Matteo
Francia
Professore assistente (junior) in Informatica e Ingegneria Università di Bologna
Matteo Francia è professore assistente (junior) presso l’Università di Bologna, dove ha conseguito il dottorato di ricerca in Informatica e Ingegneria.
Le sue materie di insegnamento sono i big data, le piattaforme cloud e i principi dell’informatica.
La sua ricerca si concentra sull’analisi avanzata dei big data, con particolare riferimento ai database, ai dati sulla mobilità e all’agricoltura di precisione.
È autore di pubblicazioni in conferenze e riviste internazionali, tra cui Information Systems, Information Systems Frontiers, IEEE TKDE, DOLAP, ADBIS, ER e EDBT, dove è stato premiato come miglior documento dimostrativo nel 2021.
È stato presidente del programma del DATAPLAT (2022-2024) e guest editor per le riviste internazionali Future Generation Computer Systems e Information System Frontiers.
Ha collaborato con diverse aziende nei settori dei dati sulla mobilità e dell’agricoltura di precisione.
Nel 2019 è stato visiting scholar presso l’Università del Queensland.
Ha conseguito il master e la laurea con lode presso l’Università di Bologna rispettivamente nel 2017 e nel 2014.
È stato premiato dal Rotary nel 2018 e nel 2017 come miglior laureato rispettivamente della Scuola di Ingegneria e Architettura e di Informatica e Ingegneria.
CORSI
Questo corso introduce i principi e i metodi di base della Business Intelligence con particolare riferimento a Data Warehousing, analisi OLAP e social intelligence. Si concentra inoltre su come le soluzioni di Business Intelligence possono essere concepite in base ai requisiti e ai desideri degli utenti e prevede una sessione pratica con strumenti OLAP (principalmente Power BI).
Data Marketing and AnalyticsQuesto 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.
Data Science and Business AnalyticsArtificial Intelligence and Innovation Management
- Introduzione all’Intelligenza Artificiale
- Tecniche, algoritmi e metodologie
- Analisi di casi di studio
- Laboratorio di Data Mining con Weka
Sviluppo di un percorso con le principali tecnologie in ambito analytics: dalla preparazione dei dati grezzi all’analisi OLAP e alla AI
(Big) Data and Artificial Intelligence