Requisiti di ammissione
Titoli obbligatori
- [TSS] - Titolo di Scuola Superiore
Titoli opzionali (a scelta tra i seguenti):
- [L2] - Laurea di Primo Livello
- [L1] - Laurea
- [TS] - Titolo straniero
- [LM] - Laurea Magistrale
- [LS] - Laurea Specialistica
Obiettivi formativi
Status professionale conferito dal titolo.
Data Architect
Il Data Architect può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, centri di ricerca, amministrazioni pubbliche e private, o come libero professionista.
Data Scientist
Il Data Scientist può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, centri di ricerca, amministrazioni pubbliche e private, o come libero professionista.
Market Analyst
Il Market Analyst può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, centri di ricerca o come libero professionista.
Data Engineer
Il Data Engineer può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, centri di ricerca, amministrazioni pubbliche e private, o come libero professionista.
Database Manager
Il Database Manager può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, amministrazioni pubbliche e private, o in centri di ricerca.
Data Steward
Il Data Steward può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, amministrazioni pubbliche e private, o in centri di ricerca.
Il Data Architect può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, centri di ricerca, amministrazioni pubbliche e private, o come libero professionista.
Data Scientist
Il Data Scientist può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, centri di ricerca, amministrazioni pubbliche e private, o come libero professionista.
Market Analyst
Il Market Analyst può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, centri di ricerca o come libero professionista.
Data Engineer
Il Data Engineer può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, centri di ricerca, amministrazioni pubbliche e private, o come libero professionista.
Database Manager
Il Database Manager può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, amministrazioni pubbliche e private, o in centri di ricerca.
Data Steward
Il Data Steward può lavorare all’interno di contesti aziendali operanti in diversi settori, società di servizi, studi di consulenza, amministrazioni pubbliche e private, o in centri di ricerca.
Caratteristiche prova finale.
Scopo della tesi è quello di sviluppare uno studio originale che deve culminare in un risultato teorico e/o pratico/progettuale connesso a specifici problemi legati al trattamento ed analisi dei dati, anche in contesti applicativi differenti, o una rassegna ragionata sullo stato dell'arte in un determinato ambito di studio del Data Science.
Lo studio deve essere concordato e revisionato da un docente relatore, ed, eventualmente, un correlatore esperto delle tematiche trattate.
La prova finale per il conseguimento della Laurea consiste nella discussione pubblica di un elaborato finale scritto e nella presentazione orale, con strumenti multimediali, del proprio lavoro presso una Commissione esaminatrice, che possa accertare il raggiungimento degli obiettivi qualificanti di questo Corso di Laurea, mediante la maturità culturale e la capacità di elaborazione del candidato, nonché la qualità del lavoro svolto.
Lo studio deve essere concordato e revisionato da un docente relatore, ed, eventualmente, un correlatore esperto delle tematiche trattate.
La prova finale per il conseguimento della Laurea consiste nella discussione pubblica di un elaborato finale scritto e nella presentazione orale, con strumenti multimediali, del proprio lavoro presso una Commissione esaminatrice, che possa accertare il raggiungimento degli obiettivi qualificanti di questo Corso di Laurea, mediante la maturità culturale e la capacità di elaborazione del candidato, nonché la qualità del lavoro svolto.
Conoscenze richieste per l'accesso.
Per frequentare utilmente il Corso, lo studente deve avere una buona formazione in discipline informatiche e statistico-matematiche. In particolare, deve aver acquisito buone conoscenze della matematica del continuo e del discreto, la capacità di analizzare e descrivere un algoritmo specificando le strutture dati e di controllo ad esso correlate, la capacità di utilizzare un linguaggio di programmazione, la conoscenza dei principi di funzionamento delle reti informatiche.
In particolare, per l'ammissione al CdS si richiede:
- il possesso di laurea triennale nelle classi L-8 o L-31 (DM 270/04) conseguita su tutto il territorio nazionale ovvero di altro titolo di studio conseguito all'estero, riconosciuto idoneo che garantisce accesso diretto al CdS magistrale;
oppure
- il possesso di laurea triennale o diploma universitario o titolo di studio equivalente di durata triennale, conseguito su tutto il territorio nazionale, ovvero di altro titolo di studio conseguito all'estero, riconosciuto idoneo e un numero minimo di CFU pari a 24 nei SSD INF/01 e/o ING-INF/05 e di 12 CFU nei settori statistico-matematico (MAT/02, MAT/03, MAT/05, MAT/06, MAT/08, MAT/09, SECS-S/06, SECS-S/01 o SECS-S/02).
La conoscenza della lingua inglese è condizione necessaria per una frequenza proficua del corso. In particolare, è richiesto il possesso della conoscenza dell'inglese ad un livello pari a B2 del Quadro Comune Europeo di riferimento per la conoscenza delle lingue.
In particolare, per l'ammissione al CdS si richiede:
- il possesso di laurea triennale nelle classi L-8 o L-31 (DM 270/04) conseguita su tutto il territorio nazionale ovvero di altro titolo di studio conseguito all'estero, riconosciuto idoneo che garantisce accesso diretto al CdS magistrale;
oppure
- il possesso di laurea triennale o diploma universitario o titolo di studio equivalente di durata triennale, conseguito su tutto il territorio nazionale, ovvero di altro titolo di studio conseguito all'estero, riconosciuto idoneo e un numero minimo di CFU pari a 24 nei SSD INF/01 e/o ING-INF/05 e di 12 CFU nei settori statistico-matematico (MAT/02, MAT/03, MAT/05, MAT/06, MAT/08, MAT/09, SECS-S/06, SECS-S/01 o SECS-S/02).
La conoscenza della lingua inglese è condizione necessaria per una frequenza proficua del corso. In particolare, è richiesto il possesso della conoscenza dell'inglese ad un livello pari a B2 del Quadro Comune Europeo di riferimento per la conoscenza delle lingue.
Obiettivi formativi specifici.
Il Corso di Laurea Magistrale in Data Science si rivolge a tutti i laureati triennali che siano interessati ad estendere le conoscenze e competenze acquisite nel loro percorso formativo universitario verso le tecniche statistiche e le tecnologie informatiche utili a selezionare, elaborare, analizzare grandi quantità di dati, al fine di estrarre valore aggiunto per processi decisionali in diversi ambiti applicativi.
Il CdS LM-Data si pone i seguenti obiettivi formativi:
a) sviluppare un adeguato bagaglio di competenze ed approcci orientati al Problem Solving attraverso le tecniche e metodologie apprese per formulare, anche in modo innovativo, risposte qualitative e quantitative a problemi complessi che coinvolgano il trattamento e l’analisi dei dati;
b) fornire una preparazione multidisciplinare che comprenda sia conoscenze tecnico-scientifiche specifiche sia conoscenze fondanti di contesto aziendale, giuridico e/o sociale nell’ambito del trattamento ed analisi dei dati;
c) approfondire i principi della Data Economy, del Data-driven Business e della Business Intelligence per analizzare fenomeni complessi di macro e micro-economia che influenzano le decisioni politiche, economiche e sociali e le strategie aziendali;
d) fornire conoscenze di base per coniugare tecnologie e metodologie matematico-statistiche e informatiche con metodi e tecniche specifiche per adattarle al contesto applicativo di riferimento;
e) sviluppare la capacità di coadiuvare efficacemente il cambiamento e l'innovazione tecnologica e organizzativa nelle aziende e in enti o amministrazioni pubbliche e private, in particolare negli aspetti coinvolgenti l’uso e il trattamento di grandi moli di dati, tenendo conto di vincoli legati alla sicurezza e alla privacy;
f) formare profili scientifico-culturali di nuova generazione che rispondano alle emergenti esigenze di Digital Transformation di tutte le organizzazioni, pubbliche e private, che ambiscano ad un’elevata competitività nel proprio settore di riferimento ed in un contesto globalizzato.
Il percorso formativo è caratterizzato da una forte vocazione multidisciplinare per fornire le competenze trasversali richieste ad un professionista Data Science, che comprendono la capacità di comunicare, di problem solving, di innovazione tecnologica, nonché la capacità di comprendere e anticipare questioni etiche e di privacy, di govenare il ciclo di vita dei dati, di gestire la qualità, in modo da prevenire l'uso improprio di dati o risultati analitici.
Il raggiungimento degli obiettivi formativi del Corso di Laurea Magistrale in Data Science si basa sulle seguenti aree tematiche:
1. Area matematico-statistica: mirata alla definizione di un background scientifico culturale di base, trasversale ai diversi percorsi formativi in quanto necessario a formare le figure professionali capaci di analizzare, interpretare e modellare dati statistici.
2. Area dell'informatica: orientata alla conoscenza degli strumenti di modellazione, progettazione, organizzazione, programmazione e amministrazione dei dati e dei sistemi informativi, con riferimento alle tassonomie ed ontologie per la rappresentazione dei dati, ai processi che comprendono l’intero ciclo di vita dei dati, agli algoritmi complessi per la gestione e l’elaborazione degli stessi, la sicurezza nel trattamento dei dati e dei processi.
3. Area delle tecnologie informatiche: per la progettazione, implementazione e amministrazione delle piattaforme informatiche orientate alla gestione, rappresentazione ed elaborazione dei dati, tramite tecniche di Big Data Analytics e Machine Learning, in ambito Cloud/Edge, orientato a sistemi di High Performance Computing.
