Loading...
Programma 2017-03-23T11:03:29+00:00

ORGANIZZAZIONE DIDATTICA

Il master prevede lezioni frontali, esercitazioni singole e di gruppo, homeworkprogetti. Al termine di ogni modulo è previsto un esame/progetto di verifica delle competenze acquisite. Il percorso Formativo è composto da alcune sezioni comuni e da alcune sezioni nella quali è possibile scegliere due percorsi alternativi, al termine dei quali nei Workshop vengono condivise e confrontate alcune delle competenze acquisite.  Lo studente potrà scegliere insieme al docente e in base alle competenze e agli interessi quale percorso seguire.

STRUTTURA

Schedulazione Corsi

STRUTTURA

Aprile – Gennaio
Lezioni e Laboratori

Gennaio – Marzo
Stage/Project Work

Aprile 2018
Meeting finale/Chiusura

LEZIONI

Formula Weekend

LEZIONI

Le lezioni e i laboratori si tengono venerdì (9-17.30) e il sabato mattina (9-13) tutte le settimane da Aprile a Dicembre escluso il mese di Agosto e le festività.

ESAMI & FREQUENZA

Attestazione finale

ESAMI & FREQUENZA

Sono previste prove scritte intermedie e una prova finale con voto espresso in trentesimi. La frequenza è obbligatoria. Per l’acquisizione dell’attestazione finale è richiesta la presenza per almeno il 75% e il superamento degli esami.

CREDITI FORMATIVI

Suddivisione Ore

CREDITI FORMATIVI

Lezioni frontali ed esercitazioni e/o laboratori: 360 ore; 45 C.F.U.
Stage o Project Work: 300 ore; 12 C.F.U.
Prova finale: 3 C.F.U.

CONTENUTI     clicca sulle immagini per saperne di più

Fondamenti e Tecniche di Business Intelligence e BigData Analytics
arrow

Fondamenti e Tecniche di Business Intelligence e BigData Analytics

close

Obiettivi:

fornire le conoscenze di base per la comprensione, l'analisi e la progettazione di una architettura BI classica e una architettura Big Data. Introdurre le principali componenti architetturali e per ciascuna di esse approfondire le funzionalità richieste e i principali prodotti attualmente utilizzati nel mercato.

Moduli:

• Architetture Business Analytics
• DB Relazionali, NoSQL
• Intro Big data
• ETL & Dashboard, ETL & BigData

Contenuti:

• Architetture BI classiche: componenti ed evoluzioni nel tempo
• Data layer
• Transformation layer
• Presentation layer
• Modalità avanzate di visualizzazione (cartografia, visualizzazioni complesse, infografiche)
• Big data architecture
• NoSQL
• Strumenti di base in una architettura Big Data: esempi e prove di utilizzo
• Strumenti per la raccolta di dati sul web:API, crawlers e scrapers
Web Data Analytics
arrow

Web Data Analytics

close

Obiettivi:

approfondire le tematiche di trattamento dei dati non strutturati, in particolare come lavorare su dati provenienti dal web. Presentare da un punto di vista teorico i seguenti temi: Text analytics e Text mining, Social Media Analytics, Semantic Web e trattamento semantico delle informazioni. Nella parte di laboratorio si useranno alcune tecniche (eg. topic detection, sentiment analysis, machine learning ecc.) che permettono di capire le problematiche legate all'analisi dei testi: l'ambiguità del linguaggio parlato e scritto, la classificazione automatica di testi, la corretta identificazione delle opinioni e del sentiment, la scelta dei modelli di analisi più adatti al tipo di dato e di attività che si vuole avviare.

Moduli:

• Data Visualization
• Sentiment Analysis & Text Mining

Contenuti:

• Modelli e metodologie di Web data analytics e Social media analytics
• Introduzione al Semantic Web e alle ontologie
• Tecniche di Text analytics e text mining
• Laboratorio di text analytics e text mining
Statistica e Data Mining
arrow

Statistica e Data Mining

close

Obiettivi:

fornire un’introduzione alle principali tecniche statistiche di Data Mining attraverso tecniche e strategie per l’analisi di grandi moli di dati, illustrando le problematiche connesse, attraverso lezioni frontali e in laboratorio (ambiente SAS e SAS Enterprise Miner). Il corso prevede una parte iniziale con i principali richiami all’inferenza classica sia dal punto di vista teorico sia, e principalmente, da quello applicativo ed interpretativo dei risultati.

