Programma didattico

Master in
AI & Data Science

Il Master offre una formazione tecnica certificata e tutte le competenze per diventare professionisti T-shaped con conoscenza di base nell’ambito dell’Intelligenza Artificiale e conoscenza specialistica nell’analisi dei dati e della business intelligence.

Il percorso formativo si basa sui principi della didattica attiva e della formazione in assetto lavorativo. Lo studente apprende attraverso il confronto con docenti e professionisti delle aziende partner, supportato da un tutor d’aula.

Il Master prevede 1.200 ore complessive, ripartite in sei mesi di formazione: 500 ore di didattica frontale, 450 ore di progetto presso le aziende partner e 250 ore tra attività di laboratorio, esercitazioni, workshop e hackathon. L’accesso è a numero chiuso e la frequenza obbligatoria (minimo 85% delle lezioni). Le lezioni si svolgono dal lunedì al venerdì, dalle ore 08:45 alle 17:15.

Programma

Fase 1 – Class (13 settimane)

È dedicata allo studio di algoritmi di data mining & machine learning, database e cloud computing, con docenti esperti e casi di studio di aziende del settore. Questa fase permette di acquisire le certificazioni Azure Fondamental, Power BI e Amazon Web Services Practitioner. È suddivisa nei seguenti moduli:

1.1 | Statistical Learning and programming (4 settimane)

  • Business Analytics
  • Introduzione alla Programmazione (R e Python)
  • Descriptive and Inferential Statistics
  • Test di apprendimento

1.2 | Data wrangling and exploratory analysis (1 settimana)

  • Data Collection
  • Data Exploration & Data Manipulation
  • Data Visualization
  • Test di apprendimento

1.3 | Data Mining & Machine Learning (3 settimane)

  • Supervised Learning

    • Introduction to Statistical/Machine Learning

    • Classification

    • Model Assessment

  • Unsupervised Learning

    • Principal Component Analysis

    • Hierarchical Clustering

    • K-Means

    • Model Based Clustering

  • Test di apprendimento

  • Workshop

1.4 | Database & Big Data (2 settimane)

  • Databases
  • Cloud Computing
  • AWS
  • Test di apprendimento

1.5 | Business Intelligence (1 settimana)

  • Business Intelligence Architecture
  • Power BI
  • Test di apprendimento
  • Hackathon

1.6 | Time Series and Deep Learning (2 settimane)

  • Time Series
  • Deep Learning
  • Test di apprendimento

Fase 2 – Industrial Project (12 settimane

Lo studente applica le conoscenze acquisite in aula su un progetto commissionato dalle aziende partner di ELIS, seguendo un percorso standard per Data Science (CRISP-DM). Attraverso avanzamenti settimanali e con il supporto di tutor tecnici, porta a termine un progetto in uno dei seguenti ambiti: 

  • Predictive maintenance
  • Cyber-Security
  • Anomaly detection
  • Predictive customers intelligence
  • Predictive asset management
  • Business analytics