Data Science and Business Analytics

I Big Data sono una grande sfida nel mondo di oggi. Le aziende e gli enti pubblici hanno l’urgente necessità di gestire l’acquisizione, la presentazione, la condivisione, l’analisi e la visualizzazione dei dati.

Il primo modulo inizia con una panoramica generale sulla rivoluzione dei dati e sull’Industria 4.0, per poi addentrarsi nel mondo delle tecnologie e delle architetture fornite dai principali fornitori di cloud e tecnologie.
Nella seconda parte, il corso esplora come utilizzare al meglio i dati strutturati e non strutturati al meglio, così da lanciarsi nel “mondo AI” per ottenere insight a supporto delle decisioni aziendali, con alcuni casi di studio.

L’obiettivo del corso è quello di introdurre le piattaforme di business intelligence (BI), con particolare riferimento ai data warehouse visti come tecnologia abilitante per la BI. L’insegnamento si concentrerà principalmente su OLAP, modellazione multidimensionale (sia a livello concettuale che logico) e self-service BI. Verranno inoltre fornite alcune nozioni sull’integrazione e la pulizia dei dati.

Il corso si propone di esplorare i principi dell’analisi di bilancio. Fornisce ai partecipanti un quadro di riferimento per comprendere come il valore e i rischi dell’impresa siano catturati nei bilanci e come valutarli correttamente.

Al giorno d’oggi è fondamentale poter utilizzare i dati per prendere decisioni di marketing migliori. Ciò è possibile grazie a una migliore comprensione, previsione e gestione del comportamento dei clienti in un panorama in cui i clienti stessi e i marchi (le aziende) sono i responsabili delle decisioni. Questo corso si concentra sull’uso applicato di varie tecniche/metodi, teorie e approcci della letteratura di marketing in casi aziendali pratici. In parole più particolari, ciò significa esplorare, indagare e prevedere i dati comportamentali e attitudinali (dei clienti) per fornire risposte guidate dai dati a domande di mercato rilevanti.

Questo corso enfatizza i metodi statistici utili per affrontare i moderni problemi di analisi dei dati. Un’attenzione particolare è dedicata alle tecniche che aiutano i manager a fare un uso intelligente dei database, riconoscendo modelli e facendo previsioni.

Gli studenti svilupperanno le capacità per:
• pianificare un processo di analisi statistica dei dati
• gestire una fonte di dati
• scegliere il metodo migliore per analizzare i dati
• implementare l’analisi e interpretare i risultati

Questo corso è la naturale continuazione del corso di Machine Learning. Fornisce le linee guida per l’esecuzione di un processo di Data Mining e poi discute, con esempi pratici, la pipeline completa dai dati alle nozioni di machine learning.
In particolare vengono affrontati i seguenti temi:

• Le funzioni del Data Mining.
• Apprendimento supervisionato e non supervisionato.
• Algoritmi e metodi per la costruzione di modelli di classificazione.
• Algoritmi di clustering.
• Algoritmi di scoperta di regole associative.
• Metodi di valutazione della qualità dei risultati del mining.

I principi sono introdotti in classe con la presentazione di slides e discussioni stimolanti con gli studenti. I metodi vengono poi applicati con esercitazioni di laboratorio.

Le attività del laboratorio prevedono di affrontare il processo completo di Data Analytics partendo dalla fase di lettura  dei dati mediante diversi approcci, l’elaborazione dei modelli di analisi e la visualizzazione dei risultati. In particolare saranno approfonditi linguaggi di programmazione come R, Python e TensorFlow con particolare riferimento alla loro esecuzione in ambiente  di  Calcolo ad Alte Prestazioni (HPC). In questo contesto saranno utilizzate librerie per il calcolo parallelo (H2O) e il Deep Learning (Keras).

Verranno trattati anche programmi per la creazione di Workflow grafici per il Data Analytics come Knime ed Orange. Al termine verrà realizzato un progetto pratico partecipando ad una Kaggle competition.

Corso tenuto dallo staff CINECA (Dipartimento Super Calcolo, Applicazioni e Innovazione
e Laboratorio Big Data e Analytics), coordinamento di Giorgio Pedrazzi.

L’intelligenza artificiale (AI) è una disciplina il cui obiettivo è quello di realizzare questo sogno attraverso l’uso delle tecniche più diverse, dalla computazione simbolica basata sulla logica, ai modelli sub-simbolici ispirati dalla struttura del cervello, come le reti neurali. Il corso fornirà una panoramica introduttiva sulle diverse tecniche di intelligenza artificiale esistenti, focalizzandosi sulle applicazioni industriali, discutendo le sfide e le opportunità future, affrontando anche alcune delle implicazioni sociali, economiche ed etiche.

Il corso offre una introduzione ai principi e ai metodi di base del Data Mining e del Machine Learning, con particolare riferimento a Classificazione, Clustering, Regole di associazione, scoperta degli Outlier. Analisi dei principali problemi legati alla qualità dei dati e alla loro trasformazione. Python verrà utilizzato nell’ambito del corso per risolvere problemi di machine learning.

L’obiettivo del corso è quello di presentare gli aspetti teorici e pratici della text mining per quanto riguarda classificazione del testo, sentiment analysis e opinion mining.

