Master universitario di II livello
Anno accademico 2020/2021
I EDIZIONE
Direttore del Master
Massimo CAFARO
Consiglio Scientifico
Massimo CAFARO
Angelo COLUCCIA
Cosimo DISTANTE
Italo EPICOCO
Gianpaolo GHIANI
Antonella LONGO
Luca MAINETTI
Giuseppe RICCI
Francesco TOMMASI
Daniele MARTELLO
Responsabile del procedimento e Referente amministrativo
Sara Quarta
E-mail: sara.quarta@unisalento.it
Telefonico: +39 0832 29 9015
Partnership
Aziende Aìaffernti al Ditech
Il Master è coerente con gli obiettivi della "Smart specialization strategy" della Regione Puglia e consente la partecipazione all’Avviso pubblico regionale n. 2/FSE/2020 “PASS LAUREATI 2020” Voucher per la formazione post-universitaria – nell’ambito del P.O.R. PUGLIA FESR_FSE 2014-2020 – FONDO SOCIALE EUROPEO 2014IT16M2OP002
Dichiarazione di coerenza PASS LAUREATI*
Si precisa che l'allegata attestazione di coerenza fa salva la valutazione di merito circa la finanziabilità dell’iniziativa rimessa, come risulta dal paragrafo G del Bando (Procedure e criteri di ammissibilità) nonchè dal testo delle FAQ pubblicate sul portale Sistema Puglia, ad un Gruppo di lavoro/Nucleo appositamente nominato per l'esame delle candidature ed alla cui istruttoria e valutazione la presente attestazione non può sostituirsi.
L’applied data scientist si occupa del pre-processing e della organizzazione dei dati, spesso grandi moli di dati (big data), al fine di effettuare le analisi necessarie per inferire nuova conoscenza estraendola dai dati disponibili. Pertanto, sviluppa appositi modelli e supporta i processi decisionali relativi ad aspetti critici del business. In particolare, nell’ambito di questo master i settori applicativi più rilevanti, da cui saranno estratti degli use-cases, includono banche e finanza, biologia e sanità, pubbliche amministrazioni, marketing, logistica e produzione, aerospazio, climate change, fenomeni complessi fisici ed astrofisici.
L’applied data scientist deve possedere non solo data analytical skills, ma anche programming skills, la capacità di gestire big data e progettare algoritmi che includano anche la conoscenza del particolare dominio applicativo a cui i dati fanno riferimento. Questa figura professionale deve essere in grado di interpretare correttamente i risultati ottenuti, di visualizzarli in modo opportuno e di narrare, tramite storytelling, le soluzioni adottate agli stakeholders coinvolti nel processo di business decision making. Nel suo bagaglio devono essere presenti metodi di analisi tradizionali e non, al fine di essere in grado di costruire modelli statistici e scoprire pattern nei dati.
Alle tradizionali capacità di accesso ai dati in DBMS tramite SQL, l’applied data scientist deve coniugare buone capacità di preprocessing dei dati mediante operazioni ETL e di effettuare un’analisi esplorativa dei dati.
Statistica, Data Mining, Machine Learning, Predictive modeling, storytelling e visualizzazione, cloud computing, metodi statistici per predictive e prescriptive modeling, algoritmi di knowledge extraction (regressione multipla, pattern recognition, clustering, rule mining, modelli di recommendation) con applicazioni a sentiment analysis, direct marketing, credit scoring etc, metodi di prediction (estrapolazione serie storiche con modelli ARIMA, destagionalizzazione dei dati, modelli di classificazione dalla regressione logistica alle Support Vector Machines etc).
Il Master è strutturato in 1500 ore di cui:
- n. 392 ore di didattica frontale;
- n. 150 ore di stage;
- n. 833 di studio ed altre attività;
- n. 125 ore previste per la prova finale (cui corrisponde l'acquisizione di un numero di crediti pari a 5);
- e le rimanenti ore in attività di studio individuale.
Ai partecipanti è richiesto l’obbligo di frequenza di almeno il 75% delle attività didattiche.
Periodo di svolgimento
Il corso sarà avviato indicativamente i primi giorni di novembre 2022 e si concluderà entro il 30 Ottobre 2023.
Numero minimo/massimo dei posti
Minimo: 10 – Massimo: 30
Requisiti di accesso
Laurea Magistrale/Specialistica in Informatica (LM-18)
Laurea Magistrale/Specialistica in Matematica (LM-40)
Laurea Magistrale/Specialistica in Scienze dell’economia (LM-56)
Laurea Magistrale/Specialistica in Scienze economico-aziendali (LM-77) Laurea Magistrale/Specialistica in Fisica (LM-17)
Laurea Magistrale/Specialistica in Biologia (LM-6)
Laurea Magistrale/Specialistica in Metodologie informatiche per le discipline umanistiche (LM-43)
Laurea Magistrale/Specialistica in Ingegneria delle telecomunicazioni (LM- 27)
Laurea Magistrale/Specialistica in Ingegneria gestionale (LM-31)
Laurea Magistrale/Specialistica in Ingegneria aerospaziale e aeronautica (LM-20)
Laurea Magistrale/Specialistica in Ingegneria civile (LM-23)
Laurea Magistrale/Specialistica in Ingegneria meccanica (LM-33)
Laurea Magistrale/Specialistica in Ingegneria delle Telecomunicazioni (LM- 27)
Laurea Magistrale/Specialistica in Ingegneria Informatica (LM-32)
Il titolo di studio richiesto per l’ammissione al Master dovrà essere posseduto alla data di avvio del Master.
