelli addestrati sui dati in esecuzione

  → Data centric AI, MLOps

• Modelli e Architetture non relazionali: si vuole gestire dati che non sono facilmente modellabili nel modello relazionale o che non possono essere gestiti dai sistemi distribuiti relazionali

  → Modelli key-value, Colonnare, Documentale, Grafo.

  → Sistemi distribuiti non relazionali.

• Cloud: Utilizzo di sistemi di gestione dei dati in-cloud

  → Firebase, elastic search

• AI generativa per la gestione dei dati: come utilizzare l’AI generativa nei sistemi di gestione dei dati

Use case NON trattati in questo corso

• IoT: Costruzione di una piattaforma dati per l’acquisizione ed eventualmente elaborazione in “real” time di dati provenienti da sensori
• Big Data: Piattaforma per la gestione di multiple sorgenti di dati di grandi volumi
• Blockchain: Costruire una piattaforma distribuita senza trusted third party per la registrazione persistente e immutabile di eventi

Modalità d’esame: