Accedi ai Corsi
In evidenza
Laurea Triennale
Amministrazioni, Professioni ed Organizzazioni Sportive con Sole 24 Ore Formazione
Chiamaci
{{ numero_verde }}
Offerta formativa
- Scienze Motorie (L-22)
- Scienze dell'Amministrazione e dell'Organizzazione (L-16)
- Scienze Biologiche (L-13)
- Moda e Design Industriale L-4
- Patrimonio Culturale in Era Digitale L-1
- Lingue e Culture Straniere per l'Era Digitale (L-11)
- Ingegneria Biomedica (L-9)
- Ingegneria Informatica e Intelligenza artificiale (L-8)
- Scienze dell'Alimentazione e Gastronomia (L-26)
- Management e Consulenza Aziendale (LM-77)
- Scienze e Tecniche delle Attività Motorie Preventive e Adattate LM-67
- Scienze della Nutrizione Umana LM-61
- Management, Diritto e Governance della Pubblica Amministrazione LM-63
- Lingue e culture straniere per l'era digitale: scuola, società e professioni LM-37
- Ingegneria Informatica e dell’Intelligenza Artificiale Applicata LM-32
- Doppia Laurea
- Master 1° Livello
- Master 2° Livello
- Aree Master
- Corsi di Formazione
- Corsi di Perfezionamento
- Corsi Singoli
- Formazione Docenti
- PA 110 e lode
Iscrizione
- Richiedi Informazioni
- Agevolazioni Economiche
- Prova la piattaforma
- Convenzioni commerciali
- Valutazione Crediti Formativi e Accessi
- Recupero delle competenze per accesso alle Magistrali
- Immatricolazione
- Doppia Laurea
- Iscrizione Master e Corsi
- Iscrizione ai Dottorati di Ricerca
- Immatricolazione titoli esteri
- Borse di studio Sole 24 Ore Formazione
- Studia con San Raffaele Roma e accedi ai corsi Google sull'Intelligenza Artificiale
Corsi di Laurea Triennale
Corsi di Laurea Magistrale
Ingegneria Informatica e Intelligenza artificiale L-8
Data Science
| Settore scientifico disciplinare | Numero crediti formativi (CFU) | Docente |
| ING-INF/05 (IINF-05/A) | 6 | Noemi Scarpato |
Obiettivi formativi
Il corso si propone di mettere in grado gli studenti di utilizzare i dati per supportare il decision-making, fornendo competenze per l’analisi dei dati e lo sviluppo di modelli predittivi, e sviluppare soluzioni software che permettono di creare valore dai dati, sfruttando tecniche statistiche, di machine learning e di visualizzazione dei dati per trasformare i dati in informazioni utili e significative. Attraverso un approccio pratico, il corso integra strumenti avanzati come Python, R, e librerie specializzate, offrendo opportunità di lavorare su dataset reali e sviluppare progetti applicativi in diversi settori, tra cui finanza, sanità e industria.
L’insegnamento contribuisce anche al potenziamento delle capacità trasversali Autonomia di giudizio, Abilità comunicative e Capacità di apprendimento degli studenti.
Risultati di apprendimento attesi;
Al termine del corso lo studente dovrà aver acquisito:
Conoscenza e capacità di comprensione
Aver acquisito la conoscenza della teoria relativa alla definizione modelli predittivi per la data science - Aver acquisito la conoscenza e comprensione dei principi della produzione di software per la data science
Aver acquisito la conoscenza dei principali strumenti e linguaggi per la data science.
Aver acquisito la capacità di comprensione dei concetti presentati allo scopo di progettare soluzioni integrate per la data science.
Capacità di affrontare problemi di progettazione, utilizzo e gestione dei dati.
Capacità di applicare conoscenza e comprensione
Lo studente dovrà dimostrare la capacità di applicare le conoscenze acquisite agli ambiti applicati relativi alla gestione dei dati aziendali dimostrando la comprensione dei fenomeni inerenti all’analisi dei dati e la sua applicazione in contesti pratici per la risoluzione di problemi nuovi o complessi.
Abilità di giudizio
Lo studente dovrà dimostrare la capacità di gestire la complessità della gestione dei dati in ambito aziendale e formulare giudizi fondati, anche con informazioni parziali.
Abilità di comunicare
Lo studente dovrà essere in grado di comunicare i concetti appresi sia ad utenti esperti che non in modo chiaro ed efficace.
Capacità di apprendimento
Lo studente dovrà dimostrare di saper gestire autonomamente il processo di apprendimento individuando gli strumenti più efficaci per la propria crescita professionale.
