Il Master in Data Science e Intelligenza Artificiale propone un percorso formativo interdisciplinare che integra competenze statistiche, informatiche e metodologiche per l’analisi dei dati e lo sviluppo di soluzioni basate sull’Intelligenza Artificiale.
Il percorso si articola in 12 insegnamenti, per un totale di 56 CFU, ai quali si aggiungono 4 CFU per la prova finale, per un totale complessivo di 60 CFU.
La formazione combina fondamenti teorici, attività applicative, laboratori ed esercitazioni, con l’obiettivo di sviluppare la capacità di acquisire, elaborare, analizzare, interpretare e comunicare i dati e di utilizzare le informazioni ottenute a supporto dei processi decisionali.
01 — FONDAMENTI DI STATISTICA PER L’AI – Statistical Foundations for AI – 7 CFU
L’insegnamento fornisce le basi statistiche necessarie per affrontare i problemi di Data Science e Intelligenza Artificiale, sviluppando competenze per l’analisi, l’interpretazione e la gestione dei dati.
02 — FONDAMENTI DI PROGRAMMAZIONE E PYTHON – Python & Programming – 6 CFU
L’insegnamento introduce ai fondamenti della programmazione e all’utilizzo di Python come strumento per il trattamento e l’analisi dei dati.
03 — MACHINE LEARNING – 5 CFU
L’insegnamento affronta metodi e tecniche di Machine Learning per l’analisi dei dati e lo sviluppo di modelli in grado di supportare l’identificazione di relazioni, pattern e strategie operative.
04 — LABORATORIO E APPLICAZIONI AI – AI Applications Lab – 4 CFU
Un laboratorio dedicato all’applicazione delle metodologie di Intelligenza Artificiale a problemi e contesti concreti, attraverso esercitazioni e attività applicative.
05 — DEEP LEARNING & RETI NEURALI – Deep Learning & Neural Networks – 4 CFU
L’insegnamento approfondisce il Deep Learning e le reti neurali, introducendo metodologie e strumenti per affrontare problemi complessi di analisi e modellazione dei dati.
06 — ELABORAZIONE DEL LINGUAGGIO NATURALE & TEXT INTELLIGENCE – NLP & Text Intelligence – 5 CFU
L’insegnamento è dedicato all’elaborazione del linguaggio naturale e all’analisi intelligente dei dati testuali, sviluppando competenze per l’interpretazione e la valorizzazione delle informazioni contenute nei testi.
07 — SERIE STORICHE E METODI DI FORECASTING – Time Series & Forecasting – 4 CFU
L’insegnamento affronta l’analisi delle serie storiche e i metodi di forecasting, fornendo strumenti per analizzare l’evoluzione dei fenomeni nel tempo e supportare attività previsionali.
08 — INTELLIGENZA DELLE RETI E ANALISI DEI GRAFI – Network Intelligence & Graph Analytics – 4 CFU
L’insegnamento introduce metodologie per la rappresentazione e l’analisi delle relazioni tra entità e per lo studio di strutture di rete attraverso l’analisi dei grafi.
09 — SICUREZZA DELL’INTELLIGENZA ARTIFICIALE E GOVERNANCE DEI DATI – AI Security & Data Governance – 5 CFU
L’insegnamento affronta i temi della sicurezza dei sistemi di Intelligenza Artificiale e della governance dei dati, con attenzione alla gestione e al governo responsabile delle informazioni e delle tecnologie.
10 — STORYTELLING E LABORATORIO DI DATA JOURNALISM – Storytelling & Data Journalism Lab – 4 CFU
L’insegnamento sviluppa competenze per trasformare dati e risultati delle analisi in contenuti chiari, comprensibili ed efficaci, attraverso tecniche di storytelling e attività di data journalism.
11 — VISUALIZZAZIONE DEI DATI, GIS E INTELLIGENZA GEOSPAZIALE – Data Visualization, GIS & Geospatial Intelligence – 4 CFU
L’insegnamento è dedicato alla rappresentazione e alla visualizzazione dei dati e all’utilizzo di strumenti e metodologie per l’analisi dell’informazione geografica e geospaziale.
12 — DECISION INTELLIGENCE E ANALISI PRESCRITTIVA – Decision Intelligence and Prescriptive Analytics – 4 CFU
L’insegnamento integra dati, analisi e modelli a supporto dei processi decisionali, con un focus sulle metodologie di Decision Intelligence e di analisi prescrittiva.
UN PERCORSO INTEGRATO TRA DATA SCIENCE E INTELLIGENZA ARTIFICIALE
Il percorso formativo accompagna i partecipanti dai fondamenti statistici e dalla programmazione alle metodologie di Machine Learning e Intelligenza Artificiale, fino alle applicazioni avanzate per l’analisi dei dati, la loro visualizzazione, la governance e il supporto alle decisioni.
La formazione comprende inoltre ambiti quali Deep Learning, Natural Language Processing, analisi delle serie storiche, Network Intelligence, GIS e Geospatial Intelligence, integrando competenze tecniche con capacità di comunicazione e valorizzazione dei risultati.
Particolare attenzione è dedicata anche alla sicurezza dell’Intelligenza Artificiale e alla governance dei dati, insieme agli strumenti necessari per trasformare le informazioni e i risultati delle analisi in conoscenza utile per le organizzazioni.