DATA SCIENCE AND BUSINESS INFORMATICS
Corso di laurea magistrale
Piano di Studi
Primo anno
Business process modeling (6 cfu)
- Il corso illustra i concetti principali e le problematiche inerenti la gestione di processi, intesi come flussi di lavoro (workflow) costruiti componendo certe attività atomiche, e di fornire una panoramica dei linguaggi, dei modelli concettuali e degli strumenti automatici basati su essi, che possono essere usati per affrontare le problematiche in maniera adeguata. Il percorso di apprendimento porterà gli studenti ad acquisire dimestichezza con i termini tecnici dell'area, con i diversi modelli per strutturare e comporre i processi in modo rigoroso, con le proprietà logiche che questi modelli possono essere richiesti soddisfare e con le tecniche di analisi e verifica dei processi. Inoltre potranno sperimentare i concetti visti con strumenti automatici per progettare e analizzare processi.
Syllabus
- Introduzione alle problematiche relative alla gestione dei processi.
- Terminologia (business process, business process management, business process management system, business process model, process orchestration, business process lifecycle, workflow) e classificazione (orchestrazione vs coreografia, automazione, strutturazione).
- Cenni sull'evoluzione dei sistemi di gestione di processi aziendali.
- Modellazione di processi.
- Modelli concettuali e livelli di astrazione.
- Decomposizione funzionale e modularizzazione.
- Orchestrazione di processi.
- Proprietà di interesse nella progettazione, analisi e verifica di processi basati su workflow.
- Pattern di orchestrazione (sequenza, split parallelo, split esclusivo, and-join, join esclusivo) e workflow strutturati.
- Modelli rigorosi per workflow: reti di Petri e workflow nets.
- Strumenti automatici per la progettazione e analisi di workflow. Sperimentazione su ambiente di progettazione di processi workflow con strumenti automatici per progettare, analizzare processi di workflow.
- Il corso illustra i concetti principali e le problematiche inerenti la gestione di processi, intesi come flussi di lavoro (workflow) costruiti componendo certe attività atomiche, e di fornire una panoramica dei linguaggi, dei modelli concettuali e degli strumenti automatici basati su essi, che possono essere usati per affrontare le problematiche in maniera adeguata. Il percorso di apprendimento porterà gli studenti ad acquisire dimestichezza con i termini tecnici dell'area, con i diversi modelli per strutturare e comporre i processi in modo rigoroso, con le proprietà logiche che questi modelli possono essere richiesti soddisfare e con le tecniche di analisi e verifica dei processi. Inoltre potranno sperimentare i concetti visti con strumenti automatici per progettare e analizzare processi.
Optimization for data science (6 cfu)
- Obiettivi didattici: il corso si propone di familiarizzare gli studenti con le metodologie di ottimizzazione matematica alla base di molti approcci di Data Science, nonché con il loro utilizzo in combinazione con tecniche di Data Science per affrontare problemi pratici rilevanti. Il corso bilancerà quindi attentamente l'aspetto metodologico, ovvero la teoria dell'ottimizzazione vincolata e non vincolata e dei corrispondenti algoritmi di soluzione, e l'aspetto applicativo, ovvero l'utilizzo di tali metodologie per affrontare problematiche di Data Science.
Syllabus:
- Nozioni di base sulle tecniche di ottimizzazione e modellazione
- Ottimizzazione non vincolata: teoria ed algoritmi
- Ottimizzazione vincolata: teoria ed algoritmi
- Applicazioni alla Data Science ed alla Business Informatics
- Obiettivi didattici: il corso si propone di familiarizzare gli studenti con le metodologie di ottimizzazione matematica alla base di molti approcci di Data Science, nonché con il loro utilizzo in combinazione con tecniche di Data Science per affrontare problemi pratici rilevanti. Il corso bilancerà quindi attentamente l'aspetto metodologico, ovvero la teoria dell'ottimizzazione vincolata e non vincolata e dei corrispondenti algoritmi di soluzione, e l'aspetto applicativo, ovvero l'utilizzo di tali metodologie per affrontare problematiche di Data Science.
Statistics for data science (9 cfu)
- The course presents the main concepts and techniques of probability, statistics, and time series, which can be useful for the data analysis and data science. After consolidating the knowledge in probability theory, the course is aimed at presenting the main methods and concepts of estimation theory and hypothesis testing. The second part of the course focuses on statistical inference and validation of core data processing tasks and machine learning models. Advanced topics will cover stochastic processes and time series, focusing on the ARMA framework and Markov chains. The theoretical notions are interleaved with exercises and project work using the R programming language.
Syllabus
– Brief review on probability theory, random variables, and convergence theorems for sequences of random variables.
– Exploratory data analysis: graphical and numerical summaries.
– Basic statistical models.
– The bootstrap method.
– Estimation: unbiased estimators, efficiency and mean squared error, maximum likelihood, expectation maximization.
– Least squares estimation and regression.
– Confidence intervals and hypotheses testing.
– Sampling and imputation methods.
– Categorical data and inference for contingency tables.
– Classifier error rate estimation and calibration.
– Noise and robust statistics.
– Bayesian inference.
– Causal inference: structured causal model, potential outcome model.
– Brief introduction to stochastic processes and linear time series analysis.
– Markov Chains and Monte Carlo Markov Chain.
- The course presents the main concepts and techniques of probability, statistics, and time series, which can be useful for the data analysis and data science. After consolidating the knowledge in probability theory, the course is aimed at presenting the main methods and concepts of estimation theory and hypothesis testing. The second part of the course focuses on statistical inference and validation of core data processing tasks and machine learning models. Advanced topics will cover stochastic processes and time series, focusing on the ARMA framework and Markov chains. The theoretical notions are interleaved with exercises and project work using the R programming language.
Data mining (12 cfu)
- I formidabili progressi della potenza di calcolo, della capacità di acquisizione e memorizzazione dei dati e di connettività hanno creato quantità di dati senza precedenti. Il data mining, ovvero la scienza dell’estrazione di conoscenza da tali masse di dati, si è quindi affermato come ramo interdisciplinare dell’informatica.
Le tecniche di data mining sono state applicate a molti problemi in ambito industriale, scientifico e sociale, e si ritiene che avranno un impatto sempre più profondo sulla società. L’obiettivo del corso è quello di fornire:
un’introduzione ai concetti di base del data mining e del processo di estrazione della conoscenza, con approfondimenti sui modelli analitici e gli algoritmi più diffusi;
una rassegna delle tecniche avanzate per il mining delle nuove forme di dati;
una rassegna delle principali aree applicative e di casi di studio paradigmatici.
Syllabus
Modulo 1: fondamenti
- Concetti di base del data mining e del processo di estrazione della conoscenza
- Preprocessing ed analisi esplorativa dei dati
- Pattern frequenti e regole associative
- Classificazione: alberi di decisione e metodi Bayesiani
- Clustering: metodi basati su partizione, gerarchici, basati su densità
- Esperimenti analitici con strumenti di data mining
Modulo 2: aspetti avanzati e applicazioni
- Mining di serie temporali e dati spazio-temporali
- Mining di dati sequenziali, mining di grandi grafi e reti
- Tecniche avanzate di associazione, correlazione and pattern frequenti
- Tecniche avanzate di classificazione, clustering e outlier detection
- Linguaggi, standard e architetture dei sistemi di data mining
- Impatto sociale del data mining
- Aspetti etici del data mining
- Data mining e protezione della privacy
- Applicazioni: Grande distribuzione, Marketing, CRM, Industria delle telecomunicazioni, Analisi finanziaria, analisi di rischio, Rilevamento di frodi, Pubblica amministrazione e sanità, Mobilità e trasporti
- I formidabili progressi della potenza di calcolo, della capacità di acquisizione e memorizzazione dei dati e di connettività hanno creato quantità di dati senza precedenti. Il data mining, ovvero la scienza dell’estrazione di conoscenza da tali masse di dati, si è quindi affermato come ramo interdisciplinare dell’informatica.
9 cfu a scelta nel gruppo GR2
- Aziendale e giuridico
Fundamentals of business management (9 cfu)
- The course is designed to introduce students from different backgrounds (especially from STEM disciplines) to the most relevant topics and concepts characterizing business management, and to provide them with the ability to apply business management knowledge to practical tasks. The topics proposed are relevant to a variety of application sectors, and cover both theoretical concepts and relevant managerial implications. The course will also introduce students to the basic concepts of financial and managerial accounting, including concepts of costs, volumes and profits, and their relationships, budgeting, performance measurement and evaluation. Students will increase their familiarity with the accounting process, and will learn to read and understand financial statements. The course will also discuss the economics and management of strategic decisions and human capital.
Syllabus:
- The firm and the market
- What is a firm'
- Theories of the firm
- The firm as a sustainable system
- Where does a firm work, interact and evolve'
- Value creation and firm’s objectives
- The competitive advantage and the entry strategies
- The firm’s functions
- Production, Research & Development, Accounting, Finance, Innovation
- Processes and techniques of marketing
- Operations management
- Procurement and logistics
- Finance
- Principles of financial accounting and budget
- Firm’s value, finance and capital structure
- Resources management, strategy, business models
- Economics and management of strategic decisions
- Governance, networking and strategic collaboration
- Human resources management practices
- The course is designed to introduce students from different backgrounds (especially from STEM disciplines) to the most relevant topics and concepts characterizing business management, and to provide them with the ability to apply business management knowledge to practical tasks. The topics proposed are relevant to a variety of application sectors, and cover both theoretical concepts and relevant managerial implications. The course will also introduce students to the basic concepts of financial and managerial accounting, including concepts of costs, volumes and profits, and their relationships, budgeting, performance measurement and evaluation. Students will increase their familiarity with the accounting process, and will learn to read and understand financial statements. The course will also discuss the economics and management of strategic decisions and human capital.
Syllabus:
- The firm and the market
- What is a firm'
- Theories of the firm
- The firm as a sustainable system
- Where does a firm work, interact and evolve'
- Value creation and firm’s objectives
- The competitive advantage and the entry strategies
- The firm’s functions
- Production, Research & Development, Accounting, Finance, Innovation
- Processes and techniques of marketing
- Operations management
- Procurement and logistics
- Finance
- Principles of financial accounting and budget
- Firm’s value, finance and capital structure
- Resources management, strategy, business models
- Economics and management of strategic decisions
- Governance, networking and strategic collaboration
- Human resources management practices
Management practice (6 cfu)
- This advanced course aims at providing students with knowledge of the main topics and management practices characterizing today's competitive environment. A special emphasis will be put on the role of enabling technologies and on management practices in innovative firms. The course will also introduce students to entrepreneurial practices in information science (how to develop and bring to the market new products and services based on embedded systems and high-tech solutions).
Syllabus
1) The innovative firm: theoretical concepts and management implications
- Knowledge, invention and innovation
- Technological paradigms: nature and evolution
- Sources of innovation
- Innovation typologies and dynamics
- Innovation diffusion and market barriers
- The innovative firm: resources, competencies and boundaries
- Quantitative indicators of innovative activities
- Innovation and firm growth
- The geography of R&D: knowledge and innovation
- Entrepreneurial practices in information science
2) Management practices and enabling technologies
- Technological paradigms in information science
- Architecture machine (r)evolution and firms’ organization
- Software (r)evolution and firms’ key competencies evolution
- Network (r)evolution and firms’ boundaries
- AI (r)evolution and Industry 4.0
- This advanced course aims at providing students with knowledge of the main topics and management practices characterizing today's competitive environment. A special emphasis will be put on the role of enabling technologies and on management practices in innovative firms. The course will also introduce students to entrepreneurial practices in information science (how to develop and bring to the market new products and services based on embedded systems and high-tech solutions).
Syllabus
1) The innovative firm: theoretical concepts and management implications
- Knowledge, invention and innovation
- Technological paradigms: nature and evolution
- Sources of innovation
- Innovation typologies and dynamics
- Innovation diffusion and market barriers
- The innovative firm: resources, competencies and boundaries
- Quantitative indicators of innovative activities
- Innovation and firm growth
- The geography of R&D: knowledge and innovation
- Entrepreneurial practices in information science
2) Management practices and enabling technologies
- Technological paradigms in information science
- Architecture machine (r)evolution and firms’ organization
- Software (r)evolution and firms’ key competencies evolution
- Network (r)evolution and firms’ boundaries
- AI (r)evolution and Industry 4.0
Project design & management for data science (6 cfu)
- The goal of the module is to introduce students to practical tools and methods to design and manage data science driven projects. Students will learn and apply tools coming from design theory, to be used in every DS phase, from problem understanding to results communication. The course will fill the existing gap in students’ competences, to be able to structure unstructured problems, similarly to what they will be asked in their future job positions. Each topic will teach the students a clear tool to be used from day 1 in their projects. The course will end with a series of “Design for” lessons to place the content in a specific context (i.e. I4.0, sustainability, equality).
