Appunti Informatica

Lezione 25/02: informatica

Informatica significa informazione automatica.

È una scienza applicata che si occupa del trattamento dell’informazione con delle procedure automatizzate.

Studia i fondamenti teorici dell'informazione, la sua computazione a livello logico e le tecniche pratiche per la sua implementazione e applicazione in sistemi elettronici automatizzati (detti sistemi informatici).

Il principio fondamentale dell'informatica: attraverso un calcolatore l'utente ottiene delle informazioni a partire da dati, per mezzo di una elaborazione automatica (mediante una procedura stabilita in precedenza, cioè il programma).

La piramide della conoscenza

DIKW è un tentativo per categorizzare e semplificare i concetti chiave coinvolti nei processi conoscitivi, con lo scopo di realizzare sistemi informatici in grado di gestire grandi quantità di dati.

Questo modello teorico prevede una gerarchia, denominata DIKW (Data-Information-Knowledge-Wisdom), che ha immaginato il processo della conoscenza come una piramide costituita da una base molto larga di dati grezzi i quali, andando verso la cima della piramide, vengono sottoposti a un processo di aggregazione-contestualizzazione (informazione) e applicazione-sperimentazione (conoscenza); sulla cima della piramide è confinata la saggezza che presuppone un livello conoscitivo che esula dall'ambito di una specifica applicazione.

• Data: Fatti non processati spesso ottenuti con l’uso di strumenti di misura;
• Information: Dati che sono stati elaborati e strutturati aggiungendo un contesto in modo da aumentare il loro significato;
• Knowledge (conoscenza): Abilità di utilizzare le informazioni in modo tattico e strategico per ottenere obiettivi specifici;
• Wisdom (sapienza): Capacità di selezionare obiettivi coerenti e che supportano un insieme di valori, quali i valori umani. Parte di supporto alle decisioni. (Da passato a futuro)

Le origini

Algoritmi: Muḥammad ibn Mūsā al-Khwārizmī, (Corasmia, 780 circa – 850 circa), matematico, astronomo, astrologo e geografo persiano. Dal suo nome Algoritmo, che sta a indicare una sequenza finita di operazioni.

Pascalina: strumento di calcolo precursore della moderna calcolatrice. Fu inventata nel 1642 dal matematico e filosofo francese Blaise Pascal.

Lo strumento consente di addizionare e sottrarre numeri composti da un massimo di dodici cifre, operando automaticamente i riporti.

Implementa meccanicamente un algoritmo e non è programmabile.

I padri dell’informatica moderna

Alan Turing

Studiò la crittografia e la formalizzazione della Macchina di Turing, il fondamento teorico di ogni moderno sistema programmabile: è un modello astratto che definisce una macchina in grado di eseguire algoritmi e dotata di un nastro potenzialmente infinito su cui può leggere e/o scrivere dei simboli.

Il test di Turing è un criterio per determinare se una macchina sia in grado di pensare. Tale criterio è stato suggerito da Alan Turing nell'articolo Computing Machinery and intelligence, apparso nel 1950 sulla rivista Mind.

John von Neumann (1903-1957): l'organizzazione concettuale del moderno calcolatore, oggi nota come architettura di von Neumann, è una tipologia di architettura hardware per computer digitali programmabili a programma memorizzato la quale condivide i dati del programma e le istruzioni del programma nello stesso spazio di memoria.

Macchina di von Neumann

• CPU (Central Processing Unit) che si divide a sua volta in:
  • Unità aritmetica e logica (o ALU)
  • Unità di controllo (CU)
• Unità di memoria: memoria di lavoro o memoria principale (RAM: Random Access Memory)
• Unità di input, tramite la quale i dati vengono inseriti nel calcolatore per essere elaborati
• Unità di output, necessaria affinché i dati elaborati possano essere restituiti all'operatore
• Bus, un canale che collega tutti i componenti fra loro.

Evoluzione del ruolo dell’informatica

La valenza dell'informatica in termini socio-economici ha scalato in pochi anni la piramide di Anthony, passando da operativa (in sostituzione o a supporto di compiti semplici e ripetitivi), a tattica (a supporto della pianificazione o gestione di breve termine), a strategica.

In tale ambito l'informatica è diventata talmente strategica nello sviluppo economico e sociale delle popolazioni che il non poterla sfruttare (digital divide) è un problema di interesse planetario.

