Master universitario online in Big Data per le imprese

Obiettivi

L'obiettivo del corso è fornire allo studente conoscenze avanzate che gli consentano di progettare algoritmi di ricerca e ordinamento dei dati, nonché metodologie per l'acquisizione, la preparazione, l'elaborazione, la trasformazione e l'integrazione dei dati. Inoltre, lo studente che supererà il corso sarà in grado di sviluppare applicazioni avanzate per i Big Data con database NoSQL.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB6 Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) relativi alla propria area di studio

CB8 Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi sulla base di informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB9 Gli studenti sappiano comunicare le proprie conclusioni, nonché le conoscenze e le ragioni fondamentali che le sostengono, a un pubblico specializzato e non specializzato in modo chiaro e privo di ambiguità

CB10 Che gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo che sarà in larga misura autogestito o autonomo.

CB6

Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7

Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) relativi alla propria area di studio

CB8

Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi sulla base di informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB9

Gli studenti sappiano comunicare le proprie conclusioni, nonché le conoscenze e le ragioni fondamentali che le sostengono, a un pubblico specializzato e non specializzato in modo chiaro e privo di ambiguità

CB10

Gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo in gran parte autogestito o autonomo.

CG1 Definire la tabella di marcia per l’adozione, all’interno di un’organizzazione, delle tecnologie di elaborazione di grandi volumi di dati al fine di facilitarne l’accesso, la condivisione e la gestione dei contenuti.

CG2 Comunicare i propri approcci in modo razionale, avvalendosi di elementi visivi, per convincere i responsabili delle decisioni aziendali che i propri risultati debbano essere utilizzati per migliorare i processi e l’attività dell’organizzazione.

CG5 Conoscere in profondità le sfide attuali in aree quali l’acquisizione e l’elaborazione dei dati, la gestione dei dati, l’elaborazione distribuita e l’alta disponibilità, al fine di progettare soluzioni avanzate di analisi dei big data in grado di risolverle in contesti professionali altamente specializzati.

CG6 Conoscere i componenti tecnologici delle piattaforme di elaborazione end-to-end di grandi volumi di dati per definire soluzioni che migliorino la gestione, l’integrazione, l’elaborazione e le attività analitiche dei dati.

CT1 Comunicazione efficace: Essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto. 

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando modelli per proporre soluzioni e prendere decisioni. 

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione. 

CE1 Eseguire estrazioni e manipolazioni complesse di grandi volumi di dati non strutturati per trasformarli e convertirli in un formato compatibile con le soluzioni di archiviazione e visualizzazione dei dati.

CE2 Progettare algoritmi avanzati per la risoluzione di problemi legati al trattamento di grandi volumi di dati, utilizzando linguaggi di programmazione specifici per la scienza dei dati, al fine di implementare soluzioni digitali su una piattaforma Big Data.

CE3 Progettare modelli di dati flessibili e tracciabili per archiviare le entità e gli attributi delle informazioni gestite da soluzioni digitali avanzate per l’elaborazione di grandi volumi di dati.

Risultati di apprendimento

RA-1. Conosce l’applicazione specifica delle metodologie agili per la gestione di progetti di elaborazione e interpretazione dei dati.

RA-2. Progetta architetture informative avanzate basate su tecnologie specifiche per la gestione di grandi volumi di dati.

RA-3. Realizza processi di preparazione e trasformazione dei dati applicando algoritmi per creare modelli scalabili e affidabili di scoperta della conoscenza

RA-4. Configura database NoSQL per adattarli a diversi scenari di esecuzione con elaborazione di grandi volumi di dati.

Descrizione dei contenuti

• Progettazione ed efficienza degli algoritmi di ricerca e ordinamento dei dati

• Metodologie di acquisizione e preparazione dei dati

• Metodologie di elaborazione, trasformazione e integrazione dei dati

• Caratteristiche dei database NoSQL e delle loro principali tipologie

• Sviluppo di applicazioni avanzate per i Big Data con database NoSQL.

Attività formative

AV1.- Lezioni frontali

AV2.- Seminari virtuali

AV4.- Studio dei contenuti e della documentazione complementare (lavoro autonomo)

AV5.- Tutoraggio virtuale

AV6.- Verifiche delle conoscenze

AV10.- Risoluzione di problemi

AV11.- Elaborazione di progetti

AV13.- Attività di workshop e/o laboratori

Sistema e criteri di valutazione

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 40% del voto

SE2.- Prove finali di verifica delle conoscenze: 60% del voto

Bibliografia

Di base:

1.- Alan Beaulieau

Learning SQL: Generate, Manipulate, and Retrieve Data (3ª ed.)

O’Reilly. 2020.

ISBN: 9781492057611

2.- Alex Gorelik

The Enterprise Big Data Lake: Realizzare la promessa dei Big Data e della scienza dei dati

O’Reilly. 2019.

ISBN: 9781491931554

3.- Alex Petrov

Database Internals: un'analisi approfondita del funzionamento dei sistemi di dati distribuiti

O’Reilly. 2019.

ISBN: 9781492040347

4.- Ralph Kimball, Margy Ross

The Data Warehouse Toolkit: La guida definitiva alla modellazione dimensionale, 3a edizione

Wiley. 2013.

ISBN: 9788126544271

5.- Wes Mckinney

Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter (3ª ed.)

3ª ed. O’Reilly. 2022.

ISBN: 9781098104030

Obiettivi

L'obiettivo del corso è fornire allo studente conoscenze avanzate sui modelli lineari e sui metodi di ottimizzazione stocastica fondamentali per l'addestramento dei sistemi di apprendimento automatico, consentendogli di definire architetture di apprendimento automatico con le librerie open source specializzate TensorFlow e Keras. Inoltre, sarà in grado di analizzare e interpretare i dati per individuare e risolvere problemi relativi ai dati, quali incongruenze, elevati livelli di rumore, errori e altre criticità come le perdite, padroneggiando le metodologie di apprendimento automatico per ottenere soluzioni.