SYLLABUS
The course has two modules: project design module and project management module.
PROJECT DESIGN MODULE:
-Soft Skills: what they are and why are they important for a DS project. The concept of not-so-soft skills
-Business Problem Identification: Types of business problems, sources for business problems identification
-Research Questions Design: Types of RQs, writing proper RQs
-Problem Setting: From questions to problems
-Problem Solving: Tools and techniques for problem solving
-Project Scoping: Define the scope of the analysis. Definition of stopping criteria
-Goal Design: How to define goals
-Measures Design: Process Indicators VS Result Indicators
-Information Retrieval: Find the right information [Query Design]
-Team Design: Find and mix the right competencies for a DS Project [Bloom's Taxonomy]
-Design for I.4.0: what is industry 4.0, the main technologies, future developments
-Design for Sustainability: how data can be used to design green products
-Design for Gender Equality: avoid gender biases in DS. The case of biased AI systems
-Design for post COVID-19 word: How COVID-19 is reshaping DS
PROJECT MANAGEMENT MODULE:
-Fundamentals: projects and processes
-Project planning and WBS
-Scheduling techniques [GANTT, PERT, CPM]
-Project costing estimation
-SCRUM & Agile methodologies for data science projects
- The goal of the module is to introduce students to practical tools and methods to design and manage data science driven projects. Students will learn and apply tools coming from design theory, to be used in every DS phase, from problem understanding to results communication. The course will fill the existing gap in students’ competences, to be able to structure unstructured problems, similarly to what they will be asked in their future job positions. Each topic will teach the students a clear tool to be used from day 1 in their projects. The course will end with a series of “Design for” lessons to place the content in a specific context (i.e. I4.0, sustainability, equality).
SYLLABUS
The course has two modules: project design module and project management module.
PROJECT DESIGN MODULE:
-Soft Skills: what they are and why are they important for a DS project. The concept of not-so-soft skills
-Business Problem Identification: Types of business problems, sources for business problems identification
-Research Questions Design: Types of RQs, writing proper RQs
-Problem Setting: From questions to problems
-Problem Solving: Tools and techniques for problem solving
-Project Scoping: Define the scope of the analysis. Definition of stopping criteria
-Goal Design: How to define goals
-Measures Design: Process Indicators VS Result Indicators
-Information Retrieval: Find the right information [Query Design]
-Team Design: Find and mix the right competencies for a DS Project [Bloom's Taxonomy]
-Design for I.4.0: what is industry 4.0, the main technologies, future developments
-Design for Sustainability: how data can be used to design green products
-Design for Gender Equality: avoid gender biases in DS. The case of biased AI systems
-Design for post COVID-19 word: How COVID-19 is reshaping DS
PROJECT MANAGEMENT MODULE:
-Fundamentals: projects and processes
-Project planning and WBS
-Scheduling techniques [GANTT, PERT, CPM]
-Project costing estimation
-SCRUM & Agile methodologies for data science projects
Diritto dell'informatica (6 cfu)
- L’avvento delle tecnologie informatiche ha sollevato problemi per la regolamentazione giuridica delle attività compiute loro tramite.
Il corso si propone di analizzare queste problematiche, considerando sia le regole giuridiche specifiche per l’era digitale sia la possibilità di impiego del diritto generale.
In particolare, il corso si propone di esaminare, tra alcune grandi tematiche del diritto nell’era digitale, quelle più proprie del contesto aziendale, ossia la contrattazione telematica, il documento informatico, il trattamento dei dati personali e le responsabilità in Internet.
Syllabus
- Il commercio elettronico. Conclusione, validità, forma e prova del contratto concluso via e-mail e tramite point and click: applicabilità delle regole generali, deroghe e regole speciali. La Direttiva europea sul commercio elettronico e la sua attuazione: il d.lgs. n. 70/2003. I contratti ad oggetto informatico.
- La tutela del consumatore e il regime delle informazioni in rete: informazioni generali, commerciali e pubblicitarie non sollecitate ("spamming"). Le informazioni pubblicitarie nelle professioni regolamentate.
- La disciplina del trattamento dei dati personali (d.lgs. n. 196/2003). Il trattamento dei dati personali: nozione di trattamento, dato personale, titolare, responsabile, incaricato, interessato. L'informativa e il consenso. Il trattamento effettuato con l’ausilio degli strumenti elettronici. La sicurezza dei dati: il documento programmatico sulla sicurezza e il disciplinare tecnico. Il regime sanzionatorio civile, amministrativo e penale. Il trattamento in outsourcing dei dati personali.
- Firma digitale, firma elettronica e documento informatico: questioni di forma, validità e prova. La posta elettronica certificata. La trasmissione telematica dei documenti. I certificatori.
- I domain names. I nomi di dominio aziendali. Le regole della Registration Authority.
- Gli illeciti in Internet e la responsabilità dei providers.
- La tutela del software. Software libero e software proprietario. Il diritto di autore all’epoca di Internet.
- L’elaboratore e l’adempimento dell’obbligazione: la moneta elettronica e i mezzi di pagamento in Internet.
- L’avvento delle tecnologie informatiche ha sollevato problemi per la regolamentazione giuridica delle attività compiute loro tramite.
Il corso si propone di analizzare queste problematiche, considerando sia le regole giuridiche specifiche per l’era digitale sia la possibilità di impiego del diritto generale.
In particolare, il corso si propone di esaminare, tra alcune grandi tematiche del diritto nell’era digitale, quelle più proprie del contesto aziendale, ossia la contrattazione telematica, il documento informatico, il trattamento dei dati personali e le responsabilità in Internet.
Syllabus
- Il commercio elettronico. Conclusione, validità, forma e prova del contratto concluso via e-mail e tramite point and click: applicabilità delle regole generali, deroghe e regole speciali. La Direttiva europea sul commercio elettronico e la sua attuazione: il d.lgs. n. 70/2003. I contratti ad oggetto informatico.
- La tutela del consumatore e il regime delle informazioni in rete: informazioni generali, commerciali e pubblicitarie non sollecitate ("spamming"). Le informazioni pubblicitarie nelle professioni regolamentate.
- La disciplina del trattamento dei dati personali (d.lgs. n. 196/2003). Il trattamento dei dati personali: nozione di trattamento, dato personale, titolare, responsabile, incaricato, interessato. L'informativa e il consenso. Il trattamento effettuato con l’ausilio degli strumenti elettronici. La sicurezza dei dati: il documento programmatico sulla sicurezza e il disciplinare tecnico. Il regime sanzionatorio civile, amministrativo e penale. Il trattamento in outsourcing dei dati personali.
- Firma digitale, firma elettronica e documento informatico: questioni di forma, validità e prova. La posta elettronica certificata. La trasmissione telematica dei documenti. I certificatori.
- I domain names. I nomi di dominio aziendali. Le regole della Registration Authority.
- Gli illeciti in Internet e la responsabilità dei providers.
- La tutela del software. Software libero e software proprietario. Il diritto di autore all’epoca di Internet.
- L’elaboratore e l’adempimento dell’obbligazione: la moneta elettronica e i mezzi di pagamento in Internet.
Pianificazione e controllo gestionale (9 cfu)
- Il corso si propone di approfondire le caratteristiche della
pianificazione e controllo evidenziando tanto l’evoluzione nella
dottrina che nella strumentazione operativa a supporto del
management.
Syllabus
- Il sistema di controllo.
- Il processo, i meccanismi operativi e lo stile di controllo.
- Le variabili del controllo.
- Il processo di budgeting.
- L'analisi degli scostamenti.
- I contenuti ed il processo di reporting.
- L'analisi reddituale e patrimoniale.
- La leva operativa e la leva finanziaria.
- La simulazione economico-finanziaria.
- Il processo di simulazione: le simulazioni di efficienza e di struttura.
- Gli aspetti evolutivi del budget.
- Il modello di previsione, simulazione e pianificazione SISMA.
- Casi aziendali.
- Il corso si propone di approfondire le caratteristiche della
pianificazione e controllo evidenziando tanto l’evoluzione nella
dottrina che nella strumentazione operativa a supporto del
management.
Syllabus
- Il sistema di controllo.
- Il processo, i meccanismi operativi e lo stile di controllo.
- Le variabili del controllo.
- Il processo di budgeting.
- L'analisi degli scostamenti.
- I contenuti ed il processo di reporting.
- L'analisi reddituale e patrimoniale.
- La leva operativa e la leva finanziaria.
- La simulazione economico-finanziaria.
- Il processo di simulazione: le simulazioni di efficienza e di struttura.
- Gli aspetti evolutivi del budget.
- Il modello di previsione, simulazione e pianificazione SISMA.
- Casi aziendali.
Strategic and competitive intelligence (6 cfu)
- La Strategic & Competitive Intelligence (CI) ha come obiettivo l’identificazione di opportunità e minacce, l’eliminazione o riduzione di blind-spots e la riduzione dei tempi di reazione ai cambiamenti del mercato e dei concorrenti.
Il ‘prodotto finale’ delle attività di CI è ciò che si definisce actionable intelligence, cioè prospettive di azione, usabili dal management. Il processo di CI va ben oltre l’analisi dei competitor: si tratta, infatti, di collezionare informazioni da molteplici fonti, selezionarle, incrociarle, interpretale e fornire una prospettiva, utilizzabile nei processi decisionali, ad es. ai fini di due diligence. Le informazioni riguardano prodotti, clienti, concorrenti, ecosistema di business ed ambiente in generale.
L’insegnamento introduce i fondamenti della strategic & competitive intelligence, partendo dal pensiero sistemico e critico e fornisce gli strumenti e le tecniche di analisi utilizzati in ambito professionale, che gli studenti impareranno ad applicare nei lavori di gruppo, da presentare in aula.
Sono previsti seminari su alcune tematiche specifiche.
Syllabus
Parte 1: Fondamenti per l’attività di CI
– Systems thinking per il management.
– Processo di CI.
– Sorgenti e tecniche di raccolta.
– Professionalità di CI.
Parte 2: Strumenti e metodologie di CI
– Competitive benchmarking.
– Early warnings e blindspots.
– Business ecosystems e value network analysis.
– Strumenti avanzati di analisi: scenario analysis, war gaming.
Parte 3: Strumenti di technology intelligence
– Intellectual Property e attività brevettuale.
– Analisi brevettuale e analisi bibliometrica.
– Technology foresight.
- La Strategic & Competitive Intelligence (CI) ha come obiettivo l’identificazione di opportunità e minacce, l’eliminazione o riduzione di blind-spots e la riduzione dei tempi di reazione ai cambiamenti del mercato e dei concorrenti.
Il ‘prodotto finale’ delle attività di CI è ciò che si definisce actionable intelligence, cioè prospettive di azione, usabili dal management. Il processo di CI va ben oltre l’analisi dei competitor: si tratta, infatti, di collezionare informazioni da molteplici fonti, selezionarle, incrociarle, interpretale e fornire una prospettiva, utilizzabile nei processi decisionali, ad es. ai fini di due diligence. Le informazioni riguardano prodotti, clienti, concorrenti, ecosistema di business ed ambiente in generale.
L’insegnamento introduce i fondamenti della strategic & competitive intelligence, partendo dal pensiero sistemico e critico e fornisce gli strumenti e le tecniche di analisi utilizzati in ambito professionale, che gli studenti impareranno ad applicare nei lavori di gruppo, da presentare in aula.
Sono previsti seminari su alcune tematiche specifiche.
Syllabus
Parte 1: Fondamenti per l’attività di CI
– Systems thinking per il management.
– Processo di CI.
– Sorgenti e tecniche di raccolta.
– Professionalità di CI.
Parte 2: Strumenti e metodologie di CI
– Competitive benchmarking.
– Early warnings e blindspots.
– Business ecosystems e value network analysis.
– Strumenti avanzati di analisi: scenario analysis, war gaming.
Parte 3: Strumenti di technology intelligence
– Intellectual Property e attività brevettuale.
– Analisi brevettuale e analisi bibliometrica.
– Technology foresight.
Economia e gestione delle imprese (9 cfu)
- Il corso fornisce gli elementi analitici di base per comprendere il comportamento d’impresa. Tratta le principali tematiche economico-manageriali, le logiche di base e gli strumenti relativi alla gestione strategica delle imprese e all’analisi dell’ambiente competitivo. Gli obiettivi formativi sono:
- Conoscere le principali teorie che spiegano i fattori che influenzano la redditività di impresa.
- Acquisire una conoscenza introduttiva delle dinamiche di organizzazione della produzione industriale, e di come essa sia cambiata nel tempo.
