Algoritmi e Applicazioni per la Data Science

Algoritmi e Applicazioni per la Data Science

Crediti

6

Propedeuticità

Nessuna.

Settore scientifico-disciplinare

INF/01 INFORMATICA

Modalità dell’esame

Valutazione di un progetto sviluppato su temi introdotti nel corso, discussione e prova orale.

Obiettivi
formativi

Il corso ha come obiettivo quello di fornire un’introduzione sia teorica che pratica alla Data Science. L’obiettivo è quello di fornire allo studente le conoscenze e le capacità di base per l’analisi dei dati attraverso l’uso di approcci statistici, strumenti informatici e tecniche di apprendimento automatico (Machine Learning). Il corso è progettato per rispondere alla crescente domanda di laureati magistrali in grado di comprendere le esigenze delle organizzazioni pubbliche e/o private per il miglioramento dell’efficacia e la tempestività dei processi decisionali.

Programma

Introduzione al corso – Modalità d’esame; Introduzione alla Data Science (DS): (Cosa è, a cosa serve, il Data Scientist, le applicazioni nel mondo reale); Il legame della Data Science con il Machine Learning e l’Intelligenza Artificiale (AI); Il Ciclo di Vita della Data Science; A worlf of Data: L’importanza dei Dati, Data in 60 seconds, Problematiche di gestione dei dati, Pre-processing dei dati; Machine Learning (ML): Introduzione al ML, macro-categorie del ML, esempi ed applicazioni del ML; Unsupervised Learning (UL): Introduzione alla classificazione non supervisionata, algoritmi di UL (k-means, k-medoids, DBScan), applicazioni in Python; Supervised Learning (SL): Introduzione alla classificazione supervisionata; algoritmi di SL, applicazioni in python; Introduzione al Deep Learning; Data Visualization: Introduzione alla Data Visualization; Software and Tools; Casi di studio reali nella DS e ML nel constesto delle Città Intelligenti (Beni Culturali, Sanità, Smart Mobility, IoT,Urban Classification); Accenni al Knowledge Graph;

Risultati dell’apprendimento
attesi

Abilità nello sviluppo autonomo del progetto; chiarezza, correttezza e completezza nell’esposizione orale degli argomenti inerenti l’insegnamento.

Al termine dell’insegnamento, lo studente deve dimostrare di

  • conoscere e comprendere gli algoritmi e metodologie presentate, con una visione chiara dei campi di applicazione;
  • saper utilizzare le conoscenze acquisite per risolvere problemi specifici, sia utilizzando librerie di software che con codici progettati e prodotti ad hoc;
  • saper comunicare in maniera chiara, rigorosa ed efficace idee e soluzioni a interlocutori specialisti e non specialisti;
  • saper individuare i metodi più appropriati per analizzare e risolvere un problema inerente gli argomenti del corso e interpretare correttamente i risultati.

Risultati di apprendimento
che si intende verificare

Padronanza delle conoscenze, chiarezza nell’esposizione, rigore nell’uso del linguaggio, disinvoltura nell’uso delle nozioni acquisite.