Prerequisiti

Non sono previsti prerequisiti.

Competenze

CB6 Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) relativi alla propria area di studio

CB8 Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi sulla base di informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB9 Gli studenti sappiano comunicare le proprie conclusioni, nonché le conoscenze e le ragioni fondamentali che le sostengono, a un pubblico specializzato e non specializzato in modo chiaro e privo di ambiguità

CB10 Che gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo che sarà in larga misura autogestito o autonomo.

CG1 Definire la tabella di marcia per l’adozione, all’interno di un’organizzazione, delle tecnologie di elaborazione di grandi volumi di dati al fine di facilitarne l’accesso, la condivisione e la gestione dei contenuti.

CG2 Comunicare le proprie argomentazioni in modo razionale, avvalendosi di supporti visivi, per convincere i responsabili delle decisioni aziendali che i propri risultati debbano essere utilizzati per migliorare i processi e l’attività dell’organizzazione.

CG3 Identificare i quadri etici, di responsabilità sociale, civile e professionale da applicare nell’ambito dei grandi volumi di informazioni per garantire un comportamento corretto in relazione ai dati, in particolare ai dati personali.

CG4 Sviluppare processi di analisi dei rischi e piani di mitigazione per garantire che i sistemi tecnologici nel campo dell’analisi dei big data soddisfino i requisiti dell’organizzazione.

CG6 Conoscere le componenti tecnologiche delle piattaforme di elaborazione end-to-end di grandi volumi di dati per definire soluzioni che migliorino la gestione, l’integrazione, l’elaborazione e le attività analitiche dei dati.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto. 

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni. 

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni. 

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone promuovendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori. 

CE9 Conoscere tecniche e concetti statistici avanzati (regressione, proprietà delle distribuzioni, test statistici e loro uso appropriato, ecc.) per semplificare attività complesse di elaborazione dei dati e fornire analisi predittive scalabili in grado di valutare grandi volumi di dati.

CE12 Lavorare sul backend e sull’infrastruttura cloud per costruire e implementare modelli di apprendimento automatico su grandi volumi di dati.

CE13 Analizzare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per prevedere tendenze, attività e comportamenti futuri sulla base dei dati.

Risultati di apprendimento

• RA-1. Conoscere i modelli lineari e i metodi di ottimizzazione stocastica fondamentali per l’addestramento dei sistemi di apprendimento automatico.

• RA-2. Definisce architetture di apprendimento automatico utilizzando le librerie open source specializzate TensorFlow e Keras.

• RA-3. Comprende come risolvere in modo efficiente le sfide di modellazione predittiva e apprende quali delle competenze acquisite possono essere applicate a compiti del mondo reale.

• RA-4. Acquisisce esperienza nell’analisi e nell’interpretazione dei dati per individuare e risolvere problemi relativi ai dati, quali incongruenze, elevati livelli di rumore, errori e altre criticità come le perdite

• RA-5. Padroneggiare le metodologie per combinare diversi modelli di apprendimento automatico.

• RA-6. Ottiene soluzioni ad alte prestazioni, concentrandosi sull’uso pratico dei metodi di apprendimento automatico.

Descrizione dei contenuti

• Stato dell’arte nell’apprendimento automatico

• Ambienti e strumenti di programmazione per l’apprendimento automatico.

• Tecniche avanzate di riconoscimento dei modelli

• Apprendimento automatico per le immagini.

• Apprendimento automatico per i testi.

• Apprendimento automatico per contenuti video e audio.

• Casi d’uso e ultime tendenze nelle organizzazioni.

Attività formative

AV1.- Lezioni frontali

AV2.- Seminari virtuali

AV4.- Studio dei contenuti e della documentazione complementare (lavoro autonomo)

AV5.- Tutoraggio virtuale

AV6.- Verifiche delle conoscenze

AV12.- Risoluzione di problemi

AV13.- Attività di workshop e/o laboratori

Sistema e criteri di valutazione

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30% del voto.

SE2.- Prove finali di verifica delle conoscenze: 60% del voto.

SE3.- Quaderno delle esercitazioni di laboratorio: 10 del voto.

Bibliografia

Di base:

1.- A. Géron

Hands-On Machine Learning with Scikit-Learn, Keras & Tensorflow

O'Reilly Media. 2019.

ISBN: 9781492032649

2.- A.C. Müller, S. Guido

Introduction to Machine Learning with Python: A Guide for Data Scientists (1ª ed.)

O'Reilly Media. 2017.

ISBN: 9789352134571

Letteratura complementare:

3.- B.V. Vishwas, A. Patel

Analisi pratica delle serie temporali con Python

Springer. 2020.

ISBN: 9781484259924

4.- M. Treveil, N. Omont, C. Stenac, K. Lefevre, D. Phan, J. Zentici, A. Lavoillotte, M. Miyazaki, L Heidmann

Introduzione a MLOps

O’Reilly Media. 2020.

ISBN: 9781492083290

5.- R. Banik

Sistemi di raccomandazione pratici con Python

Packt. 2018.

ISBN: 9781788993753

Obiettivi

L'obiettivo del corso è fornire agli studenti le conoscenze relative all'evoluzione storica dei Big Data e alle modalità di integrazione dei Big Data nella strategia aziendale, individuandone l'impatto sull'innovazione e sulla produttività. Inoltre, lo studente acquisirà una base pratica sui Big Data per favorire la trasformazione delle imprese e consentire loro di basare il proprio funzionamento sui dati.

Allo stesso tempo, lo studente che supererà il corso conoscerà la legislazione nazionale e internazionale che affronta le questioni etiche relative all’intelligenza artificiale, applicando la normativa in materia di protezione dei dati personali e della privacy.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB6 Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) relativi alla propria area di studio

CB8 Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi sulla base di informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB10 Che gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo che dovrà essere in larga misura autogestito o autonomo.

CG2 Comunicare le proprie argomentazioni in modo razionale, avvalendosi di supporti visivi, per convincere i responsabili delle decisioni aziendali che i propri risultati debbano essere utilizzati per il miglioramento dei processi e dell’attività dell’organizzazione.