- Acquisire conoscenze di base degli strumenti di marketing che le imprese hanno a disposizione per aumentare la propria competitività.
- Sviluppare o rafforzare la capacità critica e di pensiero individuale. Il corso intende infatti evitare l’apprendimento passivo e a-critico dei temi oggetto di studio.
Syllabus
Parte I (L’analisi di settore e del sistema competitivo)
- L’analisi di settore.
- L’analisi dei concorrenti.
- I gruppi strategici.
- Le risorse e le competenze nella formulazione strategica.
- L’analisi del vantaggio competitivo (il vantaggio di costo e di differenziazione).
Parte II (L’analisi dell’impresa e delle sue funzioni
Un focus su produzione e marketing):
- Produzione.
- Strategia innovativa e flessibilità dell’impresa.
- Il modello di flessibilità dei sistemi tecnico-produttivi.
- Marketing.
- Il processo di marketing management.
- La segmentazione del mercato.
- Il marketing mix (prodotto, promozione, distribuzione e prezzo).
- Il corso fornisce gli elementi analitici di base per comprendere il comportamento d’impresa. Tratta le principali tematiche economico-manageriali, le logiche di base e gli strumenti relativi alla gestione strategica delle imprese e all’analisi dell’ambiente competitivo. Gli obiettivi formativi sono:
- Conoscere le principali teorie che spiegano i fattori che influenzano la redditività di impresa.
- Acquisire una conoscenza introduttiva delle dinamiche di organizzazione della produzione industriale, e di come essa sia cambiata nel tempo.
- Acquisire conoscenze di base degli strumenti di marketing che le imprese hanno a disposizione per aumentare la propria competitività.
- Sviluppare o rafforzare la capacità critica e di pensiero individuale. Il corso intende infatti evitare l’apprendimento passivo e a-critico dei temi oggetto di studio.
Syllabus
Parte I (L’analisi di settore e del sistema competitivo)
- L’analisi di settore.
- L’analisi dei concorrenti.
- I gruppi strategici.
- Le risorse e le competenze nella formulazione strategica.
- L’analisi del vantaggio competitivo (il vantaggio di costo e di differenziazione).
Parte II (L’analisi dell’impresa e delle sue funzioni
Un focus su produzione e marketing):
- Produzione.
- Strategia innovativa e flessibilità dell’impresa.
- Il modello di flessibilità dei sistemi tecnico-produttivi.
- Marketing.
- Il processo di marketing management.
- La segmentazione del mercato.
- Il marketing mix (prodotto, promozione, distribuzione e prezzo).
Analisi e gestione dei costi (9 cfu)
- Il corso ha lo scopo di approfondire alcuni aspetti della determinazione dei costi e di trattare le principali logiche e tecniche per la gestione dei costi a supporto delle decisioni.
Syllabus
- L’analisi e la gestione dei costi e il processo decisionale.
- Approfondimenti sull’Activity-Based Costing.
- L’Activity-Based Management.
- La gestione della profittabilità del cliente.
- I costi ambientali.
- I costi della qualità.
- Il target costing.
- Il corso ha lo scopo di approfondire alcuni aspetti della determinazione dei costi e di trattare le principali logiche e tecniche per la gestione dei costi a supporto delle decisioni.
Syllabus
- L’analisi e la gestione dei costi e il processo decisionale.
- Approfondimenti sull’Activity-Based Costing.
- L’Activity-Based Management.
- La gestione della profittabilità del cliente.
- I costi ambientali.
- I costi della qualità.
- Il target costing.
Economia aziendale II (9 cfu)
- L’obiettivo formativo è quello di favorire l’acquisizione di conoscenze di base mirate alla costruzione ed all’interpretazione del bilancio di esercizio, nonché al controllo della gestione aziendale.
Syllabus
- Bilancio di esercizio: ruolo e finalità, normativa civilistica, schemi di redazione, criteri di valutazione, informazioni integrative diffuse agli stakeholder.
- Dinamiche dei processi di pianificazione e controllo.
- Ruolo, le finalità e le caratteristiche essenziali dei principali strumenti di programmazione e controllo della gestione aziendale, come il budget, i costi, l’analisi delle performance.
- L’obiettivo formativo è quello di favorire l’acquisizione di conoscenze di base mirate alla costruzione ed all’interpretazione del bilancio di esercizio, nonché al controllo della gestione aziendale.
Syllabus
- Bilancio di esercizio: ruolo e finalità, normativa civilistica, schemi di redazione, criteri di valutazione, informazioni integrative diffuse agli stakeholder.
- Dinamiche dei processi di pianificazione e controllo.
- Ruolo, le finalità e le caratteristiche essenziali dei principali strumenti di programmazione e controllo della gestione aziendale, come il budget, i costi, l’analisi delle performance.
Organizzazione aziendale (9 cfu)
- Lo scopo di questo corso è quello di fornire una spiegazione realistica di come funziona una moderna organizzazione.
L'obiettivo formativo è quello di sviluppare un pensiero critico, un atteggiamento interrogativo e una capacità analitica riguardo ai problemi organizzativi.
Syllabus
- Strategia e risposte all'incertezza ambientale.
- Variabili strutturali per la progettazione organizzativa in differenti contesti empirici.
- Relazioni interorganizzative.
- Impatto della tecnologia sull'organizzazione.
- Ciclo di vita di una organizzazione.
- Meccanismi di controllo organizzativo.
- Cultura ed etica organizzativa.
- Lo scopo di questo corso è quello di fornire una spiegazione realistica di come funziona una moderna organizzazione.
L'obiettivo formativo è quello di sviluppare un pensiero critico, un atteggiamento interrogativo e una capacità analitica riguardo ai problemi organizzativi.
Syllabus
- Strategia e risposte all'incertezza ambientale.
- Variabili strutturali per la progettazione organizzativa in differenti contesti empirici.
- Relazioni interorganizzative.
- Impatto della tecnologia sull'organizzazione.
- Ciclo di vita di una organizzazione.
- Meccanismi di controllo organizzativo.
- Cultura ed etica organizzativa.
12 cfu a scelta nel gruppo GR3
- Approfondimento specifico
Fundamentals of business management (9 cfu)
- The course is designed to introduce students from different backgrounds (especially from STEM disciplines) to the most relevant topics and concepts characterizing business management, and to provide them with the ability to apply business management knowledge to practical tasks. The topics proposed are relevant to a variety of application sectors, and cover both theoretical concepts and relevant managerial implications. The course will also introduce students to the basic concepts of financial and managerial accounting, including concepts of costs, volumes and profits, and their relationships, budgeting, performance measurement and evaluation. Students will increase their familiarity with the accounting process, and will learn to read and understand financial statements. The course will also discuss the economics and management of strategic decisions and human capital.
Syllabus:
- The firm and the market
- What is a firm'
- Theories of the firm
- The firm as a sustainable system
- Where does a firm work, interact and evolve'
- Value creation and firm’s objectives
- The competitive advantage and the entry strategies
- The firm’s functions
- Production, Research & Development, Accounting, Finance, Innovation
- Processes and techniques of marketing
- Operations management
- Procurement and logistics
- Finance
- Principles of financial accounting and budget
- Firm’s value, finance and capital structure
- Resources management, strategy, business models
- Economics and management of strategic decisions
- Governance, networking and strategic collaboration
- Human resources management practices
- The course is designed to introduce students from different backgrounds (especially from STEM disciplines) to the most relevant topics and concepts characterizing business management, and to provide them with the ability to apply business management knowledge to practical tasks. The topics proposed are relevant to a variety of application sectors, and cover both theoretical concepts and relevant managerial implications. The course will also introduce students to the basic concepts of financial and managerial accounting, including concepts of costs, volumes and profits, and their relationships, budgeting, performance measurement and evaluation. Students will increase their familiarity with the accounting process, and will learn to read and understand financial statements. The course will also discuss the economics and management of strategic decisions and human capital.
Syllabus:
- The firm and the market
- What is a firm'
- Theories of the firm
- The firm as a sustainable system
- Where does a firm work, interact and evolve'
- Value creation and firm’s objectives
- The competitive advantage and the entry strategies
- The firm’s functions
- Production, Research & Development, Accounting, Finance, Innovation
- Processes and techniques of marketing
- Operations management
- Procurement and logistics
- Finance
- Principles of financial accounting and budget
- Firm’s value, finance and capital structure
- Resources management, strategy, business models
- Economics and management of strategic decisions
- Governance, networking and strategic collaboration
- Human resources management practices
Management practice (6 cfu)
- This advanced course aims at providing students with knowledge of the main topics and management practices characterizing today's competitive environment. A special emphasis will be put on the role of enabling technologies and on management practices in innovative firms. The course will also introduce students to entrepreneurial practices in information science (how to develop and bring to the market new products and services based on embedded systems and high-tech solutions).
Syllabus
1) The innovative firm: theoretical concepts and management implications
- Knowledge, invention and innovation
- Technological paradigms: nature and evolution
- Sources of innovation
- Innovation typologies and dynamics
- Innovation diffusion and market barriers
- The innovative firm: resources, competencies and boundaries
- Quantitative indicators of innovative activities
- Innovation and firm growth
- The geography of R&D: knowledge and innovation
- Entrepreneurial practices in information science
2) Management practices and enabling technologies
- Technological paradigms in information science
- Architecture machine (r)evolution and firms’ organization
- Software (r)evolution and firms’ key competencies evolution
- Network (r)evolution and firms’ boundaries
- AI (r)evolution and Industry 4.0
- This advanced course aims at providing students with knowledge of the main topics and management practices characterizing today's competitive environment. A special emphasis will be put on the role of enabling technologies and on management practices in innovative firms. The course will also introduce students to entrepreneurial practices in information science (how to develop and bring to the market new products and services based on embedded systems and high-tech solutions).
Syllabus
1) The innovative firm: theoretical concepts and management implications
- Knowledge, invention and innovation
- Technological paradigms: nature and evolution
- Sources of innovation
- Innovation typologies and dynamics
- Innovation diffusion and market barriers
- The innovative firm: resources, competencies and boundaries
- Quantitative indicators of innovative activities
- Innovation and firm growth
- The geography of R&D: knowledge and innovation
- Entrepreneurial practices in information science
2) Management practices and enabling technologies
- Technological paradigms in information science
- Architecture machine (r)evolution and firms’ organization
- Software (r)evolution and firms’ key competencies evolution
- Network (r)evolution and firms’ boundaries
- AI (r)evolution and Industry 4.0
Project design & management for data science (6 cfu)
- The goal of the module is to introduce students to practical tools and methods to design and manage data science driven projects. Students will learn and apply tools coming from design theory, to be used in every DS phase, from problem understanding to results communication. The course will fill the existing gap in students’ competences, to be able to structure unstructured problems, similarly to what they will be asked in their future job positions. Each topic will teach the students a clear tool to be used from day 1 in their projects. The course will end with a series of “Design for” lessons to place the content in a specific context (i.e. I4.0, sustainability, equality).
SYLLABUS
The course has two modules: project design module and project management module.
PROJECT DESIGN MODULE:
-Soft Skills: what they are and why are they important for a DS project. The concept of not-so-soft skills
-Business Problem Identification: Types of business problems, sources for business problems identification
-Research Questions Design: Types of RQs, writing proper RQs
-Problem Setting: From questions to problems
-Problem Solving: Tools and techniques for problem solving
-Project Scoping: Define the scope of the analysis. Definition of stopping criteria
-Goal Design: How to define goals
-Measures Design: Process Indicators VS Result Indicators
-Information Retrieval: Find the right information [Query Design]
-Team Design: Find and mix the right competencies for a DS Project [Bloom's Taxonomy]
-Design for I.4.0: what is industry 4.0, the main technologies, future developments
-Design for Sustainability: how data can be used to design green products
-Design for Gender Equality: avoid gender biases in DS. The case of biased AI systems
-Design for post COVID-19 word: How COVID-19 is reshaping DS
PROJECT MANAGEMENT MODULE:
-Fundamentals: projects and processes
-Project planning and WBS
-Scheduling techniques [GANTT, PERT, CPM]
-Project costing estimation
-SCRUM & Agile methodologies for data science projects
- The goal of the module is to introduce students to practical tools and methods to design and manage data science driven projects. Students will learn and apply tools coming from design theory, to be used in every DS phase, from problem understanding to results communication. The course will fill the existing gap in students’ competences, to be able to structure unstructured problems, similarly to what they will be asked in their future job positions. Each topic will teach the students a clear tool to be used from day 1 in their projects. The course will end with a series of “Design for” lessons to place the content in a specific context (i.e. I4.0, sustainability, equality).
SYLLABUS
The course has two modules: project design module and project management module.