Moduli:

• Statistica di Base
• Statistical Modelling
• Data Mining & Machine Learning

Contenuti:

• Fondamenti di inferenza (stimatori, IC, test e pvalue) e modelli statistici (logit e regression) e richiami di linguaggio SAS
• Interpretazione e costruzione di Modelli lineari (Anova, Ancova, GLM) complessi
• Modelli robusti: misure di influenza, diagnostiche, model selection, trasformazioni, additive models
• Diagnostiche robuste (Bootstrap, Jacknife, Hodout validation
• Il Data Mining (robustezza, overfitting, validazione e previsione)
• Modelli statistici per la classificazione supervisionata e non supervisionata (Cluster Analysis gerarchica e non gerarchica)
• Naive Bayes, Nearest Neighbour, Alberi decisionali e Classificativi), metodi ensamble (bagging, boosting e random forest)
•Modelli e Tecniche di Machine Learning
•Reti neurali e forecasting (cenni)
Organizzazione e project management
arrow

Organizzazione e project management

close

Obiettivi:

fornire le competenze base per comprendere le organizzazioni aziendali, i processi decisionali, e di introdurre i principi base del project management applicati in particolare ai progetti di BI&BDA.

Moduli:

• Project Management

Contenuti:

• Analisi organizzativa
• I fattori critici di successo nella gestione dei progetti
• Il Project management applicato ai progetti di BI&BDA
• Il Project Management   come professione
Applicazioni della BI e Analytics a Supporto delle Decisioni
arrow

Applicazioni della BI e Analytics a Supporto delle Decisioni

close

Obiettivi:

illustrare come la BI e le Analytics possono migliorare la gestione dei processi aziendali critici quali la gestione della relazione con i clienti ed il controllo delle performance aziendali. Sono previsti interventi di esperti aziendali e presentazioni di casi reali.

Moduli:

• Analytics for Businesst

Contenuti:

• Introduzione ai processi decisionali
• Analytics e processi decisionali
• Fondamenti di marketing ed introduzione al CRM
• Analytics per la gestione della clientela (CRM)
• Analytics per il controllo delle performance aziendali (CPM)
Laboratorio
arrow

Laboratorio

close

Obiettivi:

• Progettazione e realizzazione di un piano di raccolta di dati strutturati e non strutturati dal Web (eg. tweets, post da blog, forum o altro)
• Analisi della qualità dei dati
• Messa in qualità e trattamento dei dati
• Progettazione di un piano di analisi: BI Analysis, Text Analysis, Sentimental Analysis
• Realizzazione della presentazione delle analisi

Strumenti/Competenze:

• Strumenti di raccolta dati: api, scrapers, inport.io
• MySql
• Talend, Google Refine
• Text Analytics, Text Mining, Rapidminer
• Text pre-processing
• Calcolo di similarità e clustering
• QlickView, QlickSense, Tableau, Microsoft PowerBI

SKILLS

Data Management

  • RDBMS e NoSQL Approaches
  • Data Integration
  • Data Quality techniques and tools
  • Data Presentation
  • BI e Big Data Architectures

Web Data Analitycs

  • Web Scraping
  • Text analytics
  • Text Mining
  • Sentiment Analysis

Statistica/Data Mining

  • Modelli lineari classici/ modelli lineari logistici

  • Alberi decisionali / Classification
  • SAS System, SAS Enterprise Miner
  • Cluster Analysis
  • Certificazione SAS Enterprise Miner (facoltativa)

Management

  • Analisi organizzativa e processi decisionali
  • Fondamenti di project management
  • SWOT analysis
  • Data-driven strategy

TOOLS and PLATFORMS

Per le esercitazione e laboratori si utilizzano software proprietari ed open source, tra cui MySQL, Neo4j, OpenRefine, Talend, QlickView, Tableau, SAS/STAT, SAS Enterprise Miner, RapidMiner, Microsoft PowerBI,  Microsoft Azure, Import.io, Hortonworks

STAGE/PROJECT WORK

Il percorso formativo si conclude con un progetto che si svolge secondo due modalità: Stage o Project Work.