CG3 Identificare i quadri di riferimento in materia di etica, responsabilità sociale, civile e professionale da applicare nel contesto dei grandi volumi di informazioni per garantire un comportamento corretto nei confronti dei dati, in particolare dei dati personali.

CG4 Sviluppare processi di analisi dei rischi e piani di mitigazione per garantire che i sistemi tecnologici nel campo dell’analisi dei big data soddisfino i requisiti dell’organizzazione.

CT1 Comunicazione efficace: Essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto. 

CT2 Lavoro di squadra: Essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni. 

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione. 

CE4 Definire strategie di sicurezza specifiche per i sistemi di elaborazione di dati su larga scala che impediscano accessi fraudolenti e rispettino la normativa vigente, come il Regolamento generale sulla protezione dei dati (RGPD).

CE5 Applicare conoscenze scientifiche nella realizzazione di soluzioni digitali specializzate nell’elaborazione di dati di massa per evitare la distorsione algoritmica e garantire la trasparenza.

Risultati di apprendimento

• RA-1. Comprende l’evoluzione storica dei Big Data

• RA-2. Sa come integrare i Big Data in una strategia aziendale.

• RA-3. Identifica le implicazioni organizzative dell’integrazione dei Big Data nelle aziende e il loro impatto sull’innovazione e sulla produttività.

• RA-4 Acquisisce una base pratica sui Big Data e sulle loro applicazioni aziendali per trasformare le organizzazioni in imprese guidate dai dati.

• RA-5. Conoscere la legislazione nazionale e internazionale che affronta le questioni etiche relative all’intelligenza artificiale.

• RA-6. Conoscere e applicare la normativa in materia di protezione dei dati personali e della privacy.

Descrizione dei contenuti

• Evoluzione storica della scienza dei dati e dei Big Data.

• Introduzione all’elaborazione di grandi volumi di dati (Big Data).

• Big Data e intelligenza artificiale

• Strategia per l’implementazione dei Big Data in un’organizzazione.

• Casi di successo.

• Il futuro dei Big Data.

• Quadro normativo sulla protezione dei dati personali.

• Responsabilità dei sistemi di Big Data e Intelligenza Artificiale.

Attività formative

AV1.- Lezioni frontali

AV2.- Seminari virtuali

AV3.- Analisi di casi

AV4.- Studio dei contenuti e della documentazione integrativa (lavoro autonomo)

AV5.- Tutoraggio virtuale

AV6.- Verifiche delle conoscenze

AV15.- Dibattiti

AV11.- Elaborazione di progetti

Sistema e criteri di valutazione

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 40% del voto

SE2.- Prove finali di verifica delle conoscenze: 60% del voto.

Bibliografia

Di base:

1.- Bernard Marr

BIG DATA nella pratica: Come 45 aziende di successo hanno utilizzato l’analisi dei big data per ottenere risultati straordinari

TEELL EDITORIAL, S.L.. 2016.

ISBN: 8416511160

2.- Bernard Marr

Big Data in Practice: Come 45 aziende di successo hanno utilizzato l’analisi dei big data per ottenere risultati straordinari

WILEY. 2016.

ISBN: 1119231388

3.- Isaac Gonzalez Diaz

Big Data per amministratori delegati e direttori marketing: come padroneggiare l’analisi dei Big Data in 5 settimane per i dirigenti

Pubblicazione indipendente. 2017.

ISBN: 1549960393

4.- Kenneth Cukier e Viktor Mayer-Schönberger

Big Data: La rivoluzione dei dati di massa

Turner. 2016.

ISBN: 8415832109

5.- Larissa T. Moss e Shaku Atre Addison

Business Intelligence Roadmap: Il ciclo di vita completo dei progetti per le applicazioni di supporto decisionale

Wesley Professional. 2003.

ISBN: 0201784203

6.- Rafael Caballero e Enrique Martín

Le basi dei Big Data

Los Libros de la Catarata. 2015.

ISBN: 8490970866

Obiettivi

L'obiettivo del corso è fornire allo studente conoscenze avanzate per comprendere i concetti avanzati del cloud computing e dei sistemi su cui si basa, utilizzando l'architettura e i modelli di programmazione impiegati per l'analisi dei big data. Inoltre, gli studenti saranno in grado di sviluppare applicazioni per i Big Data utilizzando i servizi delle piattaforme cloud e di applicare tecniche avanzate di elaborazione nell’analisi di grandi volumi di dati

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB6 Possedere e comprendere conoscenze che forniscano una base o l’opportunità di essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) relativi alla propria area di studio

CB8 Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi sulla base di informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB9 Che gli studenti sappiano comunicare le proprie conclusioni, nonché le conoscenze e le ragioni fondamentali che le sostengono, a un pubblico specializzato e non specializzato in modo chiaro e privo di ambiguità

CB10 Che gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo che dovrà essere in larga misura autogestito o autonomo.

CG2 Comunicare le proprie argomentazioni in modo razionale, avvalendosi di supporti visivi, per convincere i responsabili delle decisioni aziendali che i propri risultati debbano essere utilizzati per il miglioramento dei processi e dell’attività dell’organizzazione.

CG4 Sviluppare processi di analisi dei rischi e piani di mitigazione per garantire che i sistemi tecnologici nel campo dell’analisi dei big data soddisfino i requisiti dell’organizzazione.

CG5 Conoscere in profondità le sfide attuali in aree quali l’acquisizione e l’elaborazione dei dati, la gestione dei dati, l’elaborazione distribuita e l’alta disponibilità, al fine di progettare soluzioni avanzate di analisi dei big data in grado di risolverle in contesti professionali altamente specializzati.

CB6

Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Che gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in contesti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) legati alla propria area di studio

CB8 Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi sulla base di informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB9 Che gli studenti sappiano comunicare le proprie conclusioni, nonché le conoscenze e le ragioni fondamentali che le sostengono, a un pubblico specializzato e non specializzato in modo chiaro e privo di ambiguità

CB10 Che gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo che dovrà essere in larga misura autogestito o autonomo.