PROJECT DESIGN MODULE:
-Soft Skills: what they are and why are they important for a DS project. The concept of not-so-soft skills
-Business Problem Identification: Types of business problems, sources for business problems identification
-Research Questions Design: Types of RQs, writing proper RQs
-Problem Setting: From questions to problems
-Problem Solving: Tools and techniques for problem solving
-Project Scoping: Define the scope of the analysis. Definition of stopping criteria
-Goal Design: How to define goals
-Measures Design: Process Indicators VS Result Indicators
-Information Retrieval: Find the right information [Query Design]
-Team Design: Find and mix the right competencies for a DS Project [Bloom's Taxonomy]
-Design for I.4.0: what is industry 4.0, the main technologies, future developments
-Design for Sustainability: how data can be used to design green products
-Design for Gender Equality: avoid gender biases in DS. The case of biased AI systems
-Design for post COVID-19 word: How COVID-19 is reshaping DS
PROJECT MANAGEMENT MODULE:
-Fundamentals: projects and processes
-Project planning and WBS
-Scheduling techniques [GANTT, PERT, CPM]
-Project costing estimation
-SCRUM & Agile methodologies for data science projects
Diritto dell'informatica (6 cfu)
- L’avvento delle tecnologie informatiche ha sollevato problemi per la regolamentazione giuridica delle attività compiute loro tramite.
Il corso si propone di analizzare queste problematiche, considerando sia le regole giuridiche specifiche per l’era digitale sia la possibilità di impiego del diritto generale.
In particolare, il corso si propone di esaminare, tra alcune grandi tematiche del diritto nell’era digitale, quelle più proprie del contesto aziendale, ossia la contrattazione telematica, il documento informatico, il trattamento dei dati personali e le responsabilità in Internet.
Syllabus
- Il commercio elettronico. Conclusione, validità, forma e prova del contratto concluso via e-mail e tramite point and click: applicabilità delle regole generali, deroghe e regole speciali. La Direttiva europea sul commercio elettronico e la sua attuazione: il d.lgs. n. 70/2003. I contratti ad oggetto informatico.
- La tutela del consumatore e il regime delle informazioni in rete: informazioni generali, commerciali e pubblicitarie non sollecitate ("spamming"). Le informazioni pubblicitarie nelle professioni regolamentate.
- La disciplina del trattamento dei dati personali (d.lgs. n. 196/2003). Il trattamento dei dati personali: nozione di trattamento, dato personale, titolare, responsabile, incaricato, interessato. L'informativa e il consenso. Il trattamento effettuato con l’ausilio degli strumenti elettronici. La sicurezza dei dati: il documento programmatico sulla sicurezza e il disciplinare tecnico. Il regime sanzionatorio civile, amministrativo e penale. Il trattamento in outsourcing dei dati personali.
- Firma digitale, firma elettronica e documento informatico: questioni di forma, validità e prova. La posta elettronica certificata. La trasmissione telematica dei documenti. I certificatori.
- I domain names. I nomi di dominio aziendali. Le regole della Registration Authority.
- Gli illeciti in Internet e la responsabilità dei providers.
- La tutela del software. Software libero e software proprietario. Il diritto di autore all’epoca di Internet.
- L’elaboratore e l’adempimento dell’obbligazione: la moneta elettronica e i mezzi di pagamento in Internet.
- L’avvento delle tecnologie informatiche ha sollevato problemi per la regolamentazione giuridica delle attività compiute loro tramite.
Il corso si propone di analizzare queste problematiche, considerando sia le regole giuridiche specifiche per l’era digitale sia la possibilità di impiego del diritto generale.
In particolare, il corso si propone di esaminare, tra alcune grandi tematiche del diritto nell’era digitale, quelle più proprie del contesto aziendale, ossia la contrattazione telematica, il documento informatico, il trattamento dei dati personali e le responsabilità in Internet.
Syllabus
- Il commercio elettronico. Conclusione, validità, forma e prova del contratto concluso via e-mail e tramite point and click: applicabilità delle regole generali, deroghe e regole speciali. La Direttiva europea sul commercio elettronico e la sua attuazione: il d.lgs. n. 70/2003. I contratti ad oggetto informatico.
- La tutela del consumatore e il regime delle informazioni in rete: informazioni generali, commerciali e pubblicitarie non sollecitate ("spamming"). Le informazioni pubblicitarie nelle professioni regolamentate.
- La disciplina del trattamento dei dati personali (d.lgs. n. 196/2003). Il trattamento dei dati personali: nozione di trattamento, dato personale, titolare, responsabile, incaricato, interessato. L'informativa e il consenso. Il trattamento effettuato con l’ausilio degli strumenti elettronici. La sicurezza dei dati: il documento programmatico sulla sicurezza e il disciplinare tecnico. Il regime sanzionatorio civile, amministrativo e penale. Il trattamento in outsourcing dei dati personali.
- Firma digitale, firma elettronica e documento informatico: questioni di forma, validità e prova. La posta elettronica certificata. La trasmissione telematica dei documenti. I certificatori.
- I domain names. I nomi di dominio aziendali. Le regole della Registration Authority.
- Gli illeciti in Internet e la responsabilità dei providers.
- La tutela del software. Software libero e software proprietario. Il diritto di autore all’epoca di Internet.
- L’elaboratore e l’adempimento dell’obbligazione: la moneta elettronica e i mezzi di pagamento in Internet.
Model-driven decision-making methods (6 cfu)
- Il corso presenta concetti di base relativi allo sviluppo di strumenti software per il supporto alle decisioni basati su tecniche di ottimizzazione matematica. L'obiettivo è di familiarizzare gli studenti con le problematiche relative all'utilizzo nella pratica di strumenti basati su principi matematici complessi, quali il recupero e la validazione dei dati necessari a definire il problema, la scrittura ed il debug di modelli matematici, l'uso consapevole dei complessi algoritmi di soluzione, e l'impatto nel processo dell'incertezza dei dati con le metodologie necessarie per affrontare il problema.
Syllabus:
- Teoria delle decisioni, processi decisionali
- Struttura dei sistemi di supporto alle decisioni
- Richiami alla teoria della Programmazione Lineare e Programmazione Lineare Intera
- Solutori di problemi di Programmazione Lineare e Programmazione Lineare Intera
- Risoluzione di istanze di problemi realistici e loro difficoltà in pratica
- Metodologie per il miglioramento della prestazioni degli agoritmi
- Il problema dell'incertezza dei dati e le metodologie di ottimizzazione
- Il corso presenta concetti di base relativi allo sviluppo di strumenti software per il supporto alle decisioni basati su tecniche di ottimizzazione matematica. L'obiettivo è di familiarizzare gli studenti con le problematiche relative all'utilizzo nella pratica di strumenti basati su principi matematici complessi, quali il recupero e la validazione dei dati necessari a definire il problema, la scrittura ed il debug di modelli matematici, l'uso consapevole dei complessi algoritmi di soluzione, e l'impatto nel processo dell'incertezza dei dati con le metodologie necessarie per affrontare il problema.
Syllabus:
- Teoria delle decisioni, processi decisionali
- Struttura dei sistemi di supporto alle decisioni
- Richiami alla teoria della Programmazione Lineare e Programmazione Lineare Intera
- Solutori di problemi di Programmazione Lineare e Programmazione Lineare Intera
- Risoluzione di istanze di problemi realistici e loro difficoltà in pratica
- Metodologie per il miglioramento della prestazioni degli agoritmi
- Il problema dell'incertezza dei dati e le metodologie di ottimizzazione
Pianificazione e controllo gestionale (9 cfu)
- Il corso si propone di approfondire le caratteristiche della
pianificazione e controllo evidenziando tanto l’evoluzione nella
dottrina che nella strumentazione operativa a supporto del
management.
Syllabus
- Il sistema di controllo.
- Il processo, i meccanismi operativi e lo stile di controllo.
- Le variabili del controllo.
- Il processo di budgeting.
- L'analisi degli scostamenti.
- I contenuti ed il processo di reporting.
- L'analisi reddituale e patrimoniale.
- La leva operativa e la leva finanziaria.
- La simulazione economico-finanziaria.
- Il processo di simulazione: le simulazioni di efficienza e di struttura.
- Gli aspetti evolutivi del budget.
- Il modello di previsione, simulazione e pianificazione SISMA.
- Casi aziendali.
- Il corso si propone di approfondire le caratteristiche della
pianificazione e controllo evidenziando tanto l’evoluzione nella
dottrina che nella strumentazione operativa a supporto del
management.
Syllabus
- Il sistema di controllo.
- Il processo, i meccanismi operativi e lo stile di controllo.
- Le variabili del controllo.
- Il processo di budgeting.
- L'analisi degli scostamenti.
- I contenuti ed il processo di reporting.
- L'analisi reddituale e patrimoniale.
- La leva operativa e la leva finanziaria.
- La simulazione economico-finanziaria.
- Il processo di simulazione: le simulazioni di efficienza e di struttura.
- Gli aspetti evolutivi del budget.
- Il modello di previsione, simulazione e pianificazione SISMA.
- Casi aziendali.
Strategic and competitive intelligence (6 cfu)
- La Strategic & Competitive Intelligence (CI) ha come obiettivo l’identificazione di opportunità e minacce, l’eliminazione o riduzione di blind-spots e la riduzione dei tempi di reazione ai cambiamenti del mercato e dei concorrenti.
Il ‘prodotto finale’ delle attività di CI è ciò che si definisce actionable intelligence, cioè prospettive di azione, usabili dal management. Il processo di CI va ben oltre l’analisi dei competitor: si tratta, infatti, di collezionare informazioni da molteplici fonti, selezionarle, incrociarle, interpretale e fornire una prospettiva, utilizzabile nei processi decisionali, ad es. ai fini di due diligence. Le informazioni riguardano prodotti, clienti, concorrenti, ecosistema di business ed ambiente in generale.
L’insegnamento introduce i fondamenti della strategic & competitive intelligence, partendo dal pensiero sistemico e critico e fornisce gli strumenti e le tecniche di analisi utilizzati in ambito professionale, che gli studenti impareranno ad applicare nei lavori di gruppo, da presentare in aula.
Sono previsti seminari su alcune tematiche specifiche.
Syllabus
Parte 1: Fondamenti per l’attività di CI
– Systems thinking per il management.
– Processo di CI.
– Sorgenti e tecniche di raccolta.
– Professionalità di CI.
Parte 2: Strumenti e metodologie di CI
– Competitive benchmarking.
– Early warnings e blindspots.
– Business ecosystems e value network analysis.
– Strumenti avanzati di analisi: scenario analysis, war gaming.
Parte 3: Strumenti di technology intelligence
– Intellectual Property e attività brevettuale.
– Analisi brevettuale e analisi bibliometrica.
– Technology foresight.
- La Strategic & Competitive Intelligence (CI) ha come obiettivo l’identificazione di opportunità e minacce, l’eliminazione o riduzione di blind-spots e la riduzione dei tempi di reazione ai cambiamenti del mercato e dei concorrenti.
Il ‘prodotto finale’ delle attività di CI è ciò che si definisce actionable intelligence, cioè prospettive di azione, usabili dal management. Il processo di CI va ben oltre l’analisi dei competitor: si tratta, infatti, di collezionare informazioni da molteplici fonti, selezionarle, incrociarle, interpretale e fornire una prospettiva, utilizzabile nei processi decisionali, ad es. ai fini di due diligence. Le informazioni riguardano prodotti, clienti, concorrenti, ecosistema di business ed ambiente in generale.
L’insegnamento introduce i fondamenti della strategic & competitive intelligence, partendo dal pensiero sistemico e critico e fornisce gli strumenti e le tecniche di analisi utilizzati in ambito professionale, che gli studenti impareranno ad applicare nei lavori di gruppo, da presentare in aula.
Sono previsti seminari su alcune tematiche specifiche.
Syllabus
Parte 1: Fondamenti per l’attività di CI
– Systems thinking per il management.
– Processo di CI.
– Sorgenti e tecniche di raccolta.
– Professionalità di CI.
Parte 2: Strumenti e metodologie di CI
– Competitive benchmarking.
– Early warnings e blindspots.
– Business ecosystems e value network analysis.
– Strumenti avanzati di analisi: scenario analysis, war gaming.
Parte 3: Strumenti di technology intelligence
– Intellectual Property e attività brevettuale.
– Analisi brevettuale e analisi bibliometrica.
– Technology foresight.
Legal issues in data science (6 cfu)
- The digital economy and the digital society harness the power of big data, computational capacity, innovation and interconnection. Every human activity is mediated by information technologies. Today’s technologies enable unprecedented exploitation of information, being it small or big data, for any thinkable purpose, but mostly in business and surveillance with the ensuing legal and ethical anxieties and constraints.
