ORGANIZZAZIONE DIDATTICA
Il master prevede lezioni frontali, esercitazioni singole e di gruppo, homework e progetti. 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 CorsiSTRUTTURA
Aprile – Gennaio
Lezioni e Laboratori
Gennaio – Marzo
Stage/Project Work
Aprile 2023
Meeting finale/Chiusura
LEZIONI
Formula WeekendLEZIONI
Le lezioni e i laboratori si tengono venerdì (9-18) e il sabato mattina (9-13) tutte le settimane da Aprile a Dicembre escluso il mese di Agosto e le festività.
ESAMI & FREQUENZA
Attestazione finaleESAMI & FREQUENZA
Sono previste prove scritte intermedie con voto espresso in trentesimi e una prova finale. 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 OreCREDITI 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.

Business Intelligence & Big Data Management
Il modulo permette di acquisire le conoscenze per la comprensione, l’analisi e la progettazione di una architettura BI classica e una architettura Big Data. Conoscere le principali componenti architetturali e per ciascuna di esse approfondire le funzionalità richieste e i principali prodotti di mercato. Acquisire le tecniche principali di elaborazione dati in modalità tradizionale e distribuita.Essere in grado di progettare e realizzare dashboard di fruizione dati, utilizzando i principali strumenti di mercato.
- Foundations of BI & Big Data Analytics
- Relational DB, Data Modelling NoSQL
Il paradigma NoSQL – Dati strutturati, semi-strutturati, non strutturati
Architetture NoSQL (Key-value
Store, Column Store, Document Store, GraphDB)
Data Quality - Big Data Processing
Architetture BI e DWH Architetture NoSQL (Key-value Store, Column Store, Document Store)
Operational BI e Real Time BI
Architetture Big Data Cloud per Data Analytics
Lambda, Kappa e Unified Architecture
Data Ingestion Patterns (API, Web Scraping, Crawling) Data Streaming - Data Visualization
- Laboratorio – Team Work
Statistical Modeling & Machine Learning
Il modulo si propone di fornire una approfondita conoscenza delle tecniche e degli strumenti di Data Mining e Machine Learning mostrando come possano essere impiegati per risolvere problemi pratici e per fornire valore aggiunto nei processi di business. Dopo una prima parte che fornisce le competenze di Statistical Modelling vengono presentate le peculiarità distintive del Data Mining e del Machine Learning e come utilizzarle per produrre benefici in processo di analisi di Big Data. L’obiettivo del modulo è di fornire conoscenze che permettano di affrontare un problema di analisi dati in tutte le sue fasi: scopo dell’analisi, preparazione del dato, scelta del modello e della tecnica adeguata confrontando diversi possibili scenari, presentazione dei risultati ottenuti e delle motivazioni sulle scelte effettuate.
- Foundations on Statistics
Inferenza e distribuzioni
Fondamenti di inferenza (stimatori, IC, test e pvalue) - Statistical Modelling
Modelli statistici (logit e regression) - Data Mining & Machine Learning
Train, Test, Validation e Crossvalidation
Overfitting E Bias vs Variance tradoff
Classification Metrics
Knn, Naive Bayes, Tree, Random Forest, Boosting, Ensemble, Logistic Regression Classifier,Neural Networks
Outlier management
Forecast Cluster Analysis
Regularization - Data Processing & Machine Learning
- Laboratorio – Team Work
Web Data Analytics
Il modulo si propone di presentare le principali metodologie e strumenti di analisi dei dati NON strutturati presenti nei Social Media (Twitter, Facebook, Blog ..) e illustrare anche attraverso la presentazione di casi di studio, le tecniche per valutare l’impatto che l’utilizzo dei dati Social Media può avere sulle strategie e sui processi aziendali.
- Web Analytics Fundamentals
- Social Media Analytics & social Media Marketing
- Web Scraping
- Text Mining & Analytics
- Natural Language Content Analysis
- Laboratorio – Team Work
Analytics & Management for Business
Il modulo si propone di presentare i concetti e le soluzioni fondamentali per organizzazioni che desiderano diventare data-driven. Vengono in particolare approfondite due tematiche applicative comuni nelle aziende (corporate performance management e customer relationship management) e l’utilizzo della AI per il supporto delle decisioni aziendali. Il modulo fornisce inoltre le competenze base di Project Management, in particolare con la metodologia Agile.
- Analytics for Business
Data-driven organisation
Corporate performance management (CPM)
AI & decision making
machine learning & customer relationship management (CRM) - Project Management
Big Data project management
Agile project management
LE COMPETENTE CHE ACQUISISCI..
Big Data Management
RDBMS e NoSQL Approaches
Data Integration
Data Quality techniques and tools
Data Visualization
Business Intelligence
Big Data Architectures ( Hadoop, Spark)
Principi di cloud computing
Architetture Big data e BI in Cloud
Calcolo distribuito e Machine Learning
Web Data Analitycs
Web Scraping
Text analytics
Text Mining
Sentiment Analysis
Statistical Modelling/Data Mining/Machine Learning
Modelli lineari classici/ modelli lineari logistici
Machine Learning
Alberi decisionali / Classification
R & Python Programming
Cluster Analysis
Deep Learning
Management
Data-Driven decision making
- Gestione di progetti Big Data con metodologia Agile
- AI Explainability
- CRM recommandation systems