Inoltre, è prevista la possibilità di presentare domanda come partecipanti per singoli moduli o in qualità di uditori (in quest’ultimo caso per soggetti non in possesso del requisito richiesto per l’accesso) solo dopo l’avvio del Master secondo le modalità e le tempistiche che saranno successivamente rese note sul sito internet del Dipartimento.
Modalità di ammissione
Il Master è a numero chiuso e non è attivabile senza il raggiungimento del numero minimo di n. 10 iscrizioni; il numero massimo degli iscritti è fissato in n. 30 unità. Una Commissione procederà alla valutazione delle domande pervenute e alla formazione delle graduatorie sulla base dei seguenti criteri:
- voto di laurea: 1/10 del voto effettivo di laurea. Più 1 punto per la lode;
- dottorato di ricerca: 3 punti;
- master e corsi di perfezionamento e specializzazione: 2 punti;
- pubblicazioni attinenti i temi del master: fino a un massimo 5 punti;
- attività di lavoro dipendente ed autonomo prestato in materie attinenti
al Master: 5 punti.
Nell’ipotesi di mancato raggiungimento del numero massimo di iscritti si procederà all’approvazione dell’elenco degli ammessi con provvedimento del Direttore del Dipartimento.
La graduatoria (o l’elenco degli ammessi) alla frequenza sarà pubblicata sul sito internet di Ateneo nella Sezione “Didattica” – “Dopo la laurea” – “Master e corsi di perfezionamento”, nonché sul sito web del Dipartimento.
Contributo d'iscrizione dei Master
L’iscrizione al Master richiede un contributo di 3.500,00.
È previsto l’esonero dalle tasse di iscrizione per coloro che, da idonea documentazione, risultino in situazione di handicap con riconosciuta percentuale di invalidità pari o superiore al 66%.
I SEMESTRE
Denominazione insegnamento | SSD | CFU | N. ore di didattica frontale | N. ore di Studio individuale |
Laboratorio di programmazione python | SSD ING-INF/05 INF/01 | CFU 5 | N. ore di didattica frontale 40 | N. ore di Studio individuale 125 |
Matematica per data science | SSD MAT/05 MAT/09 | CFU 5 | N. ore di didattica frontale 40 | N. ore di Studio individuale 125 |
Statistica computazionale | SSD ING-INF/03 SECS-S/01 MAT/06 | CFU 5 | N. ore di didattica frontale 40 | Docente 125 |
Laboratorio di analisi esplorativa e Big Data | SSD ING-INF/05 | CFU 5 | N. ore di didattica frontalee 40 | N. ore di Studio individuale 125 |
Data Mining | SSD ING-INF/05 | CFU 5 | N. ore di didattica frontale 40 | N. ore di Studio individuale 125 |
Teoria dell'apprendimento automatico | SSD ING-INF/03 ING-INF/05 | CFU 5 | N. ore di didattica frontale 40 | N. ore di Studio individuale 125 |
Totale I SEMESTRE | SSD -- | CFU 30 | N. ore di didattica frontale 240 | N. ore di Studio individuale 750 |
II SEMESTRE
Denominazione insegnamento | SSD | CFU | N. ore di didattica frontale | N. ore di Studio individuale |
Modelli decisionali ed ottimizzazione | SSD MAT/09 | CFU 5 | N. ore di didattica frontale 40 | N. ore di Studio individuale 125 |
Aspetti legali della gestione dell'informazione | SSD IUS/01 IUS/10 | CFU 3 | N. ore di didattica frontale 24 | 75 N. ore di Studio individuale |
Laboratorio di programmazione AI | SSD ING-INF/05 INF/01 | CFU 5 | N. ore di didattica frontale 40 | N. ore di Studio individuale 125 |
Due insegnamenti a scelta dello studente relativi a use-cases nei seguenti settori | ||||
Natural language processing con python | SSD ING-INF/05 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Economia degli intermediari finanziari | SSD SECS-P11 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Biologia e sanità | SSD ING-INF/05 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Pubblica amministrazione | SSD ING-INF/05 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Innovazione guidata dai dati, marketing digitale e policy evaluation | SSD ING-INF/05 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Logistica e produzione | SSD ING-INF/05 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Monitoraggio di strutture aerospaziali con algoritmi e sensori avanzati | SSD ING-INF/04 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Cambiamenti clima tici | SSD ING-INF/05 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Fenomeni complessi fisici ed astrofisici | SSD FIS/01 FIS/04 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Sport | SSD ING-INF/05 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Agricoltura | SSD ING-INF/05 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Cyber-security ed informa tion priv acy | SSD ING-INF/05 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Sistemi smart per la prevenzione e sicurezza | SSD ING-INF/05 | CFU 3 | N. ore di didattica frontale 24 | N. ore di Studio individuale 75 |
Totale II SEMESTRE | SSD -- | CFU 19 | N. ore di didattica frontale 152 | N. ore di Studio individuale 475 |
Stage | SSD -- | CFU 6 | N. ore di didattica frontale -- | N. ore di Studio individuale 150 |
Prova finale | SSD -- | CFU 5 | N. ore di didattica frontale -- | N. ore di Studio individuale 125 |