Conoscenza e comprensione.

Informatica e Calcolo Intensivo
Gli insegnamenti erogati in quest'area, daranno allo studente una solida preparazione nell'ambito dell'Information and Communication Technologies e della Computer Science, in particolare:
- Programmazione avanzata, ingegneria del software, progettazione di algoritmi.
- Nozioni di calcolo Intensivo, sia hardware che software, programmazione parallela, cloud computing e virtualizzazione.
- Gestione di database relazionali e per big data, metodi algoritmici per data mining ed information retrieval.
Le conoscenze sopra citate saranno acquisite in tutti i curricula.

Gli strumenti didattici per conseguire queste finalità sono la lezione frontale in aula ed esercitazioni pratiche in laboratorio informatico. Cicli di seminari ed esercitazioni aggiuntive in laboratorio permetteranno un ulteriore raffinamento di queste conoscenze, e la loro connessione con le necessità dell'industria e dei servizi.

La verifica delle conoscenze avverrà in esami di profitto che valuteranno sia la conoscenza teorica che la capacità di usare tali strumenti in pratica

Modellazione matematica e statistica
Gli insegnamenti erogati in quest'area daranno allo studente una solida preparazione in metodi computazionali e statistici per l'estrazione di informazione e l'analisi di grandi moli di dati e le loro applicazioni nell'intelligenza artificiale moderna:
- Tecniche fondamentali di statistica inferenziale classica e Bayesiana.
- Modellazione statistica avanzata e visualizzazione dati.
- Fondamenti matematici della modellazione e del controllo automatico.
- Modellizzazione stocastica, simulazione, stima di parametri.
- Tecniche di ottimizzazione per problemi convessi, per problemi non convessi, metaeuristiche ed ottimizzazione combinatoria.
- Analisi statistica e computazionale di reti complesse.
Le conoscenze sopra citate saranno acquisite in parte in tutti i curricula, con maggiore enfasi in ogni curriculum sulle metodologie più adatte nel contesto applicativo o metodologico di riferimento.

Gli strumenti didattici per conseguire queste finalità sono la lezione frontale in aula ed esercitazioni pratiche in laboratorio informatico, anche applicando le metodologie apprese su casi di studio concreti. Cicli di seminari ed esercitazioni aggiuntive in laboratorio permetteranno un ulteriore raffinamento di queste conoscenze, e la loro connessione con le necessità dell'industria e dei servizi e del mondo della ricerca.

La verifica delle conoscenze avverrà in esami di profitto che valuteranno sia la conoscenza teorica che la capacità di usare tali strumenti in pratica.

Machine Learning ed Intelligenza Artificiale
Gli insegnamenti erogati in quest'area daranno allo studente una solida preparazione nella tecniche moderne di intelligenza artificiale, con particolare riguardo ai metodi di machine learning ed al loro utilizzo in scienza dei dati:
- Tecniche di machine learning e statistical learning supervised ed unsupervised
- Tecniche avanzate di machine learning statistico
- Tecniche di deep learning supervised e unsupervised
- Tecniche di intelligenza artificiale per la percezione
- Tecniche di intelligenza artificiale per il ragionamento automatico, la rappresentazione della conoscenza, il planning, i sistemi multi-agente.
- Tecniche di intelligenza artificiale per il controllo e le decisioni, quali reinforcement learning e controllo neurale.
- Tecniche per l'intelligenza artificiale spiegabile e neuro-simbolica.

Le conoscenze sopra citate saranno acquisite in parte in tutti i curricula, con maggiore enfasi in ogni curriculum sulle metodologie più adatte nel contesto applicativo o metodologico di riferimento.

Gli strumenti didattici per conseguire queste finalità sono la lezione frontale in aula ed esercitazioni pratiche in laboratorio informatico, ove i metodi studiati saranno implementati, anche usando librerie di intelligenza artificiale e machine learning, e testati su esempi concreti. Cicli di seminari ed esercitazioni aggiuntive in laboratorio permetteranno un ulteriore raffinamento di queste conoscenze, e la loro connessione con le necessità del mondo dell'industria, dei servizi, e della ricerca.

La verifica delle conoscenze avverrà in esami di profitto che valuteranno sia la conoscenza teorica che la capacità di usare tali strumenti in pratica

Conoscenze Multidisciplinari ed Applicazioni
Lo studente apprenderà o rafforzerà le sue conoscenze in uno o più ambiti applicativi di area industriale, scientifica, medica, o economica.
- Sistemi cyber-fisici: metodi computazionali e di intelligenza artificiale per la progettazione e verifica di sistemi cyber-fisici, che combinano tecniche di controllo, metodi formali e di machine learning, applicazioni industriali data-driven.
- Biologia Computazionale e Medicina: algoritmi e metodi bioinformatici per la genomica, machine learning e gestione di grandi basi di dati genomici, metodi statistici e di intelligenza artificiale per la diagnosi in medicina.
- Scienze Sociali ed Economia: gestione ed analisi di reti di interazione sociale ed economica, business analytics, metodi di data science e di analisi delle serie temporali per assicurazione e finanza.

Le conoscenze sopra citate saranno acquisite in corsi affini, ed eventualmente in corsi a scelta, a disposizione dei vari curricula. La scelta di un eventuale ambito di specializzazione sarà legata ai diversi curricula, lasciando comunque allo studente margini per orientare al meglio il suo profilo, con il supporto di iniziative di orientamento in itinere.