Algorithms are regularly used for mining data, offering unexplored patterns and deep non-causal analyses to those businesses able to exploit these advances. Yet, these innovations need to be properly framed in the existing legal background, fit in the existing set of guarantees of fundamental rights and freedoms, coherently policy related to reap the richness of big and open data and administration while empowering equally all players. For these aims data protection plays a significant role
The course aims at enabling students to work on algorithms and data mining techniques in ways that are compliant to the applicable legal framework and aware of the interplay between techniques and normative rules.
SYLLABUS:
- The Algorithmic Society: the Classifying Society – Background and Overview, Surveillance Society – Big Other, Networks of Control, Predicting Behavior, People Analytics, Behavioural “Nudging”, New Emerging Human Rights in the age of Behavioral Data Science and Neurotechnologies: Towards "Mental Privacy" and "Decision Integrity", Legal and ethical implication of computational capacity.
- Building Legally-Compliant Algorithms: Legal Pitfalls of Algorithms, The Problems of Personalization, Data Handling & Sharing, Deploying Algorithms for Human Rights—Complications & Challenges, Classification of Algorithms in the Information Society: Legal Implications and Business Applications, Exploitation of Public Sector Data, Competition Law in the Age of Algorithms, Transparency, accountability and traceability of algorithm based decision-making, Accountability in the Machine Learning Context, Technical and Legal Options to Enhance Transparency & Accountability, Legal Liability for Algorithm Autocomplete (ISP Liability), Open Data Governance, Data Ethics.
- General principles of privacy law: The American approach, The European approach.
- The General Data Protection Regulation: Notions and principles, GDPR global reach and compliance, Google Spain Decision, Invalidation of Data Retention Directive (US Safe Harbour Decision)/Schrems.
- Privacy in operation: Privacy-by-Design, GDPR Solutions: The Right to an Explanation, etc. Notions of Privacy in the Algorithmic Age, Privacy from the Government, Surveillance Capitalism, Governance by Proxy, Privacy from Private Entities, Privacy from Platforms, Privacy from Employers, Privacy from our Devices (IoT).
- Comparative Perspectives & Crossborder Issues: Comparative Privacy and security Regimes: GDPR vs. USA, Comparative Privacy and security Regimes: GDPR vs. China.
- The digital economy and the digital society harness the power of big data, computational capacity, innovation and interconnection. Every human activity is mediated by information technologies. Today’s technologies enable unprecedented exploitation of information, being it small or big data, for any thinkable purpose, but mostly in business and surveillance with the ensuing legal and ethical anxieties and constraints.
Algorithms are regularly used for mining data, offering unexplored patterns and deep non-causal analyses to those businesses able to exploit these advances. Yet, these innovations need to be properly framed in the existing legal background, fit in the existing set of guarantees of fundamental rights and freedoms, coherently policy related to reap the richness of big and open data and administration while empowering equally all players. For these aims data protection plays a significant role
The course aims at enabling students to work on algorithms and data mining techniques in ways that are compliant to the applicable legal framework and aware of the interplay between techniques and normative rules.
SYLLABUS:
- The Algorithmic Society: the Classifying Society – Background and Overview, Surveillance Society – Big Other, Networks of Control, Predicting Behavior, People Analytics, Behavioural “Nudging”, New Emerging Human Rights in the age of Behavioral Data Science and Neurotechnologies: Towards "Mental Privacy" and "Decision Integrity", Legal and ethical implication of computational capacity.
- Building Legally-Compliant Algorithms: Legal Pitfalls of Algorithms, The Problems of Personalization, Data Handling & Sharing, Deploying Algorithms for Human Rights—Complications & Challenges, Classification of Algorithms in the Information Society: Legal Implications and Business Applications, Exploitation of Public Sector Data, Competition Law in the Age of Algorithms, Transparency, accountability and traceability of algorithm based decision-making, Accountability in the Machine Learning Context, Technical and Legal Options to Enhance Transparency & Accountability, Legal Liability for Algorithm Autocomplete (ISP Liability), Open Data Governance, Data Ethics.
- General principles of privacy law: The American approach, The European approach.
- The General Data Protection Regulation: Notions and principles, GDPR global reach and compliance, Google Spain Decision, Invalidation of Data Retention Directive (US Safe Harbour Decision)/Schrems.
- Privacy in operation: Privacy-by-Design, GDPR Solutions: The Right to an Explanation, etc. Notions of Privacy in the Algorithmic Age, Privacy from the Government, Surveillance Capitalism, Governance by Proxy, Privacy from Private Entities, Privacy from Platforms, Privacy from Employers, Privacy from our Devices (IoT).
- Comparative Perspectives & Crossborder Issues: Comparative Privacy and security Regimes: GDPR vs. USA, Comparative Privacy and security Regimes: GDPR vs. China.
Decisioni in situazioni di complessità e conflitto (6 cfu)
- Fornire strumenti formali, di tipo sia quantitativo che qualitativo, per affrontare problemi decisionali e gestionali in sistemi complessi di tipo sociale, politico, ambientale o economico. Ci si propone di sviluppare negli studenti e studentesse che seguiranno il corso la capacità di formulare e strutturare, utilizzando un approccio sistemico, un problema, di costruirne dei modelli, di analizzare e valutare le possibili soluzioni alternative, e di gestire le attività necessarie alla messa in atto delle decisioni prese.
Syllabus
1. Problemi e loro strutturazione
- Processi decisionali.
- Analisi dei sistemi e pensiero sistemico.
- Analisi dinamica dei sistemi.
- Cicli causali, variabili di flusso e di livello .
2. La Dinamica dei Sistemi
- Il linguaggio della dinamica dei sistemi.
- Livelli, flussi e ritardi.
- Esempi (sostenibilità ambientale, processi di azione-reazione, un modello di “guerra dei prezzi”, ...).
3. Cooperazione, competizione e sfruttamento
- Un modello di produzione ed allocazione di risorse.
- Cenni di teoria dei giochi, equilibrio di Nash.
- Il dilemma del prigioniero e le sue applicazioni.
- La tragedia dei Commons.
4. “Social Choice” e votazioni
- Ordinamenti e preferenze.
- Metodi di Condorcet e di Borda e loro varianti.
- Il teorema di impossibilità di Arrow e sue conseguenze.
- Il metodo del consenso.
5. Sistemi elettorali
- Distribuzione dei seggi fra liste e distretti (metodi dei resti, metodi del divisore, …).
- Definizione dei distretti elettorali.
- Alcuni paradossi.
- Analisi di alcuni sistemi elettorali.
6. Valutazione di progetti
- Analisi costi benefici: varianti e limiti.
- Analisi costi efficacia.
- Analisi multicriteria.
- Metodi ELECTRE.
7. Indici e misure
- Qualità, incertezza e soggettività nelle misure.
- Indici di sviluppo.
- Indici di disuguaglianza.
- Indice dello sviluppo umano.
- Fornire strumenti formali, di tipo sia quantitativo che qualitativo, per affrontare problemi decisionali e gestionali in sistemi complessi di tipo sociale, politico, ambientale o economico. Ci si propone di sviluppare negli studenti e studentesse che seguiranno il corso la capacità di formulare e strutturare, utilizzando un approccio sistemico, un problema, di costruirne dei modelli, di analizzare e valutare le possibili soluzioni alternative, e di gestire le attività necessarie alla messa in atto delle decisioni prese.
Syllabus
1. Problemi e loro strutturazione
- Processi decisionali.
- Analisi dei sistemi e pensiero sistemico.
- Analisi dinamica dei sistemi.
- Cicli causali, variabili di flusso e di livello .
2. La Dinamica dei Sistemi
- Il linguaggio della dinamica dei sistemi.
- Livelli, flussi e ritardi.
- Esempi (sostenibilità ambientale, processi di azione-reazione, un modello di “guerra dei prezzi”, ...).
3. Cooperazione, competizione e sfruttamento
- Un modello di produzione ed allocazione di risorse.
- Cenni di teoria dei giochi, equilibrio di Nash.
- Il dilemma del prigioniero e le sue applicazioni.
- La tragedia dei Commons.
4. “Social Choice” e votazioni
- Ordinamenti e preferenze.
- Metodi di Condorcet e di Borda e loro varianti.
- Il teorema di impossibilità di Arrow e sue conseguenze.
- Il metodo del consenso.
5. Sistemi elettorali
- Distribuzione dei seggi fra liste e distretti (metodi dei resti, metodi del divisore, …).
- Definizione dei distretti elettorali.
- Alcuni paradossi.
- Analisi di alcuni sistemi elettorali.
6. Valutazione di progetti
- Analisi costi benefici: varianti e limiti.
- Analisi costi efficacia.
- Analisi multicriteria.
- Metodi ELECTRE.
7. Indici e misure
- Qualità, incertezza e soggettività nelle misure.
- Indici di sviluppo.
- Indici di disuguaglianza.
- Indice dello sviluppo umano.
Programming for data science (12 cfu)
- Introduzione alla programmazione e al necessario background logico-matematico on esercitazioni in laboratorio per studenti con una laurea triennale non informatica o di ingegneria informatica.
L'obiettivo è di introdurre gli studenti ai concetti ed agli strumenti di programmazione utili per attività tipiche nella gestione e nell'analisi dei dati.
Syllabus
- Insiemi, relazioni, funzioni, combinatorica, grammatiche, automi.
- Logica proposizionale e del primo ordine.
- Induzione e relazioni di ricorrenza.
- Programmazione imperativa.
- Programmazione orientata agli oggetti.
- Strumenti e ambienti di sviluppo software.
- Introduzione alla programmazione e al necessario background logico-matematico on esercitazioni in laboratorio per studenti con una laurea triennale non informatica o di ingegneria informatica.
L'obiettivo è di introdurre gli studenti ai concetti ed agli strumenti di programmazione utili per attività tipiche nella gestione e nell'analisi dei dati.
Syllabus
- Insiemi, relazioni, funzioni, combinatorica, grammatiche, automi.
- Logica proposizionale e del primo ordine.
- Induzione e relazioni di ricorrenza.
- Programmazione imperativa.
- Programmazione orientata agli oggetti.
- Strumenti e ambienti di sviluppo software.
Economia e gestione delle imprese (9 cfu)
- Il corso fornisce gli elementi analitici di base per comprendere il comportamento d’impresa. Tratta le principali tematiche economico-manageriali, le logiche di base e gli strumenti relativi alla gestione strategica delle imprese e all’analisi dell’ambiente competitivo. Gli obiettivi formativi sono:
- Conoscere le principali teorie che spiegano i fattori che influenzano la redditività di impresa.
- Acquisire una conoscenza introduttiva delle dinamiche di organizzazione della produzione industriale, e di come essa sia cambiata nel tempo.
- Acquisire conoscenze di base degli strumenti di marketing che le imprese hanno a disposizione per aumentare la propria competitività.
- Sviluppare o rafforzare la capacità critica e di pensiero individuale. Il corso intende infatti evitare l’apprendimento passivo e a-critico dei temi oggetto di studio.
Syllabus
Parte I (L’analisi di settore e del sistema competitivo)
- L’analisi di settore.
- L’analisi dei concorrenti.
- I gruppi strategici.
- Le risorse e le competenze nella formulazione strategica.
- L’analisi del vantaggio competitivo (il vantaggio di costo e di differenziazione).
Parte II (L’analisi dell’impresa e delle sue funzioni
Un focus su produzione e marketing):
- Produzione.
- Strategia innovativa e flessibilità dell’impresa.
- Il modello di flessibilità dei sistemi tecnico-produttivi.
- Marketing.
- Il processo di marketing management.
- La segmentazione del mercato.
- Il marketing mix (prodotto, promozione, distribuzione e prezzo).
- Il corso fornisce gli elementi analitici di base per comprendere il comportamento d’impresa. Tratta le principali tematiche economico-manageriali, le logiche di base e gli strumenti relativi alla gestione strategica delle imprese e all’analisi dell’ambiente competitivo. Gli obiettivi formativi sono:
- Conoscere le principali teorie che spiegano i fattori che influenzano la redditività di impresa.
- Acquisire una conoscenza introduttiva delle dinamiche di organizzazione della produzione industriale, e di come essa sia cambiata nel tempo.
- Acquisire conoscenze di base degli strumenti di marketing che le imprese hanno a disposizione per aumentare la propria competitività.
- Sviluppare o rafforzare la capacità critica e di pensiero individuale. Il corso intende infatti evitare l’apprendimento passivo e a-critico dei temi oggetto di studio.
Syllabus
Parte I (L’analisi di settore e del sistema competitivo)
- L’analisi di settore.
- L’analisi dei concorrenti.
- I gruppi strategici.
- Le risorse e le competenze nella formulazione strategica.
- L’analisi del vantaggio competitivo (il vantaggio di costo e di differenziazione).
