Data Science and Business Analytics

Il corso si occupa degli aspetti etici derivanti dalla manipolazione di dati. In particolare si focalizza sulla legislazione riguardante la protezione dei dati personali nel contesto italiano ed europeo e delle implicazioni della General Data Protection Regulation in vigore da maggio 2018. Il corso coprirà nello specifico le impliaczioni sulla legalità dei processi, i diritti di chi fornisce i dati e potenziali implicazioni legali di chi esegue analisi dati.

Business intelligence (BI), motivazioni, obiettivi, definizioni e soluzioni.

Data warehousing come tecnologia abilitante per la BI: architetture, tecniche e metodologie di On-Line Analytical Processing (OLAP) per l’analisi dei dati.

Modellazione multidimensionale con il Dimensional Fact Model (DFM).

Self-service BI su piattaforme Relational OLAP.

Analisi what-if.

Esercitazioni di laboratorio su OLAP, DFM e self-service BI.

Le nuove priorità nel marketing management: le marketing metrica e la dashboard degli indicatori di marketing.
Dal valore per il cliente al valore del cliente: value for the customer, customer satisfaction e loyalty, customer equity. Analisi, misurazione e management.
Customer Relationship Management: agire su acquisition, retention e development.
Big Data e Customer Insight Management. I customer insight ed il big data per migliorare le decisioni di marketing e management.
Marketing Modeling e Marketing Analytics

Modelli e metodologie per l’estrazione di conoscenza da basi di dati. Studio delle tipologie di dati e dei metodi di pre-trattamento. 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. Laboratorio di data mining per l’applicazione dei metodi studiati.

Il modello di riferimento. Gli analytics per la comprensione del modello e delle dinamiche di business dell’impresa. Business process analytics, market, custodian e supply chain analytics; competitors analitics. Financial cost and revenues analitics. L’impiego dei business analytics nella progettazione dei sistemi di misurazione della performance aziendale.

Analisi Univariate: Distribuzioni di caratteri quantitativi e qualitativi. Indicatori di sintesi: i valori medi e gli indici di variabilità. Trasformazioni di dati. Rappresentazioni grafiche Associazione tra variabili: Connessione, covarianza, correlazione. Il modello di regressione lineare Elementi di calcolo della probabilità: Probabilità (Binomiale, Poisson, Normale) Cenni all’inferenza statistica: Intervalli di confidenza e test d’ipotesi Analisi di dati multidimensionali: Matrice dei dati, di varianza e covarianza, di correlazione, di dissimilarità Esercitazioni in laboratorio con software dedicato

Il corso analizzerà ed approfondirà alcuni problemi tipici di operations management e li affronterà attraverso una modellizzazione quantitativa a supporto del processo decisionale. I temi verranno trattati coniugando un approccio business-oriented e metodologie quantitative di base statistico-econometrica. I contenuti principali sono relativi a: gestione della capacità produttiva, gestione e controllo del magazzino, service operations, selezione e monitoraggio dei fornitori, processi di ottimizzazione e simulazione. I principali obiettivi formativi del corso riguardano la capacità di modellizzare situazioni aziendali complesse e di analizzarle attraverso tecniche e strumenti quantitativi volti a monitorare e a migliorare le performance aziendali, di team e individui.

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, sentiment analysis e opinion mining. 

Il corso analizza il quadro di riferimento giuridico dei diritti della persona di fronte alla tecnologia, della tutela dei dati personali, della intersezione tra persona e mercato al cospetto delle piattaforme tecnologiche e dei big data, a partire dai riferimenti normativi di GDPR, Digital Service Act e altri formanti giuridici a vocazione globale. Attenzione sarà posta alla sfida etica sottesa all’equilibrio tra intervento umano e intelligenza artificiale, alla comparazione tra linguaggio giuridico e algoritmi in vista della spiegabilità dei modelli, al ruolo del diritto e del regolatore al cospetto dei mutamenti tecnologici, alla governance e al risk management dei dati.

Alcuni insights riguardano le decisioni automatizzate, la profilazione anche nel settore del credito e dell’assicurazione, la convivenza tra incumbents e new entrants nel settore finanziario.

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).

Verrano 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.

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.

Sin dai primi automi meccanici del XVII secolo, uno dei più grandi sogni dell’umanità è stato la costruzione di macchine che mostrassero comportamenti e intelligenza umani. 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.

Gli ultimi anni hanno visto un sensazionale utilizzo di applicazioni di intelligenza artificiale in vari ambiti differenti, con una rilevante crescita negli investimenti, che ha indotto molti esperti a credere che il sogno diventerà realtà in tempi brevi.

Ciò sta portando molte imprese a riconsiderare le proprie strategie di business e più generalmente, richiede una profonda riconsiderazione di vari aspetti fondamentali per la nostra società.

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.

La capacità dell’uomo di creare sistemi inviolabili rappresenta un mito ricorrente. Spesso, tuttavia, questo si è scontrato con una realtà ben diversa dalle aspettative.