CG2 Comunicare le proprie argomentazioni in modo razionale, avvalendosi di supporti visivi, per convincere i responsabili delle decisioni aziendali che i propri risultati debbano essere utilizzati per il miglioramento dei processi e dell’attività dell’organizzazione.

CG3 Identificare i quadri etici, di responsabilità sociale, civile e professionale da applicare nell’ambito dei grandi volumi di informazioni per garantire un comportamento corretto in relazione ai dati, in particolare ai dati personali.

CG4 Sviluppare processi di analisi dei rischi e piani di mitigazione per garantire che i sistemi tecnologici nel campo dell’analisi dei big data soddisfino i requisiti dell’organizzazione.

CG5 Conoscere in modo approfondito le sfide attuali in aree quali l’acquisizione e l’elaborazione dei dati, la gestione dei dati, l’elaborazione distribuita e l’alta disponibilità, al fine di progettare soluzioni avanzate di analisi dei big data in grado di risolverle in contesti professionali altamente specializzati.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto. 

CT3 Pensiero analitico: essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando modelli per proporre soluzioni e prendere decisioni. 

CE1 Eseguire estrazioni e manipolazioni complesse di grandi volumi di dati non strutturati per trasformarli e convertirli in un formato compatibile con le soluzioni di archiviazione e visualizzazione dei dati.

CE6 Sviluppare architetture informatiche avanzate e scalabili per realizzare soluzioni digitali di elaborazione di grandi volumi di dati integrate con i principali componenti e piattaforme di Big Data.

CE7 Analizzare problemi reali relativi alla scienza dei dati e all’intelligenza artificiale, applicando metodi di analisi delle informazioni e di elaborazione di grandi volumi di dati per individuare la soluzione ideale in modo efficiente e tempestivo.

CE13 Analizzare grandi quantità di dati utilizzando l’apprendimento automatico e l’analisi predittiva per prevedere tendenze, attività e comportamenti futuri sulla base dei dati.

Risultati di apprendimento

• RA-1. Conoscere le tendenze all’avanguardia nel campo dei Big Data e i casi d’uso rappresentativi nell’ambito professionale.

• RA-2. Comprende i concetti avanzati del cloud computing e dei sistemi su cui si basa.

• RA-3. Conosce l’architettura e i modelli di programmazione utilizzati per l’analisi dei Big Data.

• RA-4. Sviluppa applicazioni di Big Data utilizzando i servizi delle piattaforme cloud

• RA-5. Applica tecniche avanzate di elaborazione nell’utilizzo di grandi volumi di dati.

Descrizione dei contenuti

• Architetture delle applicazioni cloud per i Big Data

• Gestione del ciclo di vita delle applicazioni cloud

• Servizi cloud: elaborazione, archiviazione, reti e database

• Modellazione dei dati per applicazioni Big Data

• Servizi di virtualizzazione

Attività formative

AV1.- Lezioni frontali

AV2.- Seminari virtuali

AV4.- Studio dei contenuti e della documentazione complementare (lavoro autonomo)

AV5.- Tutoraggio virtuale

AV6.- Verifiche delle conoscenze

AV10.- Risoluzione di problemi

AV13.- Attività di workshop e/o laboratori

Sistema e criteri di valutazione

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30% del voto.

SE2.- Prove finali di verifica delle conoscenze: 60% del voto

SE3.- Quaderno delle esercitazioni di laboratorio: 10% del voto.

Bibliografia

Di base:

1.- Adi Wijaya

Data Engineering with Google Cloud Platform, Una guida pratica alla messa in opera di sistemi di analisi dei dati scalabili su GCP

PACKT. 2022.

ISBN: 9781800561328

2.- Christopher Berg, Gil Benghiat ed Eran Strod

The DataOps CookBook, Metodologie e strumenti per ridurre i tempi del ciclo di analisi migliorandone al contempo la qualità

DataKitchen. 2019.

ISBN: 9781788839259

3.- Nathan Marz e James Warren

Big-Data. Principi e migliori pratiche per sistemi di dati scalabili in tempo reale

Manning. 2015.

ISBN: 9781617290343

4.- William Inmon e Daniel Linstedt

Data Architecture, Una guida per il data scientist

Morgan Kaufmann. 2015.

ISBN: 9780128020449

Obiettivi

L'obiettivo del corso è far comprendere allo studente gli aspetti specifici della programmazione per la scienza dei dati, applicando il linguaggio R alla risoluzione di problemi specifici relativi alla gestione di grandi volumi di dati. Inoltre, acquisirà padronanza degli ambienti di sviluppo più comuni per la creazione di programmi in R: RStudio e Jupyter Notebook, e programmerà applicazioni in Python utilizzando librerie e strumenti specifici per l’archiviazione e la manipolazione dei dati.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB6 Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) relativi alla propria area di studio

CB10 Gli studenti devono possedere le competenze di apprendimento che consentano loro di proseguire gli studi in modo in gran parte autogestito o autonomo.

CG1 Definire la roadmap per l’adozione, all’interno di un’organizzazione, delle tecnologie di elaborazione di grandi volumi di dati per facilitarne l’accesso, la condivisione e la gestione dei contenuti.

CG6 Conoscere i componenti tecnologici delle piattaforme di elaborazione end-to-end di grandi volumi di dati per definire soluzioni che migliorino la gestione, l’integrazione, l’elaborazione e le attività analitiche dei dati.

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni. 

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando modelli per proporre soluzioni e prendere decisioni. 

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione. 

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori. 

CE2 Progettare algoritmi avanzati per la risoluzione di problemi legati al trattamento di grandi volumi di dati, utilizzando linguaggi di programmazione specifici per la scienza dei dati, al fine di implementare soluzioni digitali su una piattaforma Big Data.

CE5 Applicare conoscenze scientifiche nella realizzazione di soluzioni digitali specializzate nell’elaborazione di dati massivi per evitare la distorsione algoritmica e garantire la trasparenza.

