Master universitario di II livello
Anno accademico 2020/2021
I EDIZIONE
Direttore del Master
Massimo CAFARO
Consiglio Scientifico
Giovanni ALOISIO
Mario Alessandro BOCHICCHIO
Massimo CAFARO
Angelo COLUCCIA
Cosimo DISTANTE
Italo EPICOCO
Gianpaolo GHIANI
Antonella LONGO
Luca MAINETTI
Giuseppe RICCI
Francesco TOMMASI
Daniele MARTELLO
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);
- le rimanenti ore in attività di studio individuale.
Le lezioni in aula si terranno nei giorni di venerdì e sabato, anche in modalità telematica (collegamento Skype, Cisco Webex o Microsoft Teams). Inoltre, le lezioni saranno erogate in due ulteriori pomeriggi.
Percentuale di frequenza obbligatoria: 75%
Periodo di svolgimento
Data di inizio prevista: 01 novembre 2020
Data di conclusione delle attività didattiche: 30 ottobre 2021.
Data dell’esame finale: entro il 31 dicembre 2021
8 ore nei giorni di venerdi e sabato e 4 ore in ciascuno dei due pomeriggi previsti
Numero minimo/massimo dei posti
Minimo: 10 – Massimo: 30
Modalità di svolgimento delle verifiche periodiche e della prova o prove finali
Per le verifiche periodiche: si prevede, in funzione dello specifico insegnamento, una prova di verifica orale, scritta, un progetto oppure una combinazione delle modalità di verifica precedenti.
Per la prova finale: si prevede lo svolgimento di un project work.
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)
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.
Qualora il numero di domande di ammissione sia inferiore o uguale al numero massimo di posti disponibili, le stesse sono sottoposte a verifica dal referente amministrativo del Dipartimento di Ingegneria che constata il possesso dei requisiti di accesso dei candidati.
Qualora le domande di ammissione siano superiori al numero massimo di posti disponibili, il Consiglio del Master nomina la Commissione selezionatrice dei candidati che abbiano presentato domanda di partecipazione al Master. La Commissione, in particolare, sarà composta da un numero di componenti non inferiore a tre (n. 3), presieduta dal Direttore del Master, prof. Cafaro. Le riunioni della Commissione selezionatrice dei candidati potranno essere svolte anche in modalità telematica.
La graduatoria degli ammessi, predisposta dalla Commissione selezionatrice, sarà inviata all’amministrazione centrale per la pubblicazione all’albo Ufficiale e per gli adempimenti conseguenti. Per quel che concerne la valutazione della idoneità dei titoli conseguiti all’estero, il Consiglio del Dipartimento di Ingegneria dell’Innovazione, su proposta del Consiglio del Master, effettua la valutazione dei titoli conseguiti all’estero e della loro equipollenza.
La Commissione procederà alla valutazione delle domande pervenute ed 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.
Almeno il 20% dei posti è riservato gratuitamente al personale dell’Università del Salento che sia in possesso di una delle lauree previste per l’ammissione, previa verifica della sostenibilità finanziaria.
Contributo d'iscrizione dei Master
L’iscrizione al Master richiede un contributo di 3.500,00.
| Insegnamento | SSD | Crediti | Ore di lezione | Docente |
| Statistica computazionale | SSD ING-INF/03 | crediti 5 | Docente 40 | Docente Coluccia Angelo |
| Laboratorio di analisi esplorativa e Big Data | SSD ING-INF/05 | crediti 5 | ore lezione frontale 40 | Docente Bochicchio Mario |
| Data Mining | SSD ING-INF/05 | crediti 5 | ore lezione frontale 40 | Docente Cafaro Massimo |
| Teoria dell'apprendimento automatico | SSD ING-INF/03 ING-INF/05 | crediti 5 | ore lezione frontale 40 | Docente Distante Cosimo |
| Modelli decisionali ed ottimizzazione | SSD MAT/09 | crediti 5 | ore lezione frontale 40 | Docente Guerriero Emanuela |
| Laboratorio di programmazione AI | SSD ING-INF/05 | crediti 5 | ore lezione frontale 40 | Docente Epicoco Italo |
| Aspetti legali della gestione dell'informazione | SSD IUS/10 | crediti 3 | ore lezione frontale 24 | Brocca Marco Docente |
| Laboratorio di programmazione python | SSD ING-INF/01 | crediti 5 | ore lezione frontale 40 | Docente Caruso Antonio Mario |
| Matematica per data science | SSD MAT/05 | crediti 5 | ore lezione frontale 40 | Docente Leaci Antonio |