Obiettivo di questo corso è quello di trasmettere i concetti ed i principi alla base della sicurezza informatica (ad esempio, il rischio e gli strumenti per la sua analisi e valutazione, la struttura degli attacchi informatici, il concetto di risorsa ed i requisiti funzionali dei sistemi, l’adeguata gestione della componente umana, ecc.), fornendo così gli strumenti per la costruzione di sistemi ragionevolmente sicuri, tenendo conto sia degli aspetti metodologici, che di quelli comportamentali (operation security) e tecnologici.

Al termine del corso, i partecipanti saranno in grado di valutare in modo critico la sicurezza di un sistema informatico nel suo complesso così come delle sue componenti fondamentali (ad esempio i meccanismi di autenticazione e di autorizzazione degli utenti), essendo in grado di individuare alcune delle possibili vulnerabilità del sistema e di mettere in atto le principali contromisure necessarie per mitigare le criticità individuate, incrementando quindi la robustezza del sistema.

 Per il raggiungimento di questi obiettivi, il corso prevede la presentazione e discussione estensiva di esempi, casi reali ed attuali che saranno dettagliatamente e puntualmente analizzati secondo le metodologie illustrate durante il corso.

 Gli strumenti appresi durante questo corso di base saranno fondamentali per i successivi corsi di “Cryptographic Protocols” e “Computer, Network and Cloud Security”.

Il corso si concentra sugli aspetti finanziari seguendo il ciclo di vita di iniziative innovative a partire dalla loro nascita. Queste giovani imprese di solito richiedono sostanziali finanziamenti esterni nelle prime fasi per creare occupazione, crescita, contributi sociali ed entrate fiscali nel loro futuro. I finanziamenti bancari non sono disponibili per queste iniziative e, pertanto, tutti i fondi devono essere raccolti da altre fonti, ad es. Da amici, familiari, business angels oppure da intermediari finanziari professionali, i cosiddetti fondi di venture capital e private equity. Oltre a questi canali tradizionali, le imprese possono raccogliere fondi utilizzando le piattaforme digitali (crowdfunding) o le tecnologie basate su blockchain (ICO).

Il corso affronta in modo approfondito alcuni temi relativi alle tecnologie blockchain, quali criptovalute, ICO, e smart contract. Bitcoin e nuove criptovalute hanno acquisito molta importanza negli ultimi mesi. Sempre più investitori guardano con interesse a queste tecnologie, mentre altri le etichettano come una pericolosa bolla speculativa. Più importante: la blockchain e le implementazioni alternative legate a un distributed ledger rappresentano tecnologie innovative, che possono essere sfruttate per distribuire nuove applicazioni. Inoltre, la possibilità di creare smart contract, basati sulla blockchain, consente interazioni e accordi più sicuri tra diverse (e possibilmente anonime) parti, senza la necessità di un’autorità centrale. Questo corso illustrerà i principi e le basi fondamentali della blockchain e degli smart contract.

L’obiettivo del corso è di inquadrare il digitale come l’era in cui avvengono importanti e radicali trasformazioni nelle aziende a seguito di un mutato comportamento delle persone, che grazie alle nuove tecnologie possono esprimere il loro potenziale in un modo sino ad oggi sconosciuto. In particolare verranno presentati gli ambiti in cui la trasformazione digitale ha maggiore impatto e come le modalità stesse della creazione e distribuzione del valore possano oggi essere completamente ripensate attraverso dei metodi di progettazione del business a piattaforma e attraverso gli ecosistemi che vedono le persone come attori protagonisti in ruoli dove vengono meno le classiche distinzioni tra consumatori e produttori.

In questa prospettiva il corso permetterà ai partecipanti di:

Inquadrare i marco-trends che muovono la trasformazione digitali;
Comprendere le dinamiche specifiche dei business digitali e gli elementi chiave di progettazione;
Avere una overview sui percorsi di trasformazione digitale;
Comprendere come le dinamiche di ecosistema digitale si sposano con l’innovazione di business.

• Machine Learning and Deep Learning in the IoT
• The impact of Data Science
• Analytics for IoT

La rivoluzione digitale ha portato ad una esplosione della quantità di dati e informazioni disponibili (Big Data), la capacità di analizzare e correlare queste informazioni sta diventando un elemento basilare della competizione d’impresa e fonte di nuovo valore economico e d’innovazione. I Big data sono tuttavia informazioni non facili da gestire utilizzando i tradizionali strumenti dell’Information Technologies a causa della loro mole, della loro eterogeneità e delle loro numerose peculiarità. Per questo motivo stanno nascendo nuove architetture, metodologie e strumenti a disposizione di chi questi dati li deve trasformare in valore per l’azienda per supportare il processo decisionale: il Data Scientist. In questo modulo verranno analizzati le diverse tipologie di dati a disposizione, tecniche di accesso alle informazioni, le metodologie per gestirli e le architetture e strumenti per memorizzarli ed elaborarli.

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.