Programma del Corso
- La pianificazione strategica e il conseguimento degli obiettivi aziendali
- Pianificazione e gestione strategica
- La generazione del valore
- Valutazione delle prestazioni aziendali
- Il modello delle cinque forze competitive di Michael Porter: analisi dell'ambiente
- La collocazione dell'impresa e la composizione del mercato
- L'analisi del settore e della concorrenza
- Il modello della teoria dei giochi
- Il potenziale dell'impresa: risorse e competenze
- Le risorse, le competenze e il vantaggio competitivo
- Elaborazione ed implementazione strategica
- La struttura organizzativa
- Impiego della statistica per la gestione dell'azienda
- Informazioni statistiche: concetti generali e fonti interne
- Informazioni statistiche: le fonti esterne e big data
- La produzione di dati: l'indagine campionaria
- Il campionamento da popolazioni finite
- Interpretazione e comparazione dei dati aziendali
- I numeri indici sintetici: caratteristiche e interpretazione
- Data warehousing: metodologia e architettura
- Data warehousing: modelli concettuali e ciclo di vita dei sistemi
- Data mining: processi di mining e analisi associative
- Data mining: meccanismi di classificazione e clustering
- Big data: aree di applicazione e impatti aziendali
- Big data: caratteristiche e peculiarit
Testi consigliati
Il docente consiglia l’integrazione del materiale fornito (videolezioni, slides,
esercitazioni) con riferimenti bibliografici e materiale disponibile gratuitamente in rete forniti di volta in volta all’interno delle lezioni.
Calendario
Modalità di accertamento dei risultati di apprendimento acquisiti dallo studente
L'acquisizione dei risultati di apprendimento previsti viene accertata attraverso: le attività di autovalutazione associate ad ogni video-lezione, i test associati alla didattica sincrona, la prova intermedia online e la prova finale in presenza.
Test di autovalutazione: i test di autovalutazione permettono allo studente di monitorare la comprensione degli argomenti somministrati ed eventualmente di attivarsi per colmare le lacune.
Test post-didattica sincrona: I test successivi alla didattica sincrona verificano l’applicazione delle conoscenze in situazione guidata e la capacità di apprendimento autonomo. Consentono di osservare l’uso operativo dei saperi e la capacità di trasferimento.
La prova intermedia online e la prova finale in presenza: consente una verifica sistematica e standardizzata delle conoscenze disciplinari e della comprensione concettuale e permette di valutare l’autonomia di giudizio, ovvero la capacità di formulare valutazioni motivate e sostenere argomentazioni critiche.
Modalità di esame
La valutazione finale avverrà nelle date d’appello previste dall’Ateneo e pubblicate in piattaforma, in modalità scritta online, scritta strutturata in presenza e/o orale.
Propedeuticità
Nessuna
Prerequisiti
Logica efondamenti di programmazione.
Organizzazione didattica
Modalità di erogazione del corso:
Corso interamente erogato a distanza
Attività didattiche previste
Le attività di didattica, suddivise tra didattica erogativa (DE) e didattica sincrona (DS), saranno costituite da 7 ore per CFU e ripartite secondo una struttura di almeno 2,5 ore di DE (tenuta in considerazione la necessità di riascolto) e di 2 ore di DS per ciascun CFU.
Attività didattica erogativa (30 ore):
- 30 lezioni frontali videoregistrate, della durata di circa 30 minuti ciascuna (tenuta in considerazione la necessità di riascolto) sempre disponibili in piattaforma.
Attività didattica sincrona (24 ore):
Le attività di didattica sincrona si svolgeranno in due cicli da 12 ore distribuiti per tutto l’anno accademico mediante l’utilizzo di strumenti di videoconferenza sincrona secondo il calendario pubblicato all’inizio di ciascun ciclo.
Attività di autoapprendimento:
Le ore di autoapprendimento previste sono dedicate allo studio dei materiali dei materiali forniti dal docente e alla realizzazione del progetto pratico.
Sono previsti dei test di autovalutazione a conclusione di ogni lezione, costituito da 5 domande (relative ai contenuti esposti nella lezione) a risposta multipla, con 4 risposte di cui una sola corretta.
L'articolazione tra DE e DS, per ciascuna unità didattica, sarà organizzata coerentemente con gli obiettivi formativi specifici dell’insegnamento.
Ricevimento studenti
Nella pagina dell’insegnamento, sezione “Ricevimento on line, vengono predisposti gli incontri con gli studenti in videoconferenza.
Gli studenti possono concordare un appuntamento effettuando una richiesta alla mail istituzionale del docente noemi.scarpato@uniroma5.it
Lezioni
La pianificazione strategica e il conseguimento degli obiettivi aziendali
Pianificazione e gestione strategica
La generazione del valore
Valutazione delle prestazioni aziendali
Il modello delle cinque forze competitive di Michael Porter: analisi dell'ambiente
La collocazione dell'impresa e la composizione del mercato
L'analisi del settore e della concorrenza
Il modello della teoria dei giochi
Il potenziale dell'impresa: risorse e competenze
Le risorse, le competenze e il vantaggio competitivo
Elaborazione ed implementazione strategica
La struttura organizzativa
Impiego della statistica per la gestione dell'azienda
Informazioni statistiche: concetti generali e fonti interne
Informazioni statistiche: le fonti esterne e big data
La produzione di dati: l'indagine campionaria
Il campionamento da popolazioni finite
Interpretazione e comparazione dei dati aziendali
I numeri indici sintetici: caratteristiche e interpretazione
Data warehousing: metodologia e architettura
Data warehousing: modelli concettuali e ciclo di vita dei sistemi
Data mining: processi di mining e analisi associative
Data mining: meccanismi di classificazione e clustering
Big data: aree di applicazione e impatti aziendali
Big data: caratteristiche e peculiarit
