Claudio Sartori è professore ordinario di Machine Learning e Informatica presso l’Università di Bologna. Presso la Bologna Business School è direttore scientifico del Master in Data Science e Business Analytics e consulente per le attività nell’area Data Science. Ha conseguito la Laurea Magistrale in Ingegneria Elettronica (titolo conseguito nel 1981). È stato Visiting Professor presso l’Università Tecnica Federigo Santa Maria, Valparaiso, Cile. Claudio è stato anche responsabile dell’Osservatorio sull’Innovazione Tecnologica per il progetto EULA-GTEC Erasmus +, il cui obiettivo è la progettazione e il lancio di un Osservatorio o Antenna che permetta di percepire i problemi di formazione dei manager (per migliorare l’offerta formativa) e di identificare le richieste delle PMI, che non sono chiaramente rivelate (per migliorare l’identificazione della domanda). L’Osservatorio contribuisce anche all’occupabilità dei laureati creando collegamenti con il mercato del lavoro delle PMI. Claudio conduce una cooperazione di ricerca congiunta con il Dipartimento di Informatica dell’Università Tecnica Federico Santa Maria (UTFSM), Valparaiso, Cile e l’Università di Nizza – Sophia Antipolis, Nizza, Francia.
I moderni processi produttivi sono sempre più digitalizzati, come testimonia il generale interesse per i nuovi modelli operativi noti come “Industry 4.0”. Obiettivo di questo modulo è utilizzare le competenze acquisite negli altri moduli, in particolare quelli di “Data analysis”, “Data Mining” e “Operation Analytics”, per trattare i dati di “Manufacturing” ed estrarre informazioni utili per incrementare l’efficacia dei processi produttivi.
Introduzione ai principi di base e ai metodi di Data Mining e Machine Learning, con particolare riferimento a Classificazione, Clustering, Regole di Associazione. Analisi dei principali problemi relativi alla qualità e alla trasformazione dei dati. Utilizzo di software open source per risolvere problemi di data mining e machine learning, con specifico riferimento a dataset legati all’ambiente e alla sostenibilità.
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:
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 AnalyticsIl 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.
Data Science and Business AnalyticsIl 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.
Finance and FintechIl 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.
Artificial Intelligence and Innovation Management