Alla conclusione del corso gli studenti acquisiranno la conoscenza necessaria per poter affrontare problemi di text classification, text processing, sentiment anlysis e opinion mining, transfer learning, utilizzando anche deep neural networks, language models e explanation text mining.

La digitalizzazione dell’economia è uno dei problemi più rilevanti del nostro tempo. L’obiettivo di questo corso è di analizzare come l’economia digitale abbia sostanzialmente sfidato i modelli di business tradizionali e creato nuove opportunità di business.Dopo una breve introduzione dell’economia digitale, verranno presentate le strategie di business specifiche adottate dai diversi attori in questo ecosistema, in particolare le piattaforme. Inoltre, verranno presentate le implicazioni per le politiche e la regolamentazione pubbliche. In particolare, si discuterà rigurardo le nuove pratiche commerciali e i contratti nell’economia digitale e il loro impatto sulla società. Verranno analizzati casi di studio concreti relativi ad Amazon, Airbnb, Booking.com, Facebook, Google, Uber e altri.

Le reti neurali costituiscono una classe di algoritmi di machine learning , ispirati al cervello e strutturati in strati di neuroni artificiali interconnessi. La rete può essere addestrata su un opportuno insieme di dati per ottimizzarne le connessioni per svolgere un compito specifico.

Le reti neurali “deep”, cioè le reti con molti stati interni (chiamati nascosti), hanno recentemente visto un grande successo in molte applicazioni pratiche. Esse sostituiscono il cuore dei sistemi di produzione, in imprese come Google e Facebook , per la classificazione delle immagini, il riconoscimento vocale, l’elaborazione del linguaggio naturale, la comprensione del linguaggio e la robotica.

Il corso fornisce una panoramica delle idee fondazionali e degli sviluppi recenti nell’ambito delle reti neurali, spiegando le loro potenzialità per scopi pratici. Saranno affrontate tecniche supervisionate e non supervisionate, metodi per la visualizzazione e la comprensione del comportamento delle reti e tecniche antagoniste per ingannare le reti stesse. Saranno oggetto del corso anche le nuove applicazioni nel campo del reinforcement learning, e alcuni sorprendenti risultati in ambito di simulazione di giochi.

L’obiettivo è quello di fornire le conoscenze di base sui principali concetti e principi della sicurezza informatica (ad esempio, il rischio, gli strumenti per la valutazione del rischio, gli attacchi e la loro struttura tipica, le risorse, i requisiti funzionali dei sistemi, la componente umana). In questo modo, il corso fornirà gli strumenti di base per la progettazione e l’implementazione di sistemi ragionevolmente sicuri. Durante questo processo, è necessario prendere in considerazione sia gli aspetti metodologici che quelli tecnologici e comportamentali (cioè la sicurezza delle operazioni).

Il corso affronta le principali questioni etiche, politiche e giuridiche legate all’IA, con particolare riferimento al mito dell’etica dell’intelligenza artificiale, alle proprietà politiche dei sistemi informatici e alle norme italiane e europee sull’IA. L’analisi concettuale sarà accompagnata dalla discussione di casi concreti. I partecipanti svilupperanno così la capacità di riconoscere le fallacie, i miti e le narrazioni fuorvianti – che inducono all’adozione affrettata di prodotti immaturi – e di individuare percorsi di automazione realistici e conformi ai diritti fondamentali.

Questo corso esplora come l’AI stia trasformando l’evoluzione naturale delle imprese, ridefinendo processi, processi decisionali e interi modelli di business. Analizziamo cosa significa costruire un’organizzazione AI-first e i nuovi ruoli che guidano questo cambiamento, come l’AI Strategist e l’AI Solution Architect. Attraverso casi concreti e strumenti pratici, mostriamo come l’AI supporti l’innovazione continua e la sperimentazione strategica. L’attenzione è posta sull’uso dell’AI non solo per automatizzare, ma per ripensare il modo in cui le aziende creano valore e si adattano nel tempo. Gli studenti imparano a guidare la trasformazione del business attraverso un’evoluzione basata su evidenze e abilitata dall’AI.

Questo corso è progettato per dotare gli studenti di competenze pratiche nello sviluppo No-Code. Il programma copre i fondamenti, inclusi vantaggi, limiti, strumenti chiave e l’intersezione con l’AI. I moduli pratici includono lo sviluppo di siti web, landing page, chatbot basati su AI, agenti AI e sistemi di automazione, il tutto tramite strumenti No-Code e di Vibe Coding.

Questo corse offre un’introduzione pratica ai Large Language Models (LLM) e ai sistemi di intelligenza artificiale multimodale, guidando i partecipanti dalle basi delle reti neurali fino alle moderne capacità generative e agentiche. Attraverso spiegazioni concettuali, esempi reali e dimostrazioni pratiche, il corso mira a mostrare come gli LLM elaborano le informazioni, come interagire efficacemente con essi tramite il prompt engineering e come possano essere integrati con strumenti, automazioni e fonti di conoscenza esterne.

L’obiettivo è fornire ai partecipanti le competenze necessarie per comprendere, utilizzare e applicare gli LLM con sicurezza all’interno di contesti professionali e organizzativi.