4. Area giuridico-aziendale, per la pianificazione di processi informativi complessi ad elevato impatto per i sistemi aziendali, nel rispetto delle norme sul trattamento dei dati e della privacy.
L’offerta formativa è articolata su due anni, i corsi sono erogati in lingua inglese, e prevede l’acquisizione di 120 CFU, secondo la normativa nazionale vigente, ai fini del conseguimento della laurea magistrale in Data Science.
Il Corso di Studi è suddiviso in percorsi formativi, che vogliono affrontare un maggiore approfondimento di specifiche competenze nel settore del Data Science.
In particolare, l’offerta formativa del primo anno è comune a tutti i percorsi formativi ed è organizzata in modo da fornire gli strumenti di base per la visualizzazione e l’analisi sistematica dei dati, che comprendono tecniche di analisi statistica, modellazione e formalizzazione di algoritmi complessi. Verranno inoltre considerate le problematiche legate al trattamento dei dati sia sotto gli aspetti giuridico-legali, che di sicurezza informatica.
Gli insegnamenti del secondo anno saranno mirati ad una specifica professionalizzazione dello studente, con materie caratterizzanti e discipline che consentano allo studente di sviluppare competenze utilizzabili in diversi contesti applicativi. Lo studente di Data Science saprà affrontare e analizzare i problemi relativi ad un contesto applicativo utilizzando le adeguate metodologie di indagine e di caratterizzazione dei dati e dei processi. Sarà quindi, alla fine del percorso di studio, in grado di sviluppare soluzioni per la gestione di sistemi informativi complessi, adottando e/o adeguando le tecnologie disponibili alle specifiche esigenze di dominio.
In particolare, sono stati identificati i seguenti percorsi di studio:
- ambito ICT (Information and Communication Technology): il percorso investiga le soluzioni informatiche e tecnologie all’avanguardia come il Software Defined Network, il Cloud, l’Edge Computing e l’Internet of Things;
- ambito economico: il percorso approfondisce i principi della Data Economy, del Data-driven Business e della Business Intelligence;
- ambito forense: il percorso investiga l’applicazione del Data Science per migliorare l’efficacia ed efficienza dei sistemi antifrode, intelligence e indagini anti-crimine, forensic, fakeness, data governance e digital sovereignity.
È previsto l'utilizzo di metodologie didattiche e di verifica specifiche per lo sviluppo di competenze trasversali necessarie agli studenti per affrontare contesti lavorativi e professionali successivi al percorso di studio. In particolare, lo studente di Data Science svilupperà la capacità di lavorare in gruppo, di operare con definiti gradi di autonomia e di inserirsi prontamente negli ambienti di lavoro.
Sono previste attività esterne come tirocini formativi presso aziende, strutture pubbliche, laboratori e soggiorni di studio presso altre università italiane, europee ed extra-europee, utili al raggiungimento degli obiettivi formativi e al successivo inserimento nel mercato del lavoro.
Il CdS LM-Data si pone i seguenti obiettivi formativi:
a) sviluppare un adeguato bagaglio di competenze ed approcci orientati al Problem Solving attraverso le tecniche e metodologie apprese per formulare, anche in modo innovativo, risposte qualitative e quantitative a problemi complessi che coinvolgano il trattamento e l’analisi dei dati;
b) fornire una preparazione multidisciplinare che comprenda sia conoscenze tecnico-scientifiche specifiche sia conoscenze fondanti di contesto aziendale, giuridico e/o sociale nell’ambito del trattamento ed analisi dei dati;
c) approfondire i principi della Data Economy, del Data-driven Business e della Business Intelligence per analizzare fenomeni complessi di macro e micro-economia che influenzano le decisioni politiche, economiche e sociali e le strategie aziendali;
d) fornire conoscenze di base per coniugare tecnologie e metodologie matematico-statistiche e informatiche con metodi e tecniche specifiche per adattarle al contesto applicativo di riferimento;
e) sviluppare la capacità di coadiuvare efficacemente il cambiamento e l'innovazione tecnologica e organizzativa nelle aziende e in enti o amministrazioni pubbliche e private, in particolare negli aspetti coinvolgenti l’uso e il trattamento di grandi moli di dati, tenendo conto di vincoli legati alla sicurezza e alla privacy;
f) formare profili scientifico-culturali di nuova generazione che rispondano alle emergenti esigenze di Digital Transformation di tutte le organizzazioni, pubbliche e private, che ambiscano ad un’elevata competitività nel proprio settore di riferimento ed in un contesto globalizzato.
