L’obiettivo del Corso è quello di trasferire al discente le competenze necessarie per renderlo in grado di comprendere i Big Data e come effettuare delle analisi su di essi al fine di fornire il corretto supporto dei processi decisionali. Agli allievi saranno inoltre fornite competenze su Social Network Analysis, Machine Learning e Data Mining. Il Corso fornirà competenze teoriche e pratiche sui seguenti argomenti: Big Data, Big Data Analysis, 4 tipologie di Data Analysis (Descrittiva, Predittiva, Prescrittiva e Automatizzata), matematica e statistica per la Big Data Analysis, algoritmi, strutture dati e gestione delle basi di dati con introduzione ai database relazionali e non relazionali, intelligenza artificiale e machine learning, machine learning e famiglie di algoritmi (elaborazione di algoritmi in grado di evidenziare entità e classificare contenuti eterogenei, ricorrendo anche a tecniche di Neuro-Linguistic Programming), Data Mining con sviluppo ed utilizzo di metodologie specifiche (regressione, clustering, associazioni), identificazione di modelli finalizzati all’interpretazione dei dati anche con capacità predittiva, Social Media Analysis (mediante lo sviluppo e l’elaborazione di specifici indicatori e metriche finalizzati alla descrizione dei principali Social Network e all’analisi di reti e contenuti), Google Cloud Platform per i Big Data e Google Analytics e Dispositivi IOT, strumenti di visualizzazione dei dati: Google Data Studio, esercitazioni pratiche mediante la discussione di casi reali.
Il Corso si propone di formare figure professionali nell’area sistemica informatica, che saranno in grado di assumere posizioni di:
− Esperto di collezionamento e storicizzazione di grandi moli di dati
− Esperto di esplorazione e visualizzazione di grandi moli di dati
− Esperto di grandi moli di dati tramite tecnologie di machine learning e data mining
− Data engineer
− Data scientist

Organizzazione didattica

Il Corso si articolerà, nell’arco di 3 settimane, in 93 ore di lezioni (teoriche e/o pratiche) più 3 ore per l’esame finale.

🔵 n. posti: 12

Titoli di studio richiesti

diplomati e laureati in qualsiasi classe che, sulla base del curriculum formativo, dell’esperienza pregressa e dell’esame di ammissione iniziale dimostrino adeguate competenze informatiche propedeutiche per seguire il Corso.
Oppure:

• diploma di scuola secondaria e laurea in qualsiasi classe che, sulla base del curriculum formativo, dimostrino adeguate competenze informatiche propedeutiche per seguire il Corso
• non diplomati in qualità di uditori che, pur non in possesso di titolo scolastico, abbiano adeguate competenze informatiche propedeutiche per seguire il Corso.

Occorre in ogni caso essere in possesso di un diploma di scuola secondaria superiore.

Piano formativo

• Introduzione ai Big Data
• Big Data Analysis
• Le 4 tipologie di Data Analysis: Descrittiva, Predittiva, Prescrittiva e Automatizzata
• Cenni di Matematica e Statistica per la Big Data Analysis
• Algoritmi, Strutture dati e Gestione delle basi di dati
• Intelligenza artificiale e machine learning
• Machine Learning e famiglie di algoritmi
• Data Mining con sviluppo ed utilizzo di metodologie specifiche (regressione, clustering, associazioni)
• Identificazione di modelli finalizzati all'interpretazione dei dati anche con capacity predittiva
• Social Media Analysis
• Marketing analytics
• Google Cloud Platform per i Big Data e Google Analytics e Dispositivi di IoT
• Strumenti di visualizzazione dei dati: Google Data Studio
• Laboratorio: Esercitazioni pratiche mediante la discussione di casi reali

Comitato di gestione

Direttore
Prof. Alessandro Armando

Componenti UniGe
proff. Rodolfo Zunino, Luca Oneto, Enrico Russo

Componenti esterni
Cap. T. Augusto Zappatore - Amministrazione Difesa, Scuola Telecomunicazioni FF.AA. di Chiavari