Percorso interdisciplinare che unisce statistica, informatica ed economia per formare specialisti nella gestione di grandi flussi di dati (Big Data). Prepara Data Analyst capaci di supportare le decisioni strategiche aziendali e finanziarie.
Il corso introduce i fondamenti dell'algebra lineare, trattando spazi vettoriali, matrici, sistemi lineari, determinanti e autovalori. Vengono presentate applicazioni a problemi di geometria e analisi numerica. Sviluppa competenze nell'utilizzo di strumenti matematici essenziali per l'informatica, l'analisi dei dati e la modellazione di problemi computazionali e applicativi.
Il corso introduce i principi delle basi di dati relazionali, dalla modellazione concettuale alla progettazione fisica. Vengono trattati modello E-R, algebra relazionale, SQL, normalizzazione e gestione delle transazioni. Sviluppa competenze nella progettazione, interrogazione e amministrazione di database relazionali per applicazioni informatiche aziendali e gestionali.
Il corso introduce i concetti fondamentali del calcolo delle probabilità, dagli eventi e variabili aleatorie alle distribuzioni discrete e continue. Vengono trattati valore atteso, varianza, leggi dei grandi numeri e teorema centrale del limite. Sviluppa competenze nella modellazione probabilistica di fenomeni aleatori, fondamentali per statistica, finanza e analisi dei dati.
Il corso introduce i principi fondamentali dell'informatica e della programmazione. Vengono trattati architettura dei calcolatori, rappresentazione delle informazioni, algoritmi, strutture dati di base e introduzione a un linguaggio di programmazione. Sviluppa competenze logico-computazionali e capacità di progettare semplici programmi per la soluzione di problemi.
Il corso verifica le competenze linguistiche in inglese a livello intermedio (B1-B2), valutando comprensione orale e scritta, produzione e interazione comunicativa. Vengono trattati strutture grammaticali, lessico generale e accademico. Fornisce competenze utili per la fruizione di materiali didattici in inglese e per la comunicazione di base in contesti universitari e professionali internazionali.
Il corso introduce gli strumenti matematici fondamentali per l'analisi economica e gestionale. Vengono trattati funzioni di una e più variabili, limiti, derivate, integrali, ottimizzazione libera e vincolata. Sviluppa competenze nell'applicazione di metodi matematici a problemi economici, finanziari e quantitativi e nella formalizzazione rigorosa di modelli decisionali.
Il corso analizza i modelli di business contemporanei e i processi di decisione strategica nelle imprese. Vengono trattati business model canvas, value proposition, analisi competitiva e innovazione strategica. Sviluppa competenze nella progettazione e valutazione di modelli di business e nel supporto a decisioni strategiche orientate alla creazione di valore in contesti competitivi dinamici.
Il corso esamina modelli, framework e strategie di data governance per la gestione efficace dei dati come asset aziendale. Vengono trattati qualità dei dati, ruoli e responsabilità, compliance normativa (GDPR), data ethics e architetture data-driven. Sviluppa competenze nella progettazione di sistemi di governance e nella definizione di politiche di gestione dei dati nelle organizzazioni.
Il corso introduce gli strumenti fondamentali per la sintesi e la rappresentazione dei dati. Si studiano distribuzioni di frequenza, indici di posizione, variabilità e forma, rappresentazioni grafiche, analisi bivariata, correlazione e regressione lineare semplice. Lo studente acquisisce la capacità di organizzare dataset, calcolare misure statistiche e interpretarne i risultati in chiave economico-aziendale.
Il corso affronta le tecniche statistiche per l'esplorazione di dataset con molte variabili. Si trattano analisi delle componenti principali, analisi fattoriale, cluster analysis, analisi delle corrispondenze e scaling multidimensionale. Lo studente sviluppa competenze nella riduzione della dimensionalità, nella segmentazione di unità statistiche e nell'interpretazione di strutture latenti utili al supporto decisionale.
Studio delle architetture distribuite e dei modelli di servizio Cloud (IaaS, PaaS, SaaS). L'insegnamento copre la virtualizzazione delle risorse, la progettazione di applicazioni scalabili e la gestione della sicurezza in rete.
Tecniche e strumenti per la rappresentazione visiva di dati complessi. L'insegnamento mira a rendere l'informazione quantitativa comprensibile e comunicativamente efficace per il decision-making aziendale e la divulgazione.
Laboratorio applicato che integra strumenti di data science su casi reali. Si lavora con linguaggi come R o Python, gestione di dataset, pulizia e trasformazione dei dati, visualizzazione, modellazione predittiva e comunicazione dei risultati. Lo studente acquisisce un workflow completo di analisi dei dati, dalla raccolta alla presentazione finale.
Il corso analizza le implicazioni etiche dell'uso dei dati nei processi decisionali aziendali. Si studiano principi di data ethics, privacy, GDPR, bias algoritmici, trasparenza e responsabilità nell'impiego di sistemi automatizzati. Lo studente sviluppa la capacità di valutare criticamente l'uso dei dati e di promuovere pratiche aziendali eticamente sostenibili.
Il corso presenta i metodi per trarre conclusioni su popolazioni a partire da campioni. Si trattano stima puntuale e intervallare, test di ipotesi parametrici e non parametrici, distribuzioni campionarie e proprietà degli stimatori. Lo studente acquisisce le competenze per impostare procedure inferenziali rigorose e valutarne l'affidabilità in contesti applicativi.
Il corso esplora algoritmi di apprendimento automatico e profondo. Si studiano modelli supervisionati e non supervisionati, alberi decisionali, support vector machines, reti neurali, deep learning, validazione e tuning dei modelli. Lo studente sviluppa competenze nell'addestramento, valutazione e deployment di modelli predittivi su problemi aziendali e di analisi dati complessi.
Il corso affronta la gestione dei processi di cambiamento organizzativo. Si analizzano modelli teorici (Lewin, Kotter), leve di cambiamento, resistenze, comunicazione interna, leadership trasformazionale e coinvolgimento degli stakeholder. Lo studente acquisisce strumenti per progettare e accompagnare iniziative di trasformazione aziendale, migliorando l'adattabilità e l'efficacia organizzativa.
Il corso approfondisce i modelli lineari generalizzati per l'analisi di dati con risposte non gaussiane. Si trattano regressione logistica, modelli per conteggi (Poisson), funzioni link, stima di massima verosimiglianza, diagnostica e selezione del modello. Lo studente sviluppa competenze nell'applicazione di GLM a problemi di ricerca economica, sociale e di marketing.
Il corso analizza i metodi di valutazione finanziaria dei progetti di investimento. Si studiano flussi di cassa, costo del capitale, VAN, TIR, analisi di sensitività, opzioni reali e valutazione in condizioni di incertezza. Lo studente acquisisce competenze per selezionare e valutare progetti aziendali, supportando decisioni di capital budgeting orientate alla creazione di valore.
Il corso introduce tecniche di analisi testuale e sui social media. Si trattano tokenizzazione, vettorizzazione, sentiment analysis, topic modeling, analisi delle reti sociali e estrazione di insight da dati non strutturati. Lo studente sviluppa competenze nell'utilizzare strumenti di NLP per supportare strategie di marketing, customer intelligence e ascolto della rete.