Indice

Obiettivi formativi

Il Master Universitario di II livello in “Data Science and Big Data Analytics” si propone di formare un esperto che, attraverso l’applicazione delle più innovative metodologie di analisi e l’utilizzo di diversi strumenti, possa trasformare i dati grezzi in indicazioni di valore utili a risolvere i problemi delle aziende che richiedono decisioni tattiche o strategiche

Torna all’indice


Moduli didattici

Il Master “Data Science and Big Data Analytics” è strutturato in 8 Moduli, che trattano molteplici argomenti: la programmazione, l’utilizzo dei database SQL e NoSQL, la statistica, il Machine Learning, il Deep Learning e le Tecnologie per i Big Data. Il modulo “Use Case pratici” presenterà all’allievo degli esempi pratici su quanto studiato. Infine, negli ultimi due moduli l’allievo metterà in pratica quanto appreso nel corso del Master, essendo coinvolto in un contesto di Stage e Work Experience aziendale

L’obiettivo del modulo è formare lo studente su principi della programmazione Python. Si acquisirà la capacità si costruire programmi ad-hoc per l’estrazione e la manipolazione dei dati.

  • Nozioni base
  • Le strutture di controllo
  • Le funzioni
  • I files
  • Gestione degli errori
  • La programmazione orientata agli oggetti
  • Python & Data Science

L’obiettivo del modulo è formare lo studente alla conoscenza della teoria relativa alle basi di dati relazionali, al modello Entità-Relazione (E-R) e ai database non relazionali. Si acquisirà la capacità di progettare la base di dati di una applicazione facendo uso di database relazionali o non ralazionali.

  • Introduzione ai database
  • Linguaggio SQL
  • Modellazione di un database
  • Linguaggi NoSQL

L’obiettivo del modulo è formare lo studente sulla conoscenza della Statistica descrittiva, calcolo delle probabilità ed inferenza. Con l’obiettivo di utilizzare questi strumenti per l’analisi e l’interpretazione dei dati. Durante il modulo verranno applicati i concetti studiati tramite il linguaggio di programmazione statistica R.

  • Statistica descrittiva con R
  • Calcolo delle probabilità
  • Inferenza
  • Estensione regressione per dati ad alta dimensionalità

L’obiettivo del modulo è formare lo studente sulla conoscenza dei principi di Machine Learning e Deep Learning. Si acquisirà la capacità di comprendere il funzionamento e l’applicazione dei principali algoritmi di Intelligenza Automatica.

  • Riduzione dimensionalità
  • Network Analysis
  • Algoritmi classici clustering
  • Metodi ensemble

L’obiettivo del modulo è formare lo studente sulla conoscenza dei principi in ambito Big Data. Durante il modulo verranno presentati gli strumenti classici per la trattazione dei Big Data.

  • I Big Data
  • Le nuove professioni
  • La Big Data Chain
  • Apache Hadoop
  • Apache Spark
  • Apache Hive
  • Apache Solr
  • Machine Learning per i Big Data
  • Data Cleaning
  • Data Visualization
  • Tutela dei dati

L’obiettivo del modulo è fornire allo studente le competenze informatiche richieste dal mercato del lavoro in ambito Data Science e Big Data Analysis, attraverso use-case pratici opportunamente selezionati.

  • Caso d’uso in ambito Finanziario
    • Data Cleaning
    • Text Analytics
    • Data correlation
    • Machine Learning
  • Caso d’uso in ambito Marketing
    • Data Cleaning
    • Recommender System
    • Data Visualization
  • Caso d’uso in ambito Social Network
    • Data Mining
    • Data Ingestion
    • Data Discovery
    • Sentiment Analysis
    • Data Visualization

Gli studenti saranno coinvolti in un percorso professionalizzante, a contatto con le aziende partner

Gli studenti saranno coinvolti in un Datathon per affrontare e risolvere un problema tratto da dati reali e scriveranno la tesi finale

Torna all’indice


Cronoprogramma della didattica

Modello formativo

Il modello formativo mira a fornire al discente conoscenze e competenze immediatamente spendibili nel mondo del lavoro. Pertanto, prevede l’adozione di differenti metodologie didattiche e consta delle seguenti attività formative: lezioni frontali, analisi e sviluppo di casi di studio, esercitazioni e progetti sia individuali che di gruppo, seminari, convegni, visite aziendali, oltre ad un’attività di stage presso le aziende partner e una prova finale. Le lezioni potranno essere seguite anche da remoto in modalità FAD sincrona. Inoltre garantisce una preparazione degli allievi all’esame di certificazione professionale “1Z0-449 – Oracle Big Data 2017 Implementation Essentials
Il materiale didattico, l’ambiente per lo svolgimento esercitazioni, il sistema di comunicazione audio e video con il docente sono alcuni degli strumenti messi a disposizione dalla piattaforma e-learning di U4Learn

Torna all’indice


Destinatari, Finalità e Sbocchi Occupazionali

Il Master proposto è destinato agli studenti in possesso dei titoli richiesti dal bando e intende formare le figure di Data Scientist, Data Engineer e Data Analyst, figure professionali altamente specializzate con competenze multidisciplinari, fortemente richieste dal mercato del lavoro in ragione della rilevanza trasversale assunta dalla necessità di gestione di grosse mole di dati (Big Data).
In particolare, il Master si prefigge l’obiettivo di rendere gli studenti capaci di:

  • gestire, dal punto di vista computazionale e infrastrutturale, grosse moli di dati;
  • analizzare i dati tramite modelli analitici;
  • interpretare i dati ai fini del supporto al business;
  • presentare i dati sotto forma di dashboard ai fini del supporto alle decisioni;
  • sviluppare soluzioni data-driven per non addetti ai lavori;
  • disporre degli strumenti teorici, computazionali e pratici per affrontare i più disparati problemi di analisi dei dati

Gli argomenti trattati durante il Master, garantiscono, una preparazione degli allievi all’esame di certificazione professionale “1Z0-449 – Oracle Big Data 2017 Implementation Essentials

Torna all’indice


IN BREVE

  

Durata: 12 mesi

  

Crediti: 60 CFU

  

Metodologia: attività in aula o da remoto (FAD sincrona)

  

Struttura: lezioni frontali, esercitazioni, laboratori, stage

  

Lezioni: 348h VEN-SAB

  

Tirocinio: 300h

  

Costo: 5.000 €

  

Partecipanti: 20-50

  

Accesso Certificazione: 1Z0-449 - Oracle Big Data 2017 Implementation Essential


CALENDARIO

Scadenza iscrizioni: 27 MAG 2019

Selezioni: 11 GIU 2019

Inizio lezioni: 13 SET 2019

Didattica: SET-MAR 2019

Tirocinio: MAR-GIU 2020

Datathon: GIU 2020

Consegna elaborato tesi: 28 GIU 2020

Prova finale: 20 LUG 2020


CONTATTI

UNIPA

  

+39 091 23895325


U4LEARN

  

+39 091 5649065

top
Copyright © U4Learn s.r.l.. All rights reserved. P.IVA: IT06556030820