AIDA si propone di formare professionisti in grado di raccogliere, gestire, processare, elaborare ed analizzare Big Data, utilizzando le tecniche più all’avanguardia nel campo dell’IA (induttiva e generativa), della Statistica e della Data Analytics. L’obiettivo è fornire alle aziende e alle organizzazioni pubbliche competenze strategiche per prendere decisioni basate sui dati e affrontare le sfide di un mondo sempre più digitale, mediato da algoritmi di AI e arricchito dalla Generative AI.
AREA ECONOMICO-STATISTICA GIURIDICA
AI & Data Analytics for Business
Milano
Master 1 Livello
Italiano
12 mesi
In presenza
Vision
Mission
Fornire le competenze tecnologiche, metodologiche e manageriali per estrarre valore dai dati, trasformarli in conoscenza per migliorare le decisioni e i processi aziendali e cogliere nuove opportunità di business.
L’attivazione del master è subordinata all’approvazione da parte degli Organi d’Ateneo.
Percorso
Il percorso si articola in 4 moduli che affrontano gli aspetti fondamentali della gestione, del trattamento e dell’analisi del dato e di project management. C’è la possibilità di seguire percorsi differenziati tenendo conto delle skill e degli obiettivi formativi individuali.
Si alternano lezioni frontali, esercitazioni, homework, laboratori, verifiche delle competenze, presentazione/discussione dei progetti, testimonianze aziendali, seminari azienda/università in conclusione, il project work o uno stage.
Nei laboratori, il lavoro di progettazione di gruppo permette sia un reale apprendimento delle competenze tecnologiche, che l’acquisizione di competenze di comunicazione e di project management.
Organizzazione Didattica
360 ore di Lezione
300 ore di Stage/Project Work
LEZIONI
Aprile - Gennaio (escluse festività e pausa estiva)
12 ore settimanali, il Venerdì dalle 9.00 alle 18.00 e il Sabato dalle 9.00 alle 13.00
PROJECT WORK O STAGE
Gennaio - Aprile
Esami e Frequenza
4
ESAMI
+
1
PROVA FINALE
Per un totale di 60 CFU
RICHIESTO IL
75 %
DELLE ORE DI FREQUENZA
Insegnamenti
Il modulo si propone di fornire le conoscenze fondamentali per comprendere, analizzare e progettare un'architettura di Data Analytics, includendo: architetture Big Data, tecniche di Business Intelligence e Business Analytics, tecniche di visualizzazione e raccolta e modellazione di dati strutturati, semi-strutturati e non strutturati utilizzando paradigmi SQL e NoSQL. Introdurre le componenti metodologiche, architetturali e gli strumenti, approfondendo per ciascuna le funzionalità richieste e i principali prodotti disponibili sul mercato. Sviluppare soluzioni prototipali (use case) in contesti applicativi reali per dimostrare l'applicazione pratica.
- 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 (AWS)
- Data Visualization
- Laboratorio - Team Project
156 ORE
20 CFU
Presentare gli elementi base della statistica. Fornire le principali tecniche statistiche di Data Mining e Machine Learning attraverso strategie per l’analisi di grandi moli di dati illustrando le problematiche connesse.
- 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
88 ORE
11 CFU
Il modulo si propone di fornire le conoscenze fondamentali e le principali metodologie e strumenti di AI (induttiva) per la manipolazione ed analisi dei dati strutturati e non strutturati, con particolare attenzione ai dati online (immagini e testi). Sviluppare soluzioni prototipali (use case) in contesti applicativi reali per dimostrare l'applicazione pratica.
- 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 (LLM)
- 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
56 ORE
7 CFU
Fornire le conoscenze base per la gestione dei progetti. Introdurre gli aspetti tecnici e organizzativi per l'evoluzione delle organizzazioni in ottica Data-Driven. Presentare le basi dei processi di Decision Making e la loro evoluzione verso un processo decisionale Data-Driven. Analisi delle principali aree di applicazione della AI e Data Analytics nella gestione dei processi aziendali. In particolare applicazioni della AI al CRM, Manufacturing e Finance. Presentazione di casi aziendali. AI Challenge.
- Data-drive organisation
- AI & Data Driven Marketing
- AI & decision making
- Agile project management
- Machine Learning e customer relationship management
60 ORE
7 CFU
Comitato Scientifico
Direttore
Componenti
Docenti
Fabio
Mercorio
Professore Ordinario Università Milano-Bicocca
Mirko
Cesarini
Ricercatore Università Milano-Bicocca
Lorenzo
Malandri
Ricercatore Università Milano-Bicocca
Navid
Nobani
Assistant professor in Computer Science
Alessandro
Vaccarino
Co-Founder&CTO @Complaion
Mauro
Pelucchi
Head of Global Data Science Team at EMSIBG
Paolo
Berta
Professore Associato Unviersità Milano-Bicocca
Stefano
Verzillo
Ricercatore, Joint Research Centre, European Commission Ispra
Daniele
Spinelli
Assegnista di ricerca in Statistica
Roberto
Boselli
Ricercatore Università Milano-Bicocca
Quali competenze acquisisci?
Big Data Processing & Data Engineering
Statistical Modelling & Machine Learning
AI & Computer Vision
Data Analytics & management for business
AI & Data Analytics for Business
A chi è rivolto ?
NEOLAUREATI
in discipline economiche o tecnico-scientifiche (STEM) che intendono acquisire le competenze di analisi dati, sempre più richieste dal mercato del lavoro.
in discipline economiche o tecnico-scientifiche (STEM) che intendono acquisire le competenze di analisi dati, sempre più richieste dal mercato del lavoro.
PROFESSIONISTI
che desiderano approfondire le metodologie e tecniche dell’intelligenza artificiale e data analytics per supportare le decisioni aziendali.
che desiderano approfondire le metodologie e tecniche dell’intelligenza artificiale e data analytics per supportare le decisioni aziendali.
Profilo Business
Ha studiato materie economiche e/o lavora nell’area business di un’impresa e vuole diventare esperto nell’utilizzo delle tecniche avanzate di analisi dei dati (analytics) per la gestione dei dati aziendali e per il supporto ai processi decisionali.
Profilo Quantitativo
Ha studiato e/o lavora in ambito ingegneristico, statistico o della ricerca sociale e vuole imparare a sviluppare modelli di gestione dei dati per misurare le performance delle organizzazioni e la valutazione della qualità dei processi e dei servizi.
Profilo Tecnologico
Ha studiato e/o lavora in ambito informatico o ingegneristico e vuole sviluppare competenze nella progettazione di DWS, Data Quality, Web Analytics e nella gestione di grandi quantità di dati strutturati e non strutturati.
Sbocchi professionali
Data/Business Analyst
Data Scientist
Data Engineer
AI/ML Specialist
MULTIMEDIA
News del Corso