Parte II (L’analisi dell’impresa e delle sue funzioni
Un focus su produzione e marketing):
- Produzione.
- Strategia innovativa e flessibilità dell’impresa.
- Il modello di flessibilità dei sistemi tecnico-produttivi.
- Marketing.
- Il processo di marketing management.
- La segmentazione del mercato.
- Il marketing mix (prodotto, promozione, distribuzione e prezzo).
Ingegneria del software (6 cfu)
- Fornire le metodologie e strumenti per la progettazione, realizzazione, verifica, validazione e misurazione di sistemi software.
Syllabus
- Processo di sviluppo software: problemi della produzione del software, modelli di ciclo di vita.
- Analisi del dominio: modelli statici (classi e associazioni) e dinamici (attività, macchine a stati).
- Analisi dei requisiti: modello statico (casi d’uso) e dinamici (narrative, diagrammi di robustezza).
- Progettazione architettonica: modelli statici (viste strutturali e logistiche) e dinamici (vista componenti/connettori).
- Progettazione di dettaglio: modello statico delle componenti (strutture composite) e modello dinamico (interazioni).
- Verifiche e prove: obiettivi e pianificazione delle verifiche, progettazione e valutazione delle prove.
- Fornire le metodologie e strumenti per la progettazione, realizzazione, verifica, validazione e misurazione di sistemi software.
Syllabus
- Processo di sviluppo software: problemi della produzione del software, modelli di ciclo di vita.
- Analisi del dominio: modelli statici (classi e associazioni) e dinamici (attività, macchine a stati).
- Analisi dei requisiti: modello statico (casi d’uso) e dinamici (narrative, diagrammi di robustezza).
- Progettazione architettonica: modelli statici (viste strutturali e logistiche) e dinamici (vista componenti/connettori).
- Progettazione di dettaglio: modello statico delle componenti (strutture composite) e modello dinamico (interazioni).
- Verifiche e prove: obiettivi e pianificazione delle verifiche, progettazione e valutazione delle prove.
Analisi e gestione dei costi (9 cfu)
- Il corso ha lo scopo di approfondire alcuni aspetti della determinazione dei costi e di trattare le principali logiche e tecniche per la gestione dei costi a supporto delle decisioni.
Syllabus
- L’analisi e la gestione dei costi e il processo decisionale.
- Approfondimenti sull’Activity-Based Costing.
- L’Activity-Based Management.
- La gestione della profittabilità del cliente.
- I costi ambientali.
- I costi della qualità.
- Il target costing.
- Il corso ha lo scopo di approfondire alcuni aspetti della determinazione dei costi e di trattare le principali logiche e tecniche per la gestione dei costi a supporto delle decisioni.
Syllabus
- L’analisi e la gestione dei costi e il processo decisionale.
- Approfondimenti sull’Activity-Based Costing.
- L’Activity-Based Management.
- La gestione della profittabilità del cliente.
- I costi ambientali.
- I costi della qualità.
- Il target costing.
Logistics (6 cfu)
- Il corso presenta la struttura ed il funzionamento dei sistemi logistici, analizzando importanti problemi decisionali che scaturiscono nel medio/lungo periodo (decisioni di tipo tattico/strategico). Dopo un'introduzione alle caratteristiche principali dei sistemi logistici, con enfasi sulla logistica distributiva, verranno illustrati modelli di ottimizzazione e, per taluni problemi, metodi risolutivi in grado di costituire un valido strumento di supporto alle decisioni per le tipologie di problemi considerati. Alcuni rilevanti modelli e metodi verranno quindi esemplificati con l'ausilio di un adeguato tool software, presentando Case Studies significativi nel contesto logistico.
Syllabus
- Introduzione alla catena logistica
- Modelli e metodi per problemi di localizzazione
- Modelli e metodi per problemi di trasporto
- Modelli e metodi per il progetto e la gestione di centri di distribuzione
- Modelli e metodi per la gestione delle scorte
- Il corso presenta la struttura ed il funzionamento dei sistemi logistici, analizzando importanti problemi decisionali che scaturiscono nel medio/lungo periodo (decisioni di tipo tattico/strategico). Dopo un'introduzione alle caratteristiche principali dei sistemi logistici, con enfasi sulla logistica distributiva, verranno illustrati modelli di ottimizzazione e, per taluni problemi, metodi risolutivi in grado di costituire un valido strumento di supporto alle decisioni per le tipologie di problemi considerati. Alcuni rilevanti modelli e metodi verranno quindi esemplificati con l'ausilio di un adeguato tool software, presentando Case Studies significativi nel contesto logistico.
Syllabus
- Introduzione alla catena logistica
- Modelli e metodi per problemi di localizzazione
- Modelli e metodi per problemi di trasporto
- Modelli e metodi per il progetto e la gestione di centri di distribuzione
- Modelli e metodi per la gestione delle scorte
Economia aziendale II (9 cfu)
- L’obiettivo formativo è quello di favorire l’acquisizione di conoscenze di base mirate alla costruzione ed all’interpretazione del bilancio di esercizio, nonché al controllo della gestione aziendale.
Syllabus
- Bilancio di esercizio: ruolo e finalità, normativa civilistica, schemi di redazione, criteri di valutazione, informazioni integrative diffuse agli stakeholder.
- Dinamiche dei processi di pianificazione e controllo.
- Ruolo, le finalità e le caratteristiche essenziali dei principali strumenti di programmazione e controllo della gestione aziendale, come il budget, i costi, l’analisi delle performance.
- L’obiettivo formativo è quello di favorire l’acquisizione di conoscenze di base mirate alla costruzione ed all’interpretazione del bilancio di esercizio, nonché al controllo della gestione aziendale.
Syllabus
- Bilancio di esercizio: ruolo e finalità, normativa civilistica, schemi di redazione, criteri di valutazione, informazioni integrative diffuse agli stakeholder.
- Dinamiche dei processi di pianificazione e controllo.
- Ruolo, le finalità e le caratteristiche essenziali dei principali strumenti di programmazione e controllo della gestione aziendale, come il budget, i costi, l’analisi delle performance.
Organizzazione aziendale (9 cfu)
- Lo scopo di questo corso è quello di fornire una spiegazione realistica di come funziona una moderna organizzazione.
L'obiettivo formativo è quello di sviluppare un pensiero critico, un atteggiamento interrogativo e una capacità analitica riguardo ai problemi organizzativi.
Syllabus
- Strategia e risposte all'incertezza ambientale.
- Variabili strutturali per la progettazione organizzativa in differenti contesti empirici.
- Relazioni interorganizzative.
- Impatto della tecnologia sull'organizzazione.
- Ciclo di vita di una organizzazione.
- Meccanismi di controllo organizzativo.
- Cultura ed etica organizzativa.
- Lo scopo di questo corso è quello di fornire una spiegazione realistica di come funziona una moderna organizzazione.
L'obiettivo formativo è quello di sviluppare un pensiero critico, un atteggiamento interrogativo e una capacità analitica riguardo ai problemi organizzativi.
Syllabus
- Strategia e risposte all'incertezza ambientale.
- Variabili strutturali per la progettazione organizzativa in differenti contesti empirici.
- Relazioni interorganizzative.
- Impatto della tecnologia sull'organizzazione.
- Ciclo di vita di una organizzazione.
- Meccanismi di controllo organizzativo.
- Cultura ed etica organizzativa.
Decision support systems (12 cfu)
- Il corso introduce approcci metodologici e tecnologici per la progettazione e l’implementazione di sistemi di supporto alle decisioni basati sulla business intelligence (datawarehousing, data mining, data science), Il primo modulo copre temi quali la progettazione concettuale e logica di datawarehouse, l’analisi dei dati usando l’SQL analitico, gli algoritmi per ottimizzare le query SQL (selezione di viste materializzate, indici, ottimizzazione delle star query, metodi di riscrittura, ecc.). Il secondo modulo presenta tecnologie e sistemi per l’accesso ai dati, per il pre-processing, per la costruzione ed analisi di data warehouse, per la reportistica e per l’estrazione di conoscenza da basi di dati. L’accento è sull’uso di strumenti e sull’analisi di problemi applicativi utilizzando esempi e casi studio.
Syllabus
Modulo I: Decision support databases
- Sistemi informativi e informatici nelle organizzazioni.
- I sistemi informatici direzionali basati su data warehouse.
- Modelli dei dati per data warehouse e metodi di analisi multidimensionale.
- Progettazione concettuale e logica di data warehouse.
- Algoritmi per la scelta delle viste da materializzare.
- La tecnologia dei sistemi per data warehouse: tipi di indici, ottimizzazione delle interrogazioni, progettazione fisica, riscrittura delle interrogazioni per l'uso di viste materializzate.
- Studio di casi.
Modulo II: Laboratory of Data Science
- Introduzione: strumenti per la Business Intelligence.
- Accesso ai dati. Localizzazione, Formato e API per l’accesso ai dati su file di testo.
- Standard di accesso a database relazionali.
- Extract Transform and Load. Strumenti per ETL. Casi di studio.
- Data warehousing e OLAP. Strumenti per modellazione multidimensionale. Casi di studio.
- Strumenti per reportistica e navigazione multidimensionale. Casi di studio.
- Data mining. Strumenti per estrazione di conoscenza. Casi di studio.
- Il corso introduce approcci metodologici e tecnologici per la progettazione e l’implementazione di sistemi di supporto alle decisioni basati sulla business intelligence (datawarehousing, data mining, data science), Il primo modulo copre temi quali la progettazione concettuale e logica di datawarehouse, l’analisi dei dati usando l’SQL analitico, gli algoritmi per ottimizzare le query SQL (selezione di viste materializzate, indici, ottimizzazione delle star query, metodi di riscrittura, ecc.). Il secondo modulo presenta tecnologie e sistemi per l’accesso ai dati, per il pre-processing, per la costruzione ed analisi di data warehouse, per la reportistica e per l’estrazione di conoscenza da basi di dati. L’accento è sull’uso di strumenti e sull’analisi di problemi applicativi utilizzando esempi e casi studio.
Thesis (27 cfu)
Free choice (9 cfu)
- Esame a libera scelta da sottoporre all'approvazione del Consiglio di Corso di Studio. Un insieme di possibili scelte viene consigliato periodicamente dal Consiglio di Corso di Studio.
- Esame a libera scelta da sottoporre all'approvazione del Consiglio di Corso di Studio. Un insieme di possibili scelte viene consigliato periodicamente dal Consiglio di Corso di Studio.
18 cfu a scelta nel gruppo GR1
- Informatica
Geospatial Analytics (6 cfu)
- L'analisi delle informazioni geografiche, come quelle che descrivono i movimenti umani, è cruciale in diversi aspetti della nostra società, come la diffusione delle epidemie (come il COVID-19), la pianificazione urbana, il benessere, e la sostenibilità ambientale. Questo corso insegnerà i concetti e le tecniche fondamentali dell'analisi dei dati geografici e di mobilità, discutendo le fonti di dati principali (ad esempio, record di telefoni cellulari, tracce GPS, post georeferenziati da social media), le tecniche di pre-elaborazione dei dati, gli algoritmi di intelligenza artificiale per la previsione della mobilità e la generazione di mobilità realistica, e applicazioni del mondo reale (ad es. diffusione di epidemie, previsione dati socio-demografici, previsione dei collegamenti nei social network). Il corso fornirà anche una prospettiva pratica attraverso l'uso di librerie Python avanzate.
Syllabus
- Sistemi di riferimento spaziale
- Formati di dati
- Traiettorie e Flussi
- Tassellazioni spaziali
- Strumenti open-source per l’analisi geospaziale
- Dati spaziali e di mobilità
- Preprocessing di dati di mobilità
- Problemi legati alla privacy dei dati di mobilità
- leggi di mobilità individuale e collettiva
- Previsione di locazioni e flussi
- Generazione di traiettorie e flussi
- Applicazioni
- L'analisi delle informazioni geografiche, come quelle che descrivono i movimenti umani, è cruciale in diversi aspetti della nostra società, come la diffusione delle epidemie (come il COVID-19), la pianificazione urbana, il benessere, e la sostenibilità ambientale. Questo corso insegnerà i concetti e le tecniche fondamentali dell'analisi dei dati geografici e di mobilità, discutendo le fonti di dati principali (ad esempio, record di telefoni cellulari, tracce GPS, post georeferenziati da social media), le tecniche di pre-elaborazione dei dati, gli algoritmi di intelligenza artificiale per la previsione della mobilità e la generazione di mobilità realistica, e applicazioni del mondo reale (ad es. diffusione di epidemie, previsione dati socio-demografici, previsione dei collegamenti nei social network). Il corso fornirà anche una prospettiva pratica attraverso l'uso di librerie Python avanzate.