Da IT a ICT

IT: Information Technology, tecnologia dell’informazione.

Si occupa di hardware (HW) e software (SW), per memorizzare, gestire ed elaborare i dati.

ICT: Information and Communication Technology, tecnologia dell’informazione e della comunicazione. Concetto più ampio che include anche le telecomunicazioni, tutto ciò che serve a comunicare a distanza.

Fino agli anni ‘90, l’IT e le telecomunicazioni erano due settori separati: c’erano professioni, aziende, standard tecnici e normative diverse.

Poi, con l’evoluzione tecnologica IT e telecomunicazioni si sono fuse sempre di più, ed è nato il concetto di ICT (convergenza tra trasmissione ed elaborazione dell’informazione).

Il settore ICT in Italia vale circa 60 miliardi di euro (il 3% del PIL italiano).

Convergenza tra telefonia e internet (VoIP & Data)

Prima, nelle aziende, internet e telefono viaggiavano su reti separate: internet passava dal router e dalla rete locale (LAN).

La voce passava dalla rete telefonica tradizionale (PSTN: Public Switched Telephone Network).

C’erano due impianti diversi, uno per i dati e uno per la voce.

Con il VoIP (Voice over IP, voce su Internet Protocol) si usa Internet anche per telefonare, non solo per i dati. Si sfrutta la stessa rete per inviare voce e dati e questo rende le comunicazioni più economiche, flessibili e moderne.

Lezione 27/02: Big Data

Dato, informazione e conoscenza

Dato e Informazione non sono sinonimi!

Il dato è un elemento basico ed è spesso costituito da simboli non ancora elaborati. L’informazione è un elemento più ricco, che deriva dall’elaborazione di più dati e che restituisce un valore, comprensione dei fatti e verità.

La conoscenza è l'autocoscienza del possesso di informazioni connesse tra di loro, le quali, prese singolarmente, hanno un valore e un'utilità inferiori.

L’intero e le sue parti

Aristotele: “Il tutto è più della somma delle sue parti”.

Quando si mettono insieme più parti, non ottieni solo un semplice “ammasso” di pezzi. Se le parti sono collegate tra loro, formano qualcosa di nuovo e più grande: un sistema, un organismo, qualcosa che ha un’organizzazione.

Capire qualcosa non significa solo analizzare i singoli pezzi, ma capire anche le relazioni tra di loro.

Big Data

Il termine indica grandi aggregazioni di dati, la cui mole richiede strumenti differenti da quelli tradizionali, in tutte le fasi del processo:

• Gestione
• Curation
• Condivisione
• Analisi
• Visualizzazione

(Slide 9) Analizzando tanti piccoli gruppi di dati separati, si ottengono delle informazioni, ma molto limitate. Se invece si mettono insieme tutti i dati in un unico grande dataset, si possono scoprire relazioni e informazioni nuove.

Valore dei Big Data per il business (slide 10)

Le aziende hanno tantissimi dati a disposizione, ma da soli non servono a niente, se non si usano o se si usano male. Se invece vengono analizzati bene, questi dati diventano un enorme opportunità, permettono di scoprire informazioni importanti per migliorare il business. Il problema è che sono tanti, disordinati e spesso senza senso. La soluzione è l’analisi dei Big Data: mettendo insieme i pezzi giusti si ottengono informazioni utili che aiutano a prendere decisioni migliori, più veloci e intelligenti dei concorrenti → vantaggio competitivo.

Le 3 V

L'aumento del volume, velocità e varietà dei dati spesso supera la reale capacità delle aziende di gestirli ed elaborarli con efficacia nei tempi utili. Una complessità che rende difficile far fronte alle sempre più urgenti e crescenti esigenze del business. Il paradigma delle 3V riassume l'impatto dei big data sulle aziende.

Le priorità dei Big Data: 3V+1

Volume: la quantità di dati cresce a ritmo esponenziale ed è difficile trovare velocemente quelli davvero utili per il business.

Varietà: i dati non sono più solo “ordinati” come una volta, ma arrivano in tanti formati diversi.

Velocità: i dati vengono prodotti sempre più in fretta e le aziende devono analizzarli e prendere decisioni in tempi sempre più rapidi.

+ Valore o Veridicità: non tutti i dati sono affidabili o utili.

