Il modulo si propone di fornire le conoscenze fondamentali per comprendere, analizzare e progettare un'architettura di Data Analytics, includendo: architetture Big Data, tecniche di Business Intelligence e Business Analytics, e raccolta e modellazione di dati strutturati, semi-strutturati e non strutturati utilizzando paradigmi SQL e NoSQL. Introdurre le componenti metodologiche, architetturali e gli strumenti, approfondendo per ciascuna le funzionalità richieste e i principali prodotti disponibili sul mercato. Sviluppare soluzioni prototipali (use case) in contesti applicativi reali per dimostrare l'applicazione pratica.

• Foundations of BI & Big Data Analytics
• Relational DB, Data Modelling, NoSQL
• Data Quality & Data Integration
• Big Data Processing e calcolo distribuito
• Il linguaggio Python
• Cloud Computing
• Data Streaming e Data Ingestion Patterns (API, Web Scraping Crawling)
• Machine Learning in ambiente cloud (AWS)
• Data Visualization
• Laboratorio - Team Project

Presentare gli elementi base della statistica. Fornire le principali tecniche statistiche di Data Mining e Machine Learning attraverso strategie per l’analisi di grandi moli di dati  illustrando le problematiche connesse.

• Foundations on Statistics
• Inferenza e distribuzioni
• Fondamenti di inferenza (stimatori, IC, test e  pvalue)
• Statistical Modelling: Modelli statistici (logit e regression)
• Data Mining & Machine Learning
• Train, Test, Validation e Crossvalidation
• Overfitting E Bias vs Variance tradoff
• Classification Metrics
• Knn, Naive Bayes, Random Forest, Boosting, Ensemble Logistic Regression Classifier, Neural Networks
• Outlier management, Regularization
• Forecast Cluster Analysis
• Data Preprocessing & Machine Learning
• Laboratorio – Team Project

Il modulo si propone di fornire le conoscenze fondamentali e le principali metodologie e strumenti di AI (induttiva) per la manipolazione ed analisi dei dati strutturati e non strutturati, con particolare attenzione ai dati online (immagini e testi). Sviluppare soluzioni prototipali (use case) in contesti applicativi reali per dimostrare l'applicazione pratica.

• Natural Language Processing in Business
• Fundamentals of deep learning for text analytics
• Web Analytics and Sentiment Analysis
• Text Representation through word embeddings
• Large Language Models (LLM)
• Generative AI
• Explainable AI for Decision Making
• Computer Vision in Business
• Fundamentals of deep learning for computer vision
• Relevant Neural Network Architectures for Computer Vision
• Neural Networks for Image Classification, Segmentation and Object Detection
• Laboratorio - Team work

Fornire le conoscenze base per la gestione dei progetti. Introdurre gli aspetti tecnici e organizzativi per l'evoluzione delle organizzazioni in ottica Data-Driven. Presentare le basi dei processi di Decision Making e la loro evoluzione verso un processo decisionale Data-Driven. Analisi delle principali aree di applicazione della AI e Data Analytics nella gestione dei processi aziendali. In particolare applicazioni della AI al CRM,  Manufacturing e Finance. Presentazione di casi aziendali. AI Challenge.

• Data-drive organisation
• AI & Data Driven Marketing
• AI & decision making
• Agile project management
• Machine Learning e customer relationship management