Il modulo permette di acquisire le conoscenze per la comprensione, l’analisi e la progettazione di un’architettura Big Data, conoscere le principali componenti architetturali e, per ciascuna di esse, approfondire le funzionalità richieste e i principali strumenti tecnologici, acquisire le tecniche principali di elaborazione dati in modalità tradizionale e distribuita, progettare e realizzare dashboard di fruizione dati, utilizzando i principali strumenti di mercato.
●    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
●    Data Visualization
●    Laboratorio – Team Project

Il modulo si propone di fornire un’approfondita conoscenza delle tecniche e degli strumenti di Data Mining e Machine Learning, mostrando come possano essere impiegati per risolvere problemi pratici e per fornire valore aggiunto nei processi di business. Dopo una prima parte che fornisce le competenze di Statistical Modelling, vengono presentate le peculiarità distintive del Data Mining e del Machine Learning e le modalità in cui possono essere utilizzate per produrre benefici in processo di analisi di Big Data. L’obiettivo del modulo è di fornire conoscenze che permettano di affrontare un problema di analisi dati in tutte le sue fasi: scopo dell’analisi, preparazione del dato, scelta del modello e della tecnica adeguata confrontando diversi possibili scenari, presentazione dei risultati ottenuti e delle motivazioni sulle scelte effettuate.
●    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 presentare le principali metodologie e strumenti di analisi dei dati NON strutturati presenti nei Social Media (Twitter, Facebook, Instagram, Blog…) e illustrare, anche attraverso la presentazione di casi di studio, le tecniche per valutare l’impatto che l’utilizzo dei dati Social Media può avere sulle strategie e sui processi aziendali. Vengono inoltre approfondite le tecniche per la manipolazione del dato testuale e delle immagini.
●    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
●    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

Il modulo si propone di presentare i concetti e le soluzioni fondamentali per organizzazioni che  desiderano diventare data-driven. Vengono in particolare approfondite due tematiche applicative comuni nelle aziende (corporate performance management e customer relationship management) e l’utilizzo della AI per il supporto delle decisioni aziendali. Il modulo fornisce inoltre le competenze base di Project Management, in particolare con la metodologia Agile.
●    Data-driven organisation
●    Corporate performance management (cpm)
●    Ai & decision making
●    Agile project management
●    Machine learning e customer relationship management (crm)