Syllabus
- Sistemi di riferimento spaziale
- Formati di dati
- Traiettorie e Flussi
- Tassellazioni spaziali
- Strumenti open-source per l’analisi geospaziale
- Dati spaziali e di mobilità
- Preprocessing di dati di mobilità
- Problemi legati alla privacy dei dati di mobilità
- leggi di mobilità individuale e collettiva
- Previsione di locazioni e flussi
- Generazione di traiettorie e flussi
- Applicazioni
Technologies for web marketing (6 cfu)
- La web analytics consiste nella collezione, misura, analisi e reportistica di dati di accesso a servizi internet (web, mobile, social media, email) per comprenderne l’uso da parte degli utenti allo scopo di ottimizzare il servizio offerto. Il corso presenta metodi, algoritmi, strategie e tool per la web analytics, con applicazioni alla personalizzazione per il miglioramento dell’esperienza dell’utente, al web marketing e alla pubblicità online per il miglioramento della visibilità, alla search engine optimization per migliorare il posizionamento nei risultati dei motori di ricerca, ed alla analisi dei social media per il miglioramento della raggiungibilità degli utenti e per la comprensione delle loro opinioni. Il corso assume nozioni di base di data mining e di data warehousing.
Syllabus
- Web analytics, collezione e trasformazione di clickstream, metriche web.
- Il web mobile.
- Tool: Google analytics.
- Personalizzazione web e segmentazione degli utenti.
- Sistemi di raccomandazione: collaborative filtering, content-based, ibridi.
- Esperimenti controllati sul web.
- Search engine optimization e marketing.
- Analisi dei social media.
- Analisi dell’influenza sui social media e applicazioni al marketing.
- Analisi real-time.
- Privacy, profilazione e legislazione.
- La web analytics consiste nella collezione, misura, analisi e reportistica di dati di accesso a servizi internet (web, mobile, social media, email) per comprenderne l’uso da parte degli utenti allo scopo di ottimizzare il servizio offerto. Il corso presenta metodi, algoritmi, strategie e tool per la web analytics, con applicazioni alla personalizzazione per il miglioramento dell’esperienza dell’utente, al web marketing e alla pubblicità online per il miglioramento della visibilità, alla search engine optimization per migliorare il posizionamento nei risultati dei motori di ricerca, ed alla analisi dei social media per il miglioramento della raggiungibilità degli utenti e per la comprensione delle loro opinioni. Il corso assume nozioni di base di data mining e di data warehousing.
Syllabus
- Web analytics, collezione e trasformazione di clickstream, metriche web.
- Il web mobile.
- Tool: Google analytics.
- Personalizzazione web e segmentazione degli utenti.
- Sistemi di raccomandazione: collaborative filtering, content-based, ibridi.
- Esperimenti controllati sul web.
- Search engine optimization e marketing.
- Analisi dei social media.
- Analisi dell’influenza sui social media e applicazioni al marketing.
- Analisi real-time.
- Privacy, profilazione e legislazione.
Text analytics (6 cfu)
- Il corso affronta i sistemi e le applicazioni di analitica dei testi che permettono di rispondere a problemi aziendali e sociali per mezzo della scoperta e rappresentazione di conoscenza che sarebbe altrimenti inaccessibile. Lo studente apprenderà a riconoscere le condizioni in cui le tecniche di analisi dei testi forniscono informazione utile ai processi decisionali, quali tecniche siano appropriate al caso in esame, e come collezionare i dati utili ad applicare tali tecniche. Saranno presentati numerosi casi studio su tematiche di estrazione dell’informazione, analisi delle opinioni, rilevazione di contenuti fasulli, problemi di quantificazione, sommarizzazione, ecc.
Syllabus
- Fondamenti disciplinari: Natural Language Processing, Information Retrieval e Machine Learning.
- Richiami matematici: Probabilità, Statistica e Algebra.
- Elementi di Linguistica: words, lemmas, morphology, PoS, syntax.
- Fondamenti di laborazione dei testi: espressioni regolari, tokenizzazione.
- Raccolta dei dati: twitter API, scraping.
- Modellazione: collocations, language models.
- Librerie e strumenti software: NLTK, Keras.
- Applicazioni: Classification/Clustering, Sentiment Analysis/Opinion Mining, Information Extraction/Relation Extraction, Entity Linking, Spam Detection: mail spam & phishing, blog spam, review spam.
- Il corso affronta i sistemi e le applicazioni di analitica dei testi che permettono di rispondere a problemi aziendali e sociali per mezzo della scoperta e rappresentazione di conoscenza che sarebbe altrimenti inaccessibile. Lo studente apprenderà a riconoscere le condizioni in cui le tecniche di analisi dei testi forniscono informazione utile ai processi decisionali, quali tecniche siano appropriate al caso in esame, e come collezionare i dati utili ad applicare tali tecniche. Saranno presentati numerosi casi studio su tematiche di estrazione dell’informazione, analisi delle opinioni, rilevazione di contenuti fasulli, problemi di quantificazione, sommarizzazione, ecc.
Syllabus
- Fondamenti disciplinari: Natural Language Processing, Information Retrieval e Machine Learning.
- Richiami matematici: Probabilità, Statistica e Algebra.
- Elementi di Linguistica: words, lemmas, morphology, PoS, syntax.
- Fondamenti di laborazione dei testi: espressioni regolari, tokenizzazione.
- Raccolta dei dati: twitter API, scraping.
- Modellazione: collocations, language models.
- Librerie e strumenti software: NLTK, Keras.
- Applicazioni: Classification/Clustering, Sentiment Analysis/Opinion Mining, Information Extraction/Relation Extraction, Entity Linking, Spam Detection: mail spam & phishing, blog spam, review spam.
Advanced databases (9 cfu)
- Il corso presenta
aspetti tecnici avanzati sull'architettura e sull'ottimizzazione
delle performance computazionali di sistemi di gestione
di basi di dati classici (relazionali, centralizzate) ed innovativi
(colonnari, per documenti, per chiavi-valore, per grafi).
Syllabus
- Struttura dei sistemi relazionali per la gestione di basi di dati.
- Ottimizzazioni in sistemi di datawarehousing e on-line analytical processing.
- Extract-Transform-Load e query/reporting in sistemi OLAP.
- Oltre SQL: paradigma NoSQL per la gestione dei big data.
- Gestione dei dati distribuita e paradigma Map-Reduce.
- Il corso presenta
aspetti tecnici avanzati sull'architettura e sull'ottimizzazione
delle performance computazionali di sistemi di gestione
di basi di dati classici (relazionali, centralizzate) ed innovativi
(colonnari, per documenti, per chiavi-valore, per grafi).
Syllabus
- Struttura dei sistemi relazionali per la gestione di basi di dati.
- Ottimizzazioni in sistemi di datawarehousing e on-line analytical processing.
- Extract-Transform-Load e query/reporting in sistemi OLAP.
- Oltre SQL: paradigma NoSQL per la gestione dei big data.
- Gestione dei dati distribuita e paradigma Map-Reduce.
Visual analytics (6 cfu)
- La disponibilità di grandi risorse di dati offre nuove opportunità per la comprensione di modelli e comportamenti della società moderna. L'informazione proveniente da queste sorgenti necessita di metodi di visualizzazione efficaci per estrarre senso dai dati e facilitare l'interpretazione di fenomeni molto complessi.
Lo scopo del corso è quello di presentare metodi di base e tecniche di visualizzazione per la presentazione efficace di informazione preveniente da diverse sorgenti: dati strutturati (relazionali, gerarchie, alberi), dati relazionali (social network), dati temporali, dati spaziali e dati spazio-temporali. Attraverso lo studio di metodi e strumenti esistenti, verranno presentati alcuni scenari di analitica visuale.
Syllabus
-Metafore di visualizzazione di informazione
* Gerarchica e strutturale
* Relazionale
* Temporale
* Spaziale
* Spazio temporale
* Informazione non strutturata (testo)
- Metodi e strumenti
* Panoramica sugli ambienti e le librerie di visualizzazione esistenti
- Processi di Visual Analytics
* Definizione di un processo di knowledge discovery
* Ambienti integrati per la Visual Analytics
* Analisi visuale esplorativa di dati e modelli
* Esempi e casi di studio
- La disponibilità di grandi risorse di dati offre nuove opportunità per la comprensione di modelli e comportamenti della società moderna. L'informazione proveniente da queste sorgenti necessita di metodi di visualizzazione efficaci per estrarre senso dai dati e facilitare l'interpretazione di fenomeni molto complessi.
Lo scopo del corso è quello di presentare metodi di base e tecniche di visualizzazione per la presentazione efficace di informazione preveniente da diverse sorgenti: dati strutturati (relazionali, gerarchie, alberi), dati relazionali (social network), dati temporali, dati spaziali e dati spazio-temporali. Attraverso lo studio di metodi e strumenti esistenti, verranno presentati alcuni scenari di analitica visuale.
Syllabus
-Metafore di visualizzazione di informazione
* Gerarchica e strutturale
* Relazionale
* Temporale
* Spaziale
* Spazio temporale
* Informazione non strutturata (testo)
- Metodi e strumenti
* Panoramica sugli ambienti e le librerie di visualizzazione esistenti
- Processi di Visual Analytics
* Definizione di un processo di knowledge discovery
* Ambienti integrati per la Visual Analytics
* Analisi visuale esplorativa di dati e modelli
* Esempi e casi di studio
Programmatic advertising (6 cfu)
- Il corso fornisce agli studenti un quadro concettuale e un repertorio di strumenti per l’ottimizzazione di campagne pubblicitarie online (su siti, app, giochi). Al termine del corso lo studente dovrebbe essere in grado di progettare e possibilmente implementare in modo sistemi realistici per l’ottimizzazione della performance di una campagna, in termini economici e di marketing. La preparazione matematica richiesta è limitata ai fondamenti del calcolo differenziale e della teoria della probabilità. Il trattamento è quantitativo e i concetti sono espressi in formule e algoritmi. Tuttavia l’enfasi è sulla comprensione intuitiva e sul significato in termini di business piuttosto che sul rigore formale.
Syllabus
- L’ecosistema della pubblicità online. Inserzionisti, editori, intermediari, fornitori di tecnologie, fornitori di dati. Tendenze e Programmatic Advertising.
- Gestione delle campagne pubblicitarie online: progettazione, targeting, creazione, monitoraggio, ottimizzazione e reporting.
- Dati sui visitatori e i loro comportamenti. Segmentazione classica, micro-segmentazione, relazioni uno a uno. Piattaforma tecnologiche per la gestione dei dati.
- Il problema dell’editore. Concetti base di micro-economia e teoria delle decisioni: utilità attesa, utilità marginale, politiche di prezzo, valore dell’informazione, rischio e incertezza, costo opportunità, equilibrio e ottimalità.
- Il problema dell’inserzionista. Segmentazione del mercato, profilazione del cliente. Il gioco inserzionista-editore.
- Prevedere il comportamento dei visitatori e delle campagne. Metodi classici: regressione lineare, regressione logistica, analisi delle serie temporali. Metodi di fattorizzazione. Metodi markoviani.
- Apprendimento e ottimizzazione. Affrontare l’incertezza. Il dilemma Exp-Exp. Multi-armed bandits. Reinforcement learning.
- Il corso fornisce agli studenti un quadro concettuale e un repertorio di strumenti per l’ottimizzazione di campagne pubblicitarie online (su siti, app, giochi). Al termine del corso lo studente dovrebbe essere in grado di progettare e possibilmente implementare in modo sistemi realistici per l’ottimizzazione della performance di una campagna, in termini economici e di marketing. La preparazione matematica richiesta è limitata ai fondamenti del calcolo differenziale e della teoria della probabilità. Il trattamento è quantitativo e i concetti sono espressi in formule e algoritmi. Tuttavia l’enfasi è sulla comprensione intuitiva e sul significato in termini di business piuttosto che sul rigore formale.
Syllabus
- L’ecosistema della pubblicità online. Inserzionisti, editori, intermediari, fornitori di tecnologie, fornitori di dati. Tendenze e Programmatic Advertising.
- Gestione delle campagne pubblicitarie online: progettazione, targeting, creazione, monitoraggio, ottimizzazione e reporting.
- Dati sui visitatori e i loro comportamenti. Segmentazione classica, micro-segmentazione, relazioni uno a uno. Piattaforma tecnologiche per la gestione dei dati.
- Il problema dell’editore. Concetti base di micro-economia e teoria delle decisioni: utilità attesa, utilità marginale, politiche di prezzo, valore dell’informazione, rischio e incertezza, costo opportunità, equilibrio e ottimalità.
- Il problema dell’inserzionista. Segmentazione del mercato, profilazione del cliente. Il gioco inserzionista-editore.