Il percorso formativo è caratterizzato da una forte vocazione multidisciplinare per fornire le competenze trasversali richieste ad un professionista Data Science, che comprendono la capacità di comunicare, di problem solving, di innovazione tecnologica, nonché la capacità di comprendere e anticipare questioni etiche e di privacy, di govenare il ciclo di vita dei dati, di gestire la qualità, in modo da prevenire l'uso improprio di dati o risultati analitici.
Il raggiungimento degli obiettivi formativi del Corso di Laurea Magistrale in Data Science si basa sulle seguenti aree tematiche:
1. Area matematico-statistica: mirata alla definizione di un background scientifico culturale di base, trasversale ai diversi percorsi formativi in quanto necessario a formare le figure professionali capaci di analizzare, interpretare e modellare dati statistici.
2. Area dell'informatica: orientata alla conoscenza degli strumenti di modellazione, progettazione, organizzazione, programmazione e amministrazione dei dati e dei sistemi informativi, con riferimento alle tassonomie ed ontologie per la rappresentazione dei dati, ai processi che comprendono l’intero ciclo di vita dei dati, agli algoritmi complessi per la gestione e l’elaborazione degli stessi, la sicurezza nel trattamento dei dati e dei processi.
3. Area delle tecnologie informatiche: per la progettazione, implementazione e amministrazione delle piattaforme informatiche orientate alla gestione, rappresentazione ed elaborazione dei dati, tramite tecniche di Big Data Analytics e Machine Learning, in ambito Cloud/Edge, orientato a sistemi di High Performance Computing.
4. Area giuridico-aziendale, per la pianificazione di processi informativi complessi ad elevato impatto per i sistemi aziendali, nel rispetto delle norme sul trattamento dei dati e della privacy.
L’offerta formativa è articolata su due anni, i corsi sono erogati in lingua inglese, e prevede l’acquisizione di 120 CFU, secondo la normativa nazionale vigente, ai fini del conseguimento della laurea magistrale in Data Science.
Il Corso di Studi è suddiviso in percorsi formativi, che vogliono affrontare un maggiore approfondimento di specifiche competenze nel settore del Data Science.
In particolare, l’offerta formativa del primo anno è comune a tutti i percorsi formativi ed è organizzata in modo da fornire gli strumenti di base per la visualizzazione e l’analisi sistematica dei dati, che comprendono tecniche di analisi statistica, modellazione e formalizzazione di algoritmi complessi. Verranno inoltre considerate le problematiche legate al trattamento dei dati sia sotto gli aspetti giuridico-legali, che di sicurezza informatica.
Gli insegnamenti del secondo anno saranno mirati ad una specifica professionalizzazione dello studente, con materie caratterizzanti e discipline che consentano allo studente di sviluppare competenze utilizzabili in diversi contesti applicativi. Lo studente di Data Science saprà affrontare e analizzare i problemi relativi ad un contesto applicativo utilizzando le adeguate metodologie di indagine e di caratterizzazione dei dati e dei processi. Sarà quindi, alla fine del percorso di studio, in grado di sviluppare soluzioni per la gestione di sistemi informativi complessi, adottando e/o adeguando le tecnologie disponibili alle specifiche esigenze di dominio.
In particolare, sono stati identificati i seguenti percorsi di studio:
- ambito ICT (Information and Communication Technology): il percorso investiga le soluzioni informatiche e tecnologie all’avanguardia come il Software Defined Network, il Cloud, l’Edge Computing e l’Internet of Things;
- ambito economico: il percorso approfondisce i principi della Data Economy, del Data-driven Business e della Business Intelligence;
- ambito forense: il percorso investiga l’applicazione del Data Science per migliorare l’efficacia ed efficienza dei sistemi antifrode, intelligence e indagini anti-crimine, forensic, fakeness, data governance e digital sovereignity.
È previsto l'utilizzo di metodologie didattiche e di verifica specifiche per lo sviluppo di competenze trasversali necessarie agli studenti per affrontare contesti lavorativi e professionali successivi al percorso di studio. In particolare, lo studente di Data Science svilupperà la capacità di lavorare in gruppo, di operare con definiti gradi di autonomia e di inserirsi prontamente negli ambienti di lavoro.
Sono previste attività esterne come tirocini formativi presso aziende, strutture pubbliche, laboratori e soggiorni di studio presso altre università italiane, europee ed extra-europee, utili al raggiungimento degli obiettivi formativi e al successivo inserimento nel mercato del lavoro.