CE8 Applicare metodologie innovative nella programmazione di applicazioni per lo sfruttamento di grandi volumi di dati, al fine di fornire conoscenze all’organizzazione, modificando la prospettiva nel processo decisionale.

Risultati di apprendimento

• RA-1. Comprende gli aspetti specifici della programmazione per la scienza dei dati.

• RA-2. Applica il linguaggio R alla risoluzione di problemi specifici relativi alla gestione di grandi volumi di dati.

• RA-3. Padroneggia gli ambienti di sviluppo più comuni per la creazione di programmi in R: RStudio e Jupyter Notebook.

• RA-4. Programma applicazioni con il linguaggio Python utilizzando librerie e strumenti specifici per l’archiviazione e la manipolazione dei dati.

• RA-5. Acquisisce una solida base per l’apprendimento più avanzato nel campo della scienza dei dati e sviluppa le competenze necessarie per progredire nella propria carriera di data scientist specializzato in Big Data.

Descrizione dei contenuti

• Introduzione alla programmazione in R.

• Strutture dati in R.

• Programmazione in R per l’elaborazione di grandi volumi di dati.

• Introduzione a Python e alle sue strutture dati.

• Librerie per la visualizzazione avanzata dei dati in Python.

• Programmazione in Python per l’elaborazione di grandi volumi di dati.

Attività formative

AV1.- Lezioni frontali

AV2.- Seminari virtuali

AV4.- Studio dei contenuti e della documentazione complementare (lavoro autonomo)

AV5.- Tutoraggio virtuale

AV6.- Verifiche delle conoscenze

AV10.- Risoluzione di problemi

AV11.- Elaborazione di progetti

AV13.- Attività di workshop e/o laboratori

Sistema e criteri di valutazione

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30% del voto.

SE2.- Prove finali di verifica delle conoscenze: 60% del voto.

SE4.- Portfolio: 10% del voto.

Bibliografia

Di base:

1.- Dr. Severance, Charles R.

Python for Everybody: Exploring Data Using Python 3

CreateSpace. 2023.

ISBN: 9781530051120

Obiettivi

L'obiettivo del corso è consentire allo studente di costruire e addestrare reti neurali profonde totalmente connesse, applicando algoritmi di apprendimento per rinforzo. Inoltre, lo studente imparerà a riconoscere i compiti relativi all'elaborazione del linguaggio naturale nei processi aziendali, acquisendo al contempo le migliori pratiche per l'addestramento e lo sviluppo di set di test.

.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB6 Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) relativi alla propria area di studio

CB8 Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi sulla base di informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB9 Gli studenti sappiano comunicare le proprie conclusioni, nonché le conoscenze e le ragioni fondamentali che le sostengono, a un pubblico specializzato e non specializzato in modo chiaro e privo di ambiguità

CB10 Che gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo che sarà in larga misura autogestito o autonomo.

CG1 Definire la tabella di marcia per l’adozione, all’interno di un’organizzazione, delle tecnologie di elaborazione di grandi volumi di dati al fine di facilitarne l’accesso, la condivisione e la gestione dei contenuti.

CG2 Comunicare le proprie argomentazioni in modo razionale, avvalendosi di supporti visivi, per convincere i responsabili delle decisioni aziendali che i propri risultati debbano essere utilizzati per migliorare i processi e l’attività dell’organizzazione.

CG3 Identificare i quadri etici, di responsabilità sociale, civile e professionale da applicare nell’ambito dei grandi volumi di informazioni per garantire un comportamento corretto in relazione ai dati, in particolare ai dati personali.

CG4 Sviluppare processi di analisi dei rischi e piani di mitigazione per garantire che i sistemi tecnologici nell’ambito dell’analisi dei big data soddisfino i requisiti dell’organizzazione.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto. 

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni. 

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni. 

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione. 

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori. 

CE7 Analizzare problemi reali legati alla scienza dei dati e all’intelligenza artificiale, applicando metodi di analisi delle informazioni e di elaborazione di grandi volumi di dati per individuare la soluzione ideale in modo efficiente e tempestivo.

CE8 Applicare metodologie innovative nella programmazione di applicazioni per l’elaborazione di grandi volumi di dati, al fine di fornire conoscenze all’organizzazione, cambiando la prospettiva nel processo decisionale.

CE9 Conoscere tecniche e concetti statistici avanzati (regressione, proprietà delle distribuzioni, test statistici e loro corretto utilizzo, ecc.) per semplificare complesse attività di elaborazione dei dati e fornire analisi predittive scalabili in grado di valutare grandi volumi di dati.

CE10 Addestrare, attraverso la ricerca scientifica e tecnologica, reti neurali in grado di analizzare grandi volumi di dati per sfruttarli nell’ottimizzazione dei processi all’interno delle organizzazioni.

Risultati di apprendimento

• RA-1. Costruisce e addestra reti neurali profonde totalmente connesse.

• RA-2. Applicare algoritmi di apprendimento per rinforzo per costruire e addestrare reti neurali.

• RA-3. Riconosce i compiti di elaborazione del linguaggio naturale nei processi delle organizzazioni

• RA-4 Apprende le migliori pratiche per addestrare e sviluppare set di test.

• RA-5. Analizza la distorsione e la varianza per sviluppare applicazioni di deep learning.

Descrizione dei contenuti

• Aspetti pratici e avanzati del deep learning e delle reti neurali.

• Algoritmi di apprendimento per rinforzo.

• Deep learning per l’elaborazione del linguaggio naturale.

• Programmazione di applicazioni che implementano reti neurali.

Attività formative

AV1.- Lezioni frontali

AV2.- Seminari virtuali

AV4.- Studio dei contenuti e della documentazione complementare (lavoro autonomo)

AV5.- Tutoraggio virtuale

AV6.- Verifiche delle conoscenze

AV11.- Elaborazione di progetti

AV12.- Risoluzione di sfide

AV13.- Attività di workshop e/o laboratori

Sistema e criteri di valutazione

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30% del voto.