Volume-Geop Byte (+ slide 18)

La digitalizzazione

Nel 2000 il 25% delle informazioni registrate nel mondo era in formato digitale: il 75% era analogico, su carta, pellicola, plastica magnetizzata, e così via.

Nel 2013 il 98% delle informazioni registrate nel mondo era in formato digitale: i vari supporti analogici, dalla carta alla plastica, si dividono il restante 2 per cento. I dati digitali raddoppiano ogni tre anni.

Variety

Processo

Data is the new oil?

‘Chi controlla il dato controlla l’economia’ (capisco le persone, acquisiscono le referenze, riesco a condizionare). Concetto attribuito a Clive Humby, il matematico britannico che ha fondato il programma di fidelizzazione Tesco's Clubcard. Humby ha evidenziato il fatto che, sebbene intrinsecamente prezioso, i dati devono essere elaborati, così come il petrolio ha bisogno di essere perfezionato prima che il suo vero valore possa essere sbloccato.

Gestione e Data curation (slide 24)

Gestione dei dati: comprende tutti i processi per creare, mantenere, gestire e valorizzare i dati.

Data curation: riguarda l’organizzazione, l’integrazione, l’annotazione, la pubblicazione e la presentazione dei dati per conservarne il valore nel tempo e renderli riutilizzabili.

Importanza oggi: con i Big Data, la cura dei dati è diventata fondamentale, specialmente per gestire grandi volumi e sistemi complessi.

Obiettivo della data curation: decidere quali dati vale la pena conservare e per quanto tempo.

Metadati: sono “dati sui dati”, ovvero informazioni che descrivono altri dati.

(Pipeline: Deposit Triage → Processing → Access) → Analisi dei dati

L'analisi dei dati è un processo di ispezione, pulizia, trasformazione e modellazione con il fine di evidenziare informazioni che suggeriscano conclusioni e supportino le decisioni strategiche aziendali.

Esempio: quanti che comprano l’iphone compra il caricatore, si sa già che c’è una propensione, si conosce il fenomeno.

Data Mining

Data Mining è il processo di estrazione di conoscenza da banche dati di grandi dimensioni tramite l’applicazione di algoritmi che individuano le associazioni “nascoste” tra le informazioni e le rendono visibili. Anche detto: ‘Knowledge Discovery in Databases’ (KDD).

Esempio: analizzare la correlazione tra due acquisti, quanti che comprano l’iphone compra un kindle.

Validated learnings: validare una teoria con un esperimento.

Modelli di analisi

Descriptive analytics: What happened? → semplice lettura dei dati, report sul passato;

Diagnostic analytics: Why did it happen? → ricavare ulteriori informazioni dai dati in possesso tramite l’analisi;

Predictive analytics: What could happen in the future? → creare modelli basati sui dati del passato per predire il futuro.

Esempio: prendere i dati finanziari di un'azienda che ha fallito nel 2024 e quelli del 2022, per vedere se c'erano dei ‘segnali’ che anticipano il fallimento, in questo modo si prevede come evitare di ripetere quegli errori.

Prescriptive analytics: How should we respond to those potential future events? → uso di modelli per individuare comportamenti ottimali o azioni migliori da intraprendere, anche per ottimizzare processi ripetitivi.

Data science vs Business intelligence

Business intelligence

Le aziende usano le informazioni a loro vantaggio fin da quando esistono registri. Il termine "business intelligence" fu coniato nel 1865 da Richard Miller Devens, che osservò come commercianti e banchieri traessero profitto dall'accesso alle informazioni. Nel 1958, Hans Peter Luhn dell'IBM riprese il concetto, evidenziando che, oltre a raccogliere e conservare i dati, la vera sfida era recuperarli — un problema che sarebbe stato risolto solo vent'anni dopo.

Analisi predittiva

L'analisi predittiva permette alle aziende (o meglio alle organizzazioni) di capire cosa succederà nel futuro e reagire di conseguenza.

Prevedendo cosa accadrà nel futuro si potranno pianificare e portare avanti strategie che supportino e migliorino il processo decisionale.

Slide 36-> Skills per essere un data science.

Lezione 4/03

Ho due figl*

Sapendo che almeno uno è maschio qual è la p che sia maschio anche il/la second*?