Descrittori di Dublino: I - Conoscenza e capacità di comprensione
Al termine del corso di Laurea Magistrale in Data Science, lo studente avrà acquisito attraverso lo studio negli insegnamenti caratterizzanti e affini e le conseguenti verifiche:
a) una preparazione che comprenda sia conoscenze tecniche specifiche sia conoscenze fondanti di contesto aziendale, giuridico e/o sociale;
b) una conoscenza delle tecnologie e metodologie matematico-statistiche e informatiche con metodi e tecniche specifiche dell’ambito in cui si troveranno a operare;
c) la comprensione della metodologia scientifica per il trattamento di grandi insiemi di dati.
Le modalità e gli strumenti didattici con cui si conseguono e verificano i risultati attesi includono gli esami di profitto, che possono essere orali e/o scritti e/o pratici, si svolgono al termine di ogni attività formativa, secondo modalità stabilite dai singoli docenti. I corsi prevedono sia una parte teorica che una di esercitazione e/o laboratorio in cui, tramite attività pratiche, possibile costantemente verificare il livello di apprendimento degli studenti ed eventuali criticità riscontrate.
a) una preparazione che comprenda sia conoscenze tecniche specifiche sia conoscenze fondanti di contesto aziendale, giuridico e/o sociale;
b) una conoscenza delle tecnologie e metodologie matematico-statistiche e informatiche con metodi e tecniche specifiche dell’ambito in cui si troveranno a operare;
c) la comprensione della metodologia scientifica per il trattamento di grandi insiemi di dati.
Le modalità e gli strumenti didattici con cui si conseguono e verificano i risultati attesi includono gli esami di profitto, che possono essere orali e/o scritti e/o pratici, si svolgono al termine di ogni attività formativa, secondo modalità stabilite dai singoli docenti. I corsi prevedono sia una parte teorica che una di esercitazione e/o laboratorio in cui, tramite attività pratiche, possibile costantemente verificare il livello di apprendimento degli studenti ed eventuali criticità riscontrate.
II - Capacità di applicare conoscenza e comprensione
Lo studente laureato in Data Science è in grado di applicare le conoscenze acquisite per:
a) usare le tecniche e metodologie apprese per formulare, anche in modo innovativo, risposte qualitative e quantitative a problemi complessi o che richiedono un approccio interdisciplinare, tenendo conto delle problematiche etico/giuridiche nel trattamento dei dati;
b) coadiuvare efficacemente il cambiamento e l'innovazione tecnologica e organizzativa nelle aziende e in enti o amministrazioni pubbliche e private, in particolare negli aspetti coinvolgenti l’uso e il trattamento di grandi moli di dati, numerici o testuali.
Ciò consente al laureato il pronto inserimento negli ambienti di lavoro, rendendolo capace di collaborare all'interno di gruppi di lavoro.
Le modalità gli strumenti didattici con cui si conseguono e verificano i risultati attesi includono le attività di esercitazione e laboratorio previste in gran parte dei corsi erogati. Sarà quindi possibile costantemente verificare la capacità di applicare le conoscenze teoriche a casi reali. Inoltre, agli studenti vengono posti esercizi di Problem Solving per verificare e stimolare la loro capacità di affrontare problemi complessi e di lavorare in autonomia. Gli esami di profitto possono prevedere anche la realizzazione e presentazione di progetti in cui gli studenti mettono in pratica le conoscenze e competenze acquisite durante l'erogazione del corso.
a) usare le tecniche e metodologie apprese per formulare, anche in modo innovativo, risposte qualitative e quantitative a problemi complessi o che richiedono un approccio interdisciplinare, tenendo conto delle problematiche etico/giuridiche nel trattamento dei dati;
b) coadiuvare efficacemente il cambiamento e l'innovazione tecnologica e organizzativa nelle aziende e in enti o amministrazioni pubbliche e private, in particolare negli aspetti coinvolgenti l’uso e il trattamento di grandi moli di dati, numerici o testuali.
Ciò consente al laureato il pronto inserimento negli ambienti di lavoro, rendendolo capace di collaborare all'interno di gruppi di lavoro.
Le modalità gli strumenti didattici con cui si conseguono e verificano i risultati attesi includono le attività di esercitazione e laboratorio previste in gran parte dei corsi erogati. Sarà quindi possibile costantemente verificare la capacità di applicare le conoscenze teoriche a casi reali. Inoltre, agli studenti vengono posti esercizi di Problem Solving per verificare e stimolare la loro capacità di affrontare problemi complessi e di lavorare in autonomia. Gli esami di profitto possono prevedere anche la realizzazione e presentazione di progetti in cui gli studenti mettono in pratica le conoscenze e competenze acquisite durante l'erogazione del corso.