SE2.- Prove finali di verifica delle conoscenze: 60% del voto.

SE3.- Quaderno delle esercitazioni di laboratorio: 10% del voto.

Obiettivi

L'obiettivo del corso è consentire allo studente di sviluppare la capacità di implementare il deployment continuo delle applicazioni all'interno di un'organizzazione, di analizzare la pipeline di consegna di un team e di presentare raccomandazioni prioritarie per migliorarla, illustrando le competenze e i ruoli coinvolti nel DevOps e il modo in cui contribuiscono alla capacità di consegna continua, verificare e fornire test di automazione lungo l’intero stack di sviluppo. Il tutto applicando le metodologie Agile.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB6 Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) relativi alla propria area di studio

CB8 Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi sulla base di informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB9 Gli studenti sappiano comunicare le proprie conclusioni, nonché le conoscenze e le ragioni fondamentali che le sostengono, a un pubblico specializzato e non specializzato in modo chiaro e privo di ambiguità

CB10 Che gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo che dovrà essere in larga misura autogestito o autonomo.

CG2 Comunicare le proprie argomentazioni in modo razionale, avvalendosi di supporti visivi, per convincere i responsabili delle decisioni aziendali che i propri risultati debbano essere utilizzati per il miglioramento dei processi e dell’attività dell’organizzazione.

CG3 Identificare i quadri etici, di responsabilità sociale, civile e professionale da applicare nel contesto di grandi volumi di informazioni per garantire un comportamento corretto in relazione ai dati, in particolare ai dati personali.

CG4 Sviluppare processi di analisi dei rischi e piani di mitigazione per garantire che i sistemi tecnologici nel campo dell’analisi dei big data soddisfino i requisiti dell’organizzazione.

CG5 Conoscere in modo approfondito le sfide attuali in settori quali l’acquisizione e l’elaborazione dei dati, la gestione dei dati, l’elaborazione distribuita e l’alta disponibilità, al fine di progettare soluzioni avanzate di analisi dei big data in grado di risolverle in contesti professionali altamente specializzati.

CG6 Conoscere i componenti tecnologici delle piattaforme di elaborazione end-to-end di grandi volumi di dati per definire soluzioni che migliorino la gestione, l’integrazione, l’elaborazione e le attività analitiche dei dati.

CT1 Comunicazione efficace: Essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto. 

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni. 

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni. 

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione. 

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori. 

CE2 Progettare algoritmi avanzati per la risoluzione di problemi legati al trattamento di grandi volumi di dati, utilizzando linguaggi di programmazione specifici per la scienza dei dati, al fine di implementare soluzioni digitali su una piattaforma Big Data.

CE6 Sviluppare architetture informatiche avanzate e scalabili per realizzare soluzioni digitali di elaborazione di grandi volumi di dati integrate con i principali componenti e piattaforme di Big Data.

Risultati di apprendimento

• RA-1. Sviluppa la capacità di implementare il deployment continuo delle applicazioni all’interno di un’organizzazione.

• RA-2. Effettua la diagnosi della pipeline di consegna di un team e presenta raccomandazioni priorizzate per migliorarla.

• RA-3. Spiega le competenze e i ruoli coinvolti nel DevOps e come contribuiscono a una capacità di consegna continua.

• RA-4. Esamina e distribuisce test di automazione nell’intero stack di sviluppo

• RA-5. Applica le metodologie agili nello sviluppo e nell’automazione dei test per adottare i principi dell’integrazione e della consegna continue.

Descrizione dei contenuti

• Aspetti avanzati del DevOps e dell’integrazione continua.

• Integrazione continua e sviluppo continuo.

• Automazione delle suite di test delle applicazioni nel cloud.

• Ambienti di integrazione e operatività su piattaforme di integrazione continua nel cloud.

• Ruoli e funzioni all’interno di una piattaforma di integrazione continua.

• Sviluppo di applicazioni e gestione avanzata dei container.

Attività formative

AV1.- Lezioni frontali

AV2.- Seminari virtuali

AV4.- Studio dei contenuti e della documentazione complementare (lavoro autonomo)

AV5.- Tutoraggio virtuale

AV6.- Verifiche delle conoscenze

AV11.- Elaborazione di progetti

AV12.- Risoluzione di sfide

AV13.- Attività di workshop e/o laboratori

Sistema e criteri di valutazione

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30% del voto.

SE2.- Prove finali di verifica delle conoscenze: 60% del voto

SE4.- Portfolio: 10% del voto.

Bibliografia

Di base:

1.- Betsy Beyer, Chris Jones, Jennifer Petoff, Niall Richard Murphy

Site Reliability Engineering: How Google Runs Production Systems

O'Reilly Media, Inc.. 2016.

ISBN: 9781491951170

2.- Betsy Beyer, Niall Richard Murphy, David K. Rensin, Kent Kawahara, Stephen Thorne

The Site Reliability Workbook

O'Reilly Media, Inc.. 2018.

ISBN: 9781492029502

3.- Martyn Coupland

DevOps Adoption Strategies: Principles, Processes, Tools, and Trends

Packt. 2021.

ISBN: 9781801078788

4.- Mikael Krief

Imparare DevOps

Packt. 2019.

ISBN: 9781838642730

5.- Sandeep Madamanchi

Google Cloud per ingegneri DevOps

Pakt. 2021.

ISBN: 9781839218019

Obiettivi

L'obiettivo del corso è quello di avvicinare lo studente al mondo del lavoro, attraverso un tirocinio presso un'azienda o un'istituzione, sotto la guida di un tutor aziendale. Lo svolgimento del tirocinio sarà correlato ai contenuti del Master.

Prerequisiti

Il tirocinio avrà carattere presenziale e si svolgerà presso la sede di lavoro designata dall’azienda partner.