P=1/3

Ho due figl*

Sapendo che il primogenito è maschio qual è la p che sia maschio anche il/la secondogenito?

P=1/2

Applicazioni

Sentiment Analysis

Prendendo in esame le conversazioni degli utenti nei diversi spazi della rete (blog, forum, social network) si può determinare come è percepito e considerato un determinato brand o prodotto e orientare le strategie di comunicazione future di conseguenza a queste analisi.

Opinion mining

L’analisi predittiva con la ‘Sentiment Analysis’ prevede l’analisi qualitativa delle conversazioni in rete e mira a comprendere lo stato d’animo degli utenti rispetto a un particolare brand, prodotto, tema, servizio.

Digital advertising

Se fino ad oggi il digital advertising era una pratica approssimativa e spesso si procedeva per tentativi, nell’ultimo decennio si è evoluto in un metodo scientifico che permette di realizzare campagne personalizzate per un pubblico targettizzato.

Ogni azienda dispone ormai di enormi quantità di dati relativi ai propri clienti: da quelli delle transazioni raccolte quando un cliente acquista un prodotto online o in store, a quelli acquisiti nel momento in cui un cliente contatta il call center.

Per non parlare poi dei dati raccolti dalle newsletter, dalle email, da mobile, ecc.

Data journalism

Data Journalism è il giornalismo fatto con i dati.

Prima dell’era digitale i "dati" di cui i giornalisti si occupavano erano una raccolta di numeri raccolti su un foglio di calcolo. Ma ora viviamo in un mondo digitale, un mondo in cui quasi tutto può essere descritto con numeri.

Sono le nuove possibilità che si aprono combinando il tradizionale "naso per le notizie" e la capacità di raccontare una storia avvincente, con la vastità e la gamma di informazioni digitali ora disponibili e queste possibilità possono arrivare in qualsiasi fase del processo del giornalista.

Open data

Sono dati pubblici prodotti dalle Pubbliche Amministrazioni (PA).

Devono essere disponibili, riutilizzabili e messi a disposizione della comunità per favorire trasparenza e partecipazione.

Secondo il Codice dell’Amministrazione Digitale (CAD)

Principio di disponibilità dei dati pubblici: chiunque (pubblico o privato) può accedere ai dati senza restrizioni, salvo esplicite norme di legge.

Caratteristiche dei dati aperti

Licenza aperta: utilizzabili da chiunque, anche per fini commerciali, in formato disaggregato.

Accessibilità: disponibili in formati aperti, leggibili da software, corredati da metadati.

Gratuiti o a basso costo: accessibili online, gratuitamente o al solo costo di riproduzione e diffusione.

Lezione 06/03: le reti di trasmissione

Il termine trasmissione, nel campo delle telecomunicazioni e dell'informatica, indica il processo e le modalità/tecniche finalizzate all'invio di informazione, tramite impulsi elettrici e segnali codificati, su un canale fisico di comunicazione da un mittente ad uno o più destinatari.

Tipologie di trasmissione

• Trasmissioni analogiche; (Analogico = qualsiasi valore dentro un range e questo cambia in un momento qualunque)
• Trasmissioni digitali; (Digitale: segnale cambia solo in istanti definiti e può assumere solo un numero predefinito di valori.

La trasmissione è resa possibile da apparecchiature elettroniche di ricetrasmissione ovvero da un trasmettitore e da un ricevitore poste agli estremi del canale di comunicazione e che insieme definiscono genericamente un sistema di telecomunicazioni.

In generale questo processo subisce le caratteristiche trasmissive del canale di comunicazione stesso che altera più o meno l'informazione trasmessa e vincola allo stesso tempo i rispettivi parametri di trasmissione.

Il sistema di telecomunicazione è costituito da trasmettitore, ricevitore e mezzo di trasmissione.

Point-to-point vs broadcast

In base al numero di destinatari queste tipologie di trasmissione possono essere a loro volta:

• Unicast: il destinatario è solo uno di quelli raggiunti dal segnale quindi la comunicazione è punto-punto (point-to-point);
• Multicast: i destinatari devono essere solo alcuni di quelli raggiunti dal segnale quindi la comunicazione è punto-multipunto;
• Broadcast: i destinatari sono tutti quelli raggiunti dal segnale quindi la comunicazione è punto-tutti. (Es: servizi radiofonici o televisivi).

Direzi