III - Autonomia di giudizio
I laureati in Data Science saranno in grado di:
- costruire e sviluppare argomentazioni logiche con una chiara identificazione di assunti e conclusioni;
- riconoscere soluzioni metodologiche e tecnologiche adeguate a supportare problematiche concrete derivanti da contesti applicativi pluridisciplinari;
- affrontare l'esperienza di lavoro autonomo e di gruppo, apportando contributi originali ed autonomi.
Le modalità e gli strumenti didattici con cui si conseguono e verificano i risultati attesi comprendono:
- le attività di laboratorio, le prove di esame, le verifiche intermedie e la realizzazione di progetti specifici che permettono di esprimere una corretta valutazione delle attitudini critiche sviluppate, soprattutto in relazione a tematiche non esplicitamente affrontate durante le lezioni;
- lo svolgimento della tesi di laurea che permette di valutare come lo studente affronta in maniera critica lo sviluppo delle tematiche relative alla tesi finale.
- costruire e sviluppare argomentazioni logiche con una chiara identificazione di assunti e conclusioni;
- riconoscere soluzioni metodologiche e tecnologiche adeguate a supportare problematiche concrete derivanti da contesti applicativi pluridisciplinari;
- affrontare l'esperienza di lavoro autonomo e di gruppo, apportando contributi originali ed autonomi.
Le modalità e gli strumenti didattici con cui si conseguono e verificano i risultati attesi comprendono:
- le attività di laboratorio, le prove di esame, le verifiche intermedie e la realizzazione di progetti specifici che permettono di esprimere una corretta valutazione delle attitudini critiche sviluppate, soprattutto in relazione a tematiche non esplicitamente affrontate durante le lezioni;
- lo svolgimento della tesi di laurea che permette di valutare come lo studente affronta in maniera critica lo sviluppo delle tematiche relative alla tesi finale.
IV - Abilità comunicative
Una parte del percorso formativo del corso di laurea è rivolto alla capacità di comunicare e saper interloquire in maniera proficua per esporre i vari argomenti di discussione. A tal proposito viene sollecitata la partecipazione a colloqui con aziende del settore, che aiutano gli studenti ad affrontare nel futuro i colloqui di lavoro. Le conoscenze specifiche che vengono apprese nel corso di laurea consentono anche di avere delle interlocuzioni di alto profilo professionale.
I laureati in Data Science saranno in grado di:
- presentare problemi e soluzioni di analisi dei dati ad un pubblico specializzato o generico;
- interagire professionalmente con esperti di altri settori, per esempio in gruppi di progetto. Devono, altresì, aver acquisito competenze nell'uso di strumentazioni tecnologiche utili alla comunicazione, anche attraverso la realizzazione di prodotti multimediali o documentali, autonomamente redatti.
Le modalità e gli strumenti didattici con cui si conseguono e verificano i risultati attesi comprendono la valutazione della capacità espositiva, durante la discussione dei progetti specifici, le prove di esame e la presentazione dell'elaborato finale.
I laureati in Data Science saranno in grado di:
- presentare problemi e soluzioni di analisi dei dati ad un pubblico specializzato o generico;
- interagire professionalmente con esperti di altri settori, per esempio in gruppi di progetto. Devono, altresì, aver acquisito competenze nell'uso di strumentazioni tecnologiche utili alla comunicazione, anche attraverso la realizzazione di prodotti multimediali o documentali, autonomamente redatti.
Le modalità e gli strumenti didattici con cui si conseguono e verificano i risultati attesi comprendono la valutazione della capacità espositiva, durante la discussione dei progetti specifici, le prove di esame e la presentazione dell'elaborato finale.
Lingua/e ufficiali di insegnamento e di accertamento della preparazione.
INGLESE
V - Capacità di apprendimento
Uno dei problemi che viene affrontato durante il percorso formativo è quello relativo alla comprensione del testo e del linguaggio.
Nel corso di laurea viene incrementata la capacità di apprendere e di esporre in maniera corretta quanto studiato.
Al termine del percorso formativo i laureati in Data Science saranno in grado di inserirsi ed adattarsi prontamente alle richieste dell'ambiente di lavoro, aperti a nuove problematiche.
Tali capacità sono fornite dall'intero percorso formativo, completo dal punto di vista dei contenuti, e dalle attività di tirocinio/stage.
Le modalità e gli strumenti didattici con cui si conseguono e verificano i risultati attesi comprendono:
- la valutazione del metodo di studio attraverso gli esami scritti e orali;
- la valutazione dell'apprendimento degli argomenti proposti nella realizzazione di progetti specifici;
- la verifica della congruità bibliografica durante la preparazione della tesi di laurea.
Nel corso di laurea viene incrementata la capacità di apprendere e di esporre in maniera corretta quanto studiato.