Competenze

CB6 Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) relativi alla propria area di studio

CB8 Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi sulla base di informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB9 Gli studenti sappiano comunicare le proprie conclusioni, nonché le conoscenze e le ragioni fondamentali che le sostengono, a un pubblico specializzato e non specializzato in modo chiaro e privo di ambiguità

CB10 Che gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo che sarà in larga misura autogestito o autonomo.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto. 

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e proporre soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni. 

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni. 

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione. 

CT5 Leadership etica: Essere in grado di motivare, influenzare e guidare altre persone favorendone lo sviluppo, affinché collaborino in modo efficace e raggiungano obiettivi comuni in un quadro di valori. 

CE15 Applicare le conoscenze acquisite in un contesto lavorativo, per gestire i propri compiti con senso di responsabilità e lavorare in team con iniziativa e motivazione.

Risultati di apprendimento

• RA-1. Applicare, in un contesto di ricerca scientifica e tecnologica o altamente specializzato, le conoscenze e le competenze acquisite nel master.

• RA-2 Seleziona le tecnologie e le metodologie adeguate per proporre soluzioni alle sfide legate all’analisi di big data in contesti professionali altamente specializzati.

• RA-3 Applica le conoscenze e le competenze acquisite nel master per formulare in termini chiari diagnosi e proposte d’azione di fronte a problemi e sfide descritti sulla base di informazioni incomplete o limitate.

• RA-4. Analizza e riflette sulla responsabilità sociale o etica legata alla soluzione proposta nei casi di applicazione dell’analisi dei big data in un contesto professionale altamente specializzato.

• RA-5. Comunica in modo chiaro e rigoroso a un pubblico specializzato i risultati derivanti da una ricerca scientifica e tecnologica nel campo dell’analisi dei big data, argomentando in modo fondato la propria posizione e instaurando dialoghi costruttivi con i propri interlocutori.

• RA-6. Identifica le aree di sviluppo professionale e di specializzazione nel campo dell’analisi dei big data che saranno prioritarie nelle prossime fasi della propria carriera professionale.

Descrizione dei contenuti

Il contenuto del tirocinio esterno che lo studente dovrà svolgere si baserà sull’attività lavorativa presso un centro precedentemente collegato all’Università tramite un accordo in cui siano espressamente indicate le attività di tirocinio esterno presso tale centro. Il tema scelto sarà definito prima dell’inizio del tirocinio dello studente e potrà riguardare diversi aspetti di carattere professionale.

Attività formative

AV1 Lezione virtuale

AV4 Lavoro autonomo

AV5 Tutoraggio virtuale

AV7 Tirocinio esterno

Sistema e criteri di valutazione

SE7 Relazione del tutor del tirocinio esterno: 40% del voto

SE8 Relazione del tutor accademico del tirocinio esterno: 40% del voto

SE9 Relazione sul tirocinio esterno: 20% del voto.

Obiettivi

L'obiettivo del corso è consentire allo studente di acquisire autonomia nello sviluppo di un progetto di lavoro o di ricerca, dimostrare la capacità di effettuare una revisione rigorosa della letteratura su un tema specifico e raggiungere un'adeguata padronanza della scrittura scientifica. Si mira inoltre a renderlo capace di applicare e implementare in modo competente le tecniche statistiche apprese nel corso del master, nonché di sviluppare e introdurre nuove metodologie per l’analisi dei dati. In tal modo, lo studente raggiungerà un livello di conoscenze equivalente allo stato dell’arte in un ambito specifico e, potenzialmente, potrà apportare contributi originali in tale campo.

Requisiti preliminari

Per poter sostenere la discussione della tesi di master è necessario aver superato tutte le materie del corso di laurea, comprese le «Tirocinio aziendale».

Competenze

CB6 Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) correlati alla propria area di studio

CB8 Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi a partire da informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB9 Gli studenti sappiano comunicare le proprie conclusioni, nonché le conoscenze e le ragioni fondamentali che le sostengono, a un pubblico specializzato e non specializzato in modo chiaro e privo di ambiguità

CB10 Che gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo che dovrà essere in larga misura autogestito o autonomo.

CE14 Elaborare, esporre e difendere un lavoro originale nell’ambito dell’analisi e dell’elaborazione di grandi volumi di dati e del loro impatto sulle organizzazioni e sulle imprese.

Risultati di apprendimento

RA-1. Lo studente realizzi individualmente, presenti e difenda davanti a una commissione universitaria un progetto nell’ambito dell’Analisi dei Big Data per le Imprese di natura professionale, in cui siano sintetizzate e integrate le competenze richieste nei corsi

Descrizione dei contenuti

La tesi di Master dovrà verificare l’acquisizione da parte dello studente delle competenze generali e specifiche del corso di laurea, sintetizzando le competenze acquisite durante il percorso formativo, oppure attraverso un lavoro di carattere innovativo nell’ambito dell’analisi dei big data, di sufficiente complessità, in un contesto il più possibile vicino alla realtà. Lo studente dovrà sviluppare un lavoro coerente, di durata realistica rispetto agli obiettivi prefissati. Si tratterà di presentare un lavoro originale, frutto della ricerca di fonti e del contributo personale dello studente.

Attività formative

AV2 Seminario virtuale

AV5 Tutoraggio virtuale

AV7 Elaborazione della tesi di laurea magistrale

AV8 Discussione pubblica della tesi di laurea magistrale

Sistema e criteri di valutazione

SE 5 Tesi di laurea magistrale: 60% del voto.

SE 6 Discussione e presentazione della tesi di laurea magistrale davanti alla commissione esaminatrice: 40% del voto.

La discussione si svolgerà online davanti alla commissione esaminatrice.

Obiettivi

L'obiettivo del corso è che lo studente applichi tecniche sofisticate di visualizzazione basate sui fondamenti dell'analisi dei dati, tenendo conto della struttura e dell'origine di tali dati, scegliendo a tal fine la tecnica di visualizzazione più adeguata a ciascun caso d’uso, tenendo conto del tipo e della composizione dei dati, organizzando le informazioni e individuando modelli ricorrenti, identificando i punti chiave per il processo decisionale; a tal fine, lo studente deve padroneggiare gli strumenti più avanzati che consentono di generare visualizzazioni dei dati.