- Prevedere il comportamento dei visitatori e delle campagne. Metodi classici: regressione lineare, regressione logistica, analisi delle serie temporali. Metodi di fattorizzazione. Metodi markoviani.
- Apprendimento e ottimizzazione. Affrontare l’incertezza. Il dilemma Exp-Exp. Multi-armed bandits. Reinforcement learning.
Distributed Data Analysis and Mining (6 cfu)
- Il Data Mining sui Big data è oggi un’area di ricerca molto attiva. L'applicazione delle attuali metodologie analitiche e strumenti software su un singolo personal computer non può gestire in modo efficiente dataset di grandi dimensioni. Le piattaforme di calcolo distribuito sono una soluzione scalabile per il big data mining, attraverso la scomposizione del problema in operazioni più piccole che possono essere eseguite parallelamente su singoli processori / macchine. Il corso propone l’insegnamento di concetti base del paradigma di calcolo distribuito tramite MapReduce dal punto di vista teorico e pratico, in particolare ci si focalizzerà su Hadoop per lo sviluppo di competenze nell'uso di strumenti di calcolo ad alte prestazioni per il data engineering, l’analisi di dati e l’utilizzo di tecniche di data mining. Gli studenti impareranno come i classici algoritmi di data mining possono essere applicati sui Big Data usando Hadoop (Spark). Set di dati reali (e open source) verranno utilizzati per presentare esempi e per consentire agli studenti di costruire i propri progetti. Una metà delle lezioni consisterà in esercitazioni (laboratorio) e una metà delle lezioni sarà teorica.
Syllabus:
-Motivazione: Cosa e Perché il Data Mining Distribuito è necessario per i Big Data
-Richiamo dei concetti base del calcolo parallelo e distribuito
-Introduzione ad Hadoop
-Hadoop Ecosystem
-Interagire con HDFS (LAB)
-Pattern di programmazione Map-Reduce
-Concetti base di Spark
-Richiamo di programmazione Python (LAB)
-Data Analysis con Spark (LAB)
-Data Mining e Machine Learning con Spark (LAB)
-Esempi su come si costruisce un progetto
-Casi di studio reali
- Il Data Mining sui Big data è oggi un’area di ricerca molto attiva. L'applicazione delle attuali metodologie analitiche e strumenti software su un singolo personal computer non può gestire in modo efficiente dataset di grandi dimensioni. Le piattaforme di calcolo distribuito sono una soluzione scalabile per il big data mining, attraverso la scomposizione del problema in operazioni più piccole che possono essere eseguite parallelamente su singoli processori / macchine. Il corso propone l’insegnamento di concetti base del paradigma di calcolo distribuito tramite MapReduce dal punto di vista teorico e pratico, in particolare ci si focalizzerà su Hadoop per lo sviluppo di competenze nell'uso di strumenti di calcolo ad alte prestazioni per il data engineering, l’analisi di dati e l’utilizzo di tecniche di data mining. Gli studenti impareranno come i classici algoritmi di data mining possono essere applicati sui Big Data usando Hadoop (Spark). Set di dati reali (e open source) verranno utilizzati per presentare esempi e per consentire agli studenti di costruire i propri progetti. Una metà delle lezioni consisterà in esercitazioni (laboratorio) e una metà delle lezioni sarà teorica.
Syllabus:
-Motivazione: Cosa e Perché il Data Mining Distribuito è necessario per i Big Data
-Richiamo dei concetti base del calcolo parallelo e distribuito
-Introduzione ad Hadoop
-Hadoop Ecosystem
-Interagire con HDFS (LAB)
-Pattern di programmazione Map-Reduce
-Concetti base di Spark
-Richiamo di programmazione Python (LAB)
-Data Analysis con Spark (LAB)
-Data Mining e Machine Learning con Spark (LAB)
-Esempi su come si costruisce un progetto
-Casi di studio reali
Algorithms and Data Structures for Data Science (9 cfu)
- The course introduces basic data structures and algorithmic techniques that allow students to solve computational problems on the most important data types, such as sequences, sets, trees, and graphs.
The lectures will be complemented by an intensive activity in laboratory.
Students will experiment with algorithms and data structures by writing their own implementations or by using third-party libraries.
The goal of the class is to enable students to design and implement efficient algorithms, choosing the most appropriate solutions in their future projects.
- The course introduces basic data structures and algorithmic techniques that allow students to solve computational problems on the most important data types, such as sequences, sets, trees, and graphs.
The lectures will be complemented by an intensive activity in laboratory.
Students will experiment with algorithms and data structures by writing their own implementations or by using third-party libraries.
The goal of the class is to enable students to design and implement efficient algorithms, choosing the most appropriate solutions in their future projects.
Information retrieval (6 cfu)
- In this course we will study, design and analyze (theoretically and experimentally) software tools for IR-applications dealing with unstructured (raw data), structured (DB-centric) or semi-structured data (i.e. HTML, XML). We will mainly concentrate on the basic components of a modern Web search engine, by examining in detail the algorithmic solutions currently adopted to implement its main software modules. We will also discuss their performance and/or computational limitations, as well as introduce measures for evaluating their efficiency and efficacy. Finally, we will survey some algorithmic techniques which are frequently adopted in the design of IR-tools managing large datasets. -Search engines -Crawling, Text analysis, Indexing, Ranking -Storage of Web pages and (hyper-)link graph -Results processing and visualization -Other data types: XML, textual DBs -Data processing for IR tools -Data streaming -Data sketching -Data compression -Data clustering (sketch)
- In this course we will study, design and analyze (theoretically and experimentally) software tools for IR-applications dealing with unstructured (raw data), structured (DB-centric) or semi-structured data (i.e. HTML, XML). We will mainly concentrate on the basic components of a modern Web search engine, by examining in detail the algorithmic solutions currently adopted to implement its main software modules. We will also discuss their performance and/or computational limitations, as well as introduce measures for evaluating their efficiency and efficacy. Finally, we will survey some algorithmic techniques which are frequently adopted in the design of IR-tools managing large datasets. -Search engines -Crawling, Text analysis, Indexing, Ranking -Storage of Web pages and (hyper-)link graph -Results processing and visualization -Other data types: XML, textual DBs -Data processing for IR tools -Data streaming -Data sketching -Data compression -Data clustering (sketch)
Databases (6 cfu)
- The management of information is the main use of computers in organizations of all types and sizes. Information management is mostly based on data base technology. The aim of the course is to present the features of these systems, in particular the relational ones, their architecture and the principles they are inspired by, from the point of view of application designers
Syllabus:
• Data base and database management system. definition and functionalities
• Database design: conceptual modeling using the object-oriented data model
• The relational data model
• Mapping of conceptual schemas onto relational logical schema.
• The SQL language, with a special emphasis on the query sublanguage and its relationship with first order logic.
• Theory of relational database normalization
• Database implementation: access plans and transaction management
• NoSQL systems
- The management of information is the main use of computers in organizations of all types and sizes. Information management is mostly based on data base technology. The aim of the course is to present the features of these systems, in particular the relational ones, their architecture and the principles they are inspired by, from the point of view of application designers
Syllabus:
• Data base and database management system. definition and functionalities
• Database design: conceptual modeling using the object-oriented data model
• The relational data model
• Mapping of conceptual schemas onto relational logical schema.
• The SQL language, with a special emphasis on the query sublanguage and its relationship with first order logic.
• Theory of relational database normalization
• Database implementation: access plans and transaction management
• NoSQL systems
Social network analysis (6 cfu)
- Viviamo immersi in una società interconnessa dalle tecnologie dell'informazione e della comunicazione. Gli effetti di
questa interconnessione si manifestano in vari contesti: nella rapida espansione di Internet e del Web, nella facilità delle
comunicazioni globali, nella estrema velocità ed intensità con cui novità e opinioni, ma anche epidemie e crisi finanziarie, si diffondono
nella società. Questi fenomeni riguardano le reti, sociali e tecnologiche, e il comportamento aggregato di gruppi di persone; essi sono basati sui link
che ci connettono gli uni con gli altri e sui modi sottili in cui le nostre decisioni si ripercuotono sugli altri.
Questo corso offre una introduzione all'analisi delle reti complesse focalizzando sulle reti sociali e sul Web: la loro struttura e funzione, le loro proprietà statistiche, e come possono essere usate per comprendere fenomeni sociali, ricercare informazione, diffondere informazione e comportamenti.
Sulla base di idee dell'informatica, della statistica, della matematica applicata, della fisica della complessità, dell'economia e della sociologia, il corso descrive il campo di studio emergente della scienza delle reti che, all'interfaccia fra le diverse discipline, affronta le domande fondamentali su come il mondo sociale, economico e tecnologico sia interconnesso.
Syllabus
1) Teoria dei grafi e reti sociali
- Grafi
- Reti sociali, di informazione, biologiche, tecnologiche
- Legami deboli e legami
- Reti in contesto
2) Il World Wide Web
- La struttura del Web
- Link analysis e ricerche sul Web
- Web mining e mercati
3) Dinamica delle reti
- Cascate di informazione
- Power laws e il fenomeno rich-get-richer
- Small-world
- Diffusione epidemica
- Viviamo immersi in una società interconnessa dalle tecnologie dell'informazione e della comunicazione. Gli effetti di
questa interconnessione si manifestano in vari contesti: nella rapida espansione di Internet e del Web, nella facilità delle
comunicazioni globali, nella estrema velocità ed intensità con cui novità e opinioni, ma anche epidemie e crisi finanziarie, si diffondono
nella società. Questi fenomeni riguardano le reti, sociali e tecnologiche, e il comportamento aggregato di gruppi di persone; essi sono basati sui link
che ci connettono gli uni con gli altri e sui modi sottili in cui le nostre decisioni si ripercuotono sugli altri.
Questo corso offre una introduzione all'analisi delle reti complesse focalizzando sulle reti sociali e sul Web: la loro struttura e funzione, le loro proprietà statistiche, e come possono essere usate per comprendere fenomeni sociali, ricercare informazione, diffondere informazione e comportamenti.
Sulla base di idee dell'informatica, della statistica, della matematica applicata, della fisica della complessità, dell'economia e della sociologia, il corso descrive il campo di studio emergente della scienza delle reti che, all'interfaccia fra le diverse discipline, affronta le domande fondamentali su come il mondo sociale, economico e tecnologico sia interconnesso.
Syllabus
1) Teoria dei grafi e reti sociali
- Grafi
- Reti sociali, di informazione, biologiche, tecnologiche
- Legami deboli e legami
- Reti in contesto
2) Il World Wide Web
- La struttura del Web
- Link analysis e ricerche sul Web
- Web mining e mercati
3) Dinamica delle reti
- Cascate di informazione
- Power laws e il fenomeno rich-get-richer
- Small-world
- Diffusione epidemica
Machine learning (9 cfu)
- Sono introdotti i principi e l'analisi critica dei principali paradigmi per l'apprendimento automatico dai dati e la loro applicazione. Il corso fornisce le basi dell'apprendimento automatico per la ostruzione sia di sistemi intelligenti adattivi sia di modelli predittivi performanti per l'analisi dei dati.
Syllabus
- Apprendimento computazionale per la predizione, apprendimento come funzione di approssimazione, concetto di generalizzazione.
- Modelli lineari e Nearest-Neighbors (algoritmi di apprendimento e proprietà, regolarizzazione).
- Reti neurali (MLP e deep models, SOM).
- Modelli grafici probabilistici.
- Principi di processi di apprendimento: elementi di statistical learning theory, validazione dei modelli.
- Support Vector Machines e modelli basati su kernel.
- Introduzione a applicazioni e modelli avanzati.
- Progetto applicativo: implementazione e uso di modelli di ML/NN con enfasi sull'applicazione rigorosa delle tecniche di validazione.
- Sono introdotti i principi e l'analisi critica dei principali paradigmi per l'apprendimento automatico dai dati e la loro applicazione. Il corso fornisce le basi dell'apprendimento automatico per la ostruzione sia di sistemi intelligenti adattivi sia di modelli predittivi performanti per l'analisi dei dati.
Syllabus
- Apprendimento computazionale per la predizione, apprendimento come funzione di approssimazione, concetto di generalizzazione.
- Modelli lineari e Nearest-Neighbors (algoritmi di apprendimento e proprietà, regolarizzazione).
- Reti neurali (MLP e deep models, SOM).
- Modelli grafici probabilistici.
- Principi di processi di apprendimento: elementi di statistical learning theory, validazione dei modelli.
- Support Vector Machines e modelli basati su kernel.
- Introduzione a applicazioni e modelli avanzati.
- Progetto applicativo: implementazione e uso di modelli di ML/NN con enfasi sull'applicazione rigorosa delle tecniche di validazione.