Al termine del percorso formativo i laureati in Data Science saranno in grado di inserirsi ed adattarsi prontamente alle richieste dell'ambiente di lavoro, aperti a nuove problematiche.
Tali capacità sono fornite dall'intero percorso formativo, completo dal punto di vista dei contenuti, e dalle attività di tirocinio/stage.
Le modalità e gli strumenti didattici con cui si conseguono e verificano i risultati attesi comprendono:
- la valutazione del metodo di studio attraverso gli esami scritti e orali;
- la valutazione dell'apprendimento degli argomenti proposti nella realizzazione di progetti specifici;
- la verifica della congruità bibliografica durante la preparazione della tesi di laurea.
Competenze associate alla funzione.
Data Architect
Competenze tecniche avanzate in linguaggi per l’interrogazione delle banche dati, capacità di analisi e sintesi, una visualizzazione creativa e capacità di problem-solving.
Data Scientist
Figura altamente specializzata, che conosce in maniera approfondita modelli matematico-statistici e algoritmi orientati all’analisi dei dati (soprattutto legati al Machine Learning). Conosce più di un linguaggio di programmazione e tool di analisi e rappresentazione di analisi complesse. Deve avere competenze di business intelligence, di semantica, di ontologie per la gestione delle informazioni, di metodi e tecnologie per la gestione di progetti data-driven innovativi.
Market Analyst
Il Market Analyst deve avere competenze in teoria economica/aziendale/giuridica, econometria, statistica e informatica per elaborare big data per un'analisi esaustiva di vari fenomeni.
Data Engineer
Il Data Engineer deve avere competenze nella progettazione di Database, una solida padronanza di linguaggi di codifica e di strumenti per la sicurezza informatica. Devono anche possedere solide capacità di problem-solving e matematiche. Le soft skills includono eccellenti capacità di comunicazione scritta e verbale, così come la capacità di lavorare sia in modo indipendente che in team.
Database Manager
Conoscenze di software per Database per organizzare sia dati strutturati che parzialmente o non strutturati, conoscenza tecnica dei linguaggi informatici e dei sistemi operativi, tecniche di sicurezza informatica e cifratura dei dati per la gestione sicura dei dati e l’attuazione di politiche orientate alla privacy.
Data Steward
Conoscenza di teorie, principi e pratiche sui database, modellazione dei dati, conoscenza tecnica dei linguaggi di programmazione, dei sistemi operativi, delle normative e politiche e della loro applicazione ai dati.
Competenze tecniche avanzate in linguaggi per l’interrogazione delle banche dati, capacità di analisi e sintesi, una visualizzazione creativa e capacità di problem-solving.
Data Scientist
Figura altamente specializzata, che conosce in maniera approfondita modelli matematico-statistici e algoritmi orientati all’analisi dei dati (soprattutto legati al Machine Learning). Conosce più di un linguaggio di programmazione e tool di analisi e rappresentazione di analisi complesse. Deve avere competenze di business intelligence, di semantica, di ontologie per la gestione delle informazioni, di metodi e tecnologie per la gestione di progetti data-driven innovativi.
Market Analyst
Il Market Analyst deve avere competenze in teoria economica/aziendale/giuridica, econometria, statistica e informatica per elaborare big data per un'analisi esaustiva di vari fenomeni.
Data Engineer
Il Data Engineer deve avere competenze nella progettazione di Database, una solida padronanza di linguaggi di codifica e di strumenti per la sicurezza informatica. Devono anche possedere solide capacità di problem-solving e matematiche. Le soft skills includono eccellenti capacità di comunicazione scritta e verbale, così come la capacità di lavorare sia in modo indipendente che in team.
Database Manager
Conoscenze di software per Database per organizzare sia dati strutturati che parzialmente o non strutturati, conoscenza tecnica dei linguaggi informatici e dei sistemi operativi, tecniche di sicurezza informatica e cifratura dei dati per la gestione sicura dei dati e l’attuazione di politiche orientate alla privacy.
Data Steward
Conoscenza di teorie, principi e pratiche sui database, modellazione dei dati, conoscenza tecnica dei linguaggi di programmazione, dei sistemi operativi, delle normative e politiche e della loro applicazione ai dati.
Funzione in contesto di lavoro.
Data Architect
Il Data Architect progetta i flussi informativi all’interno dei processi aziendali, identificando i requisiti di riferimento per la progettazione dei sistemi informativi aziendali. Utilizza le competenze tecniche sui linguaggi informatici orientati ai dati per pianificare strategie architetturali per ogni area tematica del modello aziendale.