Prerequisiti

Non sono stati stabiliti prerequisiti.

Competenze

CB6 Possedere e comprendere conoscenze che forniscano una base o un’opportunità per essere originali nello sviluppo e/o nell’applicazione di idee, spesso in un contesto di ricerca

CB7 Gli studenti sappiano applicare le conoscenze acquisite e la propria capacità di risoluzione dei problemi in ambienti nuovi o poco conosciuti all’interno di contesti più ampi (o multidisciplinari) relativi alla propria area di studio

CB8 Gli studenti siano in grado di integrare le conoscenze e di affrontare la complessità di formulare giudizi sulla base di informazioni che, pur essendo incomplete o limitate, includano riflessioni sulle responsabilità sociali ed etiche legate all’applicazione delle loro conoscenze e dei loro giudizi

CB9 Gli studenti sappiano comunicare le proprie conclusioni, nonché le conoscenze e le ragioni fondamentali che le sostengono, a un pubblico specializzato e non specializzato in modo chiaro e privo di ambiguità

CB10 Che gli studenti possiedano le competenze di apprendimento che consentano loro di proseguire gli studi in modo che sarà in larga misura autogestito o autonomo.

CG1 Definire la tabella di marcia per l’adozione, all’interno di un’organizzazione, delle tecnologie di elaborazione di grandi volumi di dati al fine di facilitarne l’accesso, la condivisione e la gestione dei contenuti.

CG2 Comunicare le proprie argomentazioni in modo razionale, avvalendosi di supporti visivi, per convincere i responsabili delle decisioni aziendali che i propri risultati debbano essere utilizzati per migliorare i processi e l’attività dell’organizzazione.

CG3 Identificare i quadri etici, di responsabilità sociale, civile e professionale da applicare nell’ambito dei grandi volumi di informazioni per garantire un comportamento corretto in relazione ai dati, in particolare ai dati personali.

CG4 Sviluppare processi di analisi dei rischi e piani di mitigazione per garantire che i sistemi tecnologici nell’ambito dell’analisi dei big data soddisfino i requisiti dell’organizzazione.

CT1 Comunicazione efficace: essere in grado di trasmettere e modulare un messaggio partendo dall’ascolto attivo per entrare in sintonia con il pubblico, utilizzando le risorse necessarie per adattarsi alle sue caratteristiche e a quelle del contesto. 

CT2 Lavoro di squadra: essere in grado di interagire, ascoltare con empatia e offrire soluzioni integrando i diversi punti di vista, per collaborare efficacemente con persone di diversi ambiti e discipline nel raggiungimento di obiettivi comuni. 

CT3 Pensiero analitico: Essere in grado di analizzare e valutare le informazioni, scomporre problemi o situazioni complesse, individuando schemi ricorrenti per proporre soluzioni e prendere decisioni. 

CT4 Creatività: Essere in grado di generare idee e soluzioni innovative a problemi o situazioni complesse in contesti di collaborazione e co-creazione. 

CE3 Progettare modelli di dati flessibili e tracciabili per archiviare le entità e gli attributi delle informazioni gestite da soluzioni digitali avanzate per il trattamento di grandi volumi di dati.

CE8 Applicare metodologie innovative nella programmazione di applicazioni per l’analisi di grandi volumi di dati, al fine di fornire conoscenze all’organizzazione, modificando la prospettiva nel processo decisionale.

CE11 Elaborare le informazioni relative ai dati con tecniche avanzate, creando visualizzazioni adeguate al pubblico per individuare e comprendere le tendenze, i valori anomali e i modelli presenti nei dati.

Risultati di apprendimento

• RA-1. Applica tecniche sofisticate di visualizzazione basate sui fondamenti dell’analisi dei dati, tenendo conto della struttura e dell’origine di tali dati.

• RA-2. Sceglie la tecnica di visualizzazione più adeguata a ciascun caso d’uso, tenendo conto del tipo e della composizione dei dati, delle informazioni che si intendono trasmettere al pubblico e del modo in cui gli osservatori elaborano le informazioni visive.

• RA-3. Organizza le informazioni e individua i modelli, identificando i punti chiave per il processo decisionale.

• RA-4. Espone le analisi dei dati e le comunica in modo che il destinatario sia in grado di prendere decisioni sulla base di questa trasmissione di conoscenze.

• RA-5. Padroneggia gli strumenti più avanzati che consentono di generare visualizzazioni dei dati.

• RA-6. Ricerca modalità alternative per visualizzare insiemi di dati.

Descrizione dei contenuti

• Filtraggio avanzato delle informazioni e organizzazione delle gerarchie.

• Branding visivo.

• Narrazioni dei dati.

• Organizzazione e codifica visiva delle informazioni.

• Analisi e visualizzazione dei dati web.

• Tecniche avanzate di presentazione.

• Strumenti di visualizzazione per dati dinamici.

Attività formative

AV1.- Lezioni frontali

AV2.- Seminari virtuali

AV3.- Analisi di casi

AV4.- Studio dei contenuti e della documentazione complementare (lavoro autonomo)

AV5.- Tutoraggio virtuale

AV6.- Verifiche delle conoscenze

AV13.- Attività di workshop e/o laboratori

Sistema e criteri di valutazione

SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.): 30% del voto

SE2.- Prove finali di verifica delle conoscenze: 60% del voto

SE3.- Quaderno delle esercitazioni di laboratorio: 10% del voto.

Bibliografia

Di base:

1.- Cairo, A

The Truthful Art: Data, Charts, and Maps for Communication

New Riders Publishing. 2016.

ISBN: 9780321934079

2.- Dykes, B.

Effective Data Storytelling: How to Drive Change with Data, Narrative and Visuals

Wiley. 2019.

ISBN: 9781119615712

3.- Ross, M.

Identifying Business Processes

. The Kimball Group. 2005.

ISBN: 9781119216315