Dipartimento di Scienze Statistiche

Modulo 1 “Acquisizione, generazione e gestione dati”

Il modulo si propone i seguenti obiettivi:

• introdurre gli studenti al mondo dei database NoSQL, da intendersi come complemento ai database relazionali, ed alle loro prospettive di utilizzo nel campo dei Big Data. Si introdurranno i principali approcci ai database NoSQL, con alcuni approfondimenti verticali e prove di laboratorio;
• introdurre gli studenti ad alcuni rudimenti della programmazione distribuita per il trattamento e l'analisi di Big Data. Si prenderà in considerazione il paradigma di calcolo MapReduce e la sua applicazione resa possibile dal framework Apache Spark;
• introdurre gli studenti al linguaggio di programmazione Python;
• utilizzare alcune tecniche di base e software per il reperimento, il trattamento e l’analisi di dati spaziali disponibili sotto forma di open data, dataset non strutturati o comunque reperibili in rete;
• affrontare alcune questioni normative relative alla proprietà dei dati e al loro utilizzo (privacy, sicurezza, proprietà intellettuale).

Modulo 2 “Metodi e tecniche di analisi statistica di Big Data”
Il modulo si propone i seguenti obiettivi:

• formare gli studenti all’utilizzo professionale di metodi inferenziali per le decisioni;
• formare gli studenti all’utilizzo professionale di metodi di analisi multivariate (Previsive analytics, K-nearest neighbours, Classification and regression trees, Bayesian classifiers, Regression analysis);
• formare gli studenti all’utilizzo professionale di strumenti di data visualization, data analytics e data modeling;
• formare gli studenti all’utilizzo professionale di modelli a variabili latenti, e di tecniche di classificazione non supervisionata

• preparare gli studenti al test per l’acquisizione della Certificazione Internazionale di “Sas Enterprise Miner” di SAS Institute S.p.a., comprendente data mining, reti neurali, alberi di classificazione e metodi ensemble, machine learning, etc…;
• formare gli studenti all’utilizzo professionale di procedure di pretrattamento del dato non strutturato, di Text Mining e di analisi del dato testuale con il software Taltac2.

Modulo 4 “Modelli decisionali e previsivi in ambito socio-economico, demografico e sanitario”
Il modulo si propone i seguenti obiettivi:

• introdurre gli studenti alla problematica della previsione stocastica in campo demografico utilizzando un apposito software predisposto dal prof. Bertino.
• l'apprendimento, da parte degli studenti, dei principali modelli previsivi in ambito assicurativo (financial risk modeling, risk simulation, stima del rischio di non autosufficienza) ed in particolare modelli stocastici di proiezione della mortalità;
• tecniche di data mining per la previsione della sinistrosità; metodi di machine learning per le assicurazioni sulla salute;
• Modelli previsivi in ambito socio-economico

Modulo 5 “Big Data per la ricerca sociale”
Il modulo si propone i seguenti obiettivi:

• formare gli studenti all’utilizzo professionale di tecniche di analisi reputazionale;
• formare gli studenti all’utilizzo professionale di tecniche di analisi del sentiment degli utilizzatori dei social media;
• formare gli studenti all’utilizzo professionale di tecniche di network analysis con Ucinet, Gephi e Netdraw;
• favorire e, laddove già esistenti, potenziare lo sviluppo di competenze trasversali (Soft skills) indispensabili per un più efficace inserimento lavorativo (team building, decision making, problem solving, leadership, etc…)
• fornire agli studenti le conoscenze necessarie per impostare in modo efficace un project work, sostenendoli nel percorso della sua messa a punto.

Laboratori ed esercitazioni guidate

Per rafforzare ulteriormente il lavoro svolto in aula dai docenti gli studenti svolgeranno esercitazioni assistite e guidate in laboratorio con l’assistenza del/dei tutor d’aula

TIROCINIO/STAGE

L’obiettivo principale del tirocinio, obbligatorio per gli studenti non lavoratori, è favorire un primo contatto con le aziende in vista dell’inserimento lavorativo in contesti legati agli argomenti e alle competenze sviluppate durante il Master.
Gli obiettivi specifici del tirocinio sono inseriti nel progetto formativo concordato fra l’azienda ed il tirocinante e successivamente approvati dalla Direttrice del Master tramite la piattaforma online Jobsoul.

Si precisa che per quanto riguarda gli studenti lavoratori, che non hanno l’obbligo di svolgere un tirocinio, questi 9 CFU rientrano nell’attività di realizzazione del project work, in vista della prova finale.

Per vedere l'elenco delle società/enti pubblici dove è possibile svolgere i tirocini andare alla pagina "Stage e tirocini".

9

PROVA FINALE

La prova finale ha come obiettivo di verificare che lo studente sia in grado di applicare e sintetizzare nella forma di articolo scientifico quanto realizzato nel suo Project Work.