Data Scientist
Il lavoro del Data Scientist consiste nell’estrazione di informazioni di valore per le diverse necessità aziendali: strategie di business, di marketing e di vendita, definizione di nuovi prodotti e servizi, ecc. Questo professionista sviluppa e implementa modelli matematico-statistici da applicare su Big Data per cercare di rispondere a domande complesse legate allo specifico dominio di applicazione e di analisi.
Market Analyst
Il Market Analyst è in grado di effettuare l'analisi di problemi economici/aziendali utilizzando metodi per la gestione grandi quantità di dati . Potrà analizzare fenomeni complessi di macro e micro-economia che influenzano le decisioni politiche, economiche e sociali e le strategie aziendali utilizzando specifiche tecniche informative nel rispetto delle normative sul trattamento dei dati personali.
Data Engineer
Il Data Engineer identifica le migliori soluzioni tecnologiche ed informatiche per aggregare, analizzare e manipolare insiemi di Big Data. Ciò è finalizzato a migliorare l’accessibilità dei dati e la progettazione di report, dashboard e strumenti per gli utenti finali, garantendo la disponibilità, la qualità e la fruibilità dei dati a chi li utilizza, tenendo conto anche di problematiche legate alla sicurezza informatica.
Database Manager
Il Database Manager è responsabile dell’organizzazione e gestione delle banche dati, esamina le richieste aziendali per l’utilizzo dei dati, valuta le fonti di dati per migliorarne l’organizzazione strutturato o non strutturata, e aiuta a progettare e installare l’hardware di archiviazione. Deve tenere il passo con gli sviluppi tecnologici e con le necessità aziendali, per contribuire attivamente alla sua crescita ed efficienza.
Data Steward
Il Data Steward si occupa della gestione dei contenuti e dei relativi metadati in termini di qualità e coerenza in modo tale che chiunque ne fruisca sia certo di utilizzare dati conformi al loro significato, completi e affidabili nella loro qualità. Ciò rispettando le normative in vigore, così come le regole definite all'interno dell'azienda per l’accesso ai dati. Il Data Steward è il responsabile della Qualità dei Dati e della loro fruibilità a livello dell'impresa, con il compito di metterli a disposizione a chiunque ne debba sviluppare interrogazioni, analisi, applicazioni transazionali.
Il Data Architect progetta i flussi informativi all’interno dei processi aziendali, identificando i requisiti di riferimento per la progettazione dei sistemi informativi aziendali. Utilizza le competenze tecniche sui linguaggi informatici orientati ai dati per pianificare strategie architetturali per ogni area tematica del modello aziendale.
Data Scientist
Il lavoro del Data Scientist consiste nell’estrazione di informazioni di valore per le diverse necessità aziendali: strategie di business, di marketing e di vendita, definizione di nuovi prodotti e servizi, ecc. Questo professionista sviluppa e implementa modelli matematico-statistici da applicare su Big Data per cercare di rispondere a domande complesse legate allo specifico dominio di applicazione e di analisi.
Market Analyst
Il Market Analyst è in grado di effettuare l'analisi di problemi economici/aziendali utilizzando metodi per la gestione grandi quantità di dati . Potrà analizzare fenomeni complessi di macro e micro-economia che influenzano le decisioni politiche, economiche e sociali e le strategie aziendali utilizzando specifiche tecniche informative nel rispetto delle normative sul trattamento dei dati personali.
Data Engineer
Il Data Engineer identifica le migliori soluzioni tecnologiche ed informatiche per aggregare, analizzare e manipolare insiemi di Big Data. Ciò è finalizzato a migliorare l’accessibilità dei dati e la progettazione di report, dashboard e strumenti per gli utenti finali, garantendo la disponibilità, la qualità e la fruibilità dei dati a chi li utilizza, tenendo conto anche di problematiche legate alla sicurezza informatica.
Database Manager
Il Database Manager è responsabile dell’organizzazione e gestione delle banche dati, esamina le richieste aziendali per l’utilizzo dei dati, valuta le fonti di dati per migliorarne l’organizzazione strutturato o non strutturata, e aiuta a progettare e installare l’hardware di archiviazione. Deve tenere il passo con gli sviluppi tecnologici e con le necessità aziendali, per contribuire attivamente alla sua crescita ed efficienza.
Data Steward
Il Data Steward si occupa della gestione dei contenuti e dei relativi metadati in termini di qualità e coerenza in modo tale che chiunque ne fruisca sia certo di utilizzare dati conformi al loro significato, completi e affidabili nella loro qualità. Ciò rispettando le normative in vigore, così come le regole definite all'interno dell'azienda per l’accesso ai dati. Il Data Steward è il responsabile della Qualità dei Dati e della loro fruibilità a livello dell'impresa, con il compito di metterli a disposizione a chiunque ne debba sviluppare interrogazioni, analisi, applicazioni transazionali.