Gli strumenti didattici per conseguire queste finalità sono la lezione frontale in aula ed esercitazioni pratiche in laboratorio informatico su scenari e problemi rilevanti. Cicli di seminari ed esercitazioni aggiuntive in laboratorio permetteranno un ulteriore raffinamento di queste conoscenze, e la loro connessione con le necessità dell'industria e dei servizi.

La verifica delle conoscenze avverrà in esami di profitto che valuteranno sia la conoscenza specifica degli ambiti applicativi e la capacità di applicare metodologie matematiche, statistiche e computazionali per la soluzione di problemi specifici in tali ambiti.


Conoscenze Etico-Giuridico-Sociali ed Economiche
Lo studente apprenderà o rafforzerà le sue conoscenze su aspetti di natura etica, giuridica e sociale ed economica inerenti la scienza dei dati e l'intelligenza artificiale, con particolare attenzione all'impatto etico e sociale della data science e dell'intelligenza artificiale, trustworthy AI, aspetti giuridici nel trattamento dei dati e nelle applicazioni di intelligenza artificiale e all'impatto economico nei processi di innovazione e creazione di impresa.

Le conoscenze sopra citate saranno acquisite in corsi caratterizzanti e potranno essere complementate seguendo ulteriori corsi affini.

Gli strumenti didattici per conseguire queste finalità sono la lezione frontale in aula ed esercitazioni pratiche su scenari e problemi rilevanti, anche di natura interattiva. Cicli di seminari ed esercitazioni aggiuntive permetteranno un ulteriore raffinamento di queste conoscenze.

La verifica delle conoscenze avverrà in esami di profitto che valuteranno sia la conoscenza specifica degli aspetti etici, giuridici, sociali ed economici che la capacità di inquadrare e valutare secondo questi principi nuovi sviluppi scientifici e tecnologici e specifiche applicazioni.

Capacità di applicare conoscenza e comprensione.

Informatica e Calcolo Intensivo
I laureati magistrali di tutti i curricula saranno in grado di implementare algoritmi e metodi per la risoluzione di problemi complessi, saranno in grado di identificare ed usare le risorse di calcolo intensivo migliori per un dato problema. Sapranno scrivere codice efficiente e adattato alle risorse di calcolo a disposizione. Sapranno sviluppare algoritmi efficienti, anche per il calcolo parallelo. Nei curricula più applicativi, saranno in grado di gestire grandi basi di dati applicando moderne tecniche di strutturazione dei dati e di data mining.

Gli strumenti didattici per raggiungere questi scopi sono sia delle attività di progetti, individuali e di gruppo, durante gli insegnamenti curricolari, che l'attività di tirocinio e l'elaborato finale, dove gli studenti potranno esercitare le loro competenze computazionali nella risoluzione di un problema complesso.

Modellazione matematica e statistica
I laureati magistrali saranno in grado di utilizzare le metodologie apprese negli insegnamenti curricolari per la risoluzione di problemi concreti di elevata complessità, nell'ambito della modellizzazione statistica, stocastica e numerica, dell'ottimizzazione e del controllo. Sapranno interagire con esperti in gruppo multi-disciplinari, identificare il problema da risolvere e selezionare gli strumenti migliori per la sua risoluzione. Sapranno altresì visualizzare i dati in modo efficace.

Gli strumenti didattici per raggiungere questi scopi sono sia delle attività di progetti, individuali e di gruppo, durante gli insegnamenti curricolari, che l'attività di tirocinio ed il l'elaborato finale, dove gli studenti potranno esercitare le loro competenze statistiche e computazionali per l'analisi di grandi moli di dati.

Machine Learning ed Intelligenza Artificiale
I laureati magistrali saranno in grado di utilizzare le metodologie apprese negli insegnamenti curricolari per la risoluzione di problemi concreti di elevata complessità, che richiedano l'utilizzo di metodi di intelligenza artificiale ed apprendimento automatico, anche integrando assieme metodologie diverse.
Sapranno interagire con esperti in gruppi multi-disciplinari, identificare il problema da risolvere, proporre un opportuno modello e selezionare gli strumenti migliori per la sua risoluzione.

Gli strumenti didattici per raggiungere questi scopi sono sia delle attività di progetti, individuali e di gruppo, durante gli insegnamenti curricolari, che l'attività di tirocinio ed il l'elaborato finale, dove gli studenti potranno esercitare le loro competenze di modellazione matematica su problemi specifici di elevato interesse.

Conoscenze Multidisciplinari ed Applicazioni
I laureati magistrali svilupperanno una comprensione dei problemi basilari nell'area applicativa considerata. Apprenderanno competenze di interazione con esperti di discipline diverse, e come costruire un linguaggio comune per interagire con essi.
Svilupperanno competenze ed abilità nello scegliere e nell'usare in modo integrato ed armonizzato metodi statistici, tecniche di machine learning ed intelligenza artificiale, strumenti tecnologici ed algoritmici di calcolo intensivo e gestione dati, con l'obiettivo di ottenere soluzioni efficaci al problemi in esame, rispettando i vincoli al contorno sulle risorse a disposizione.

Gli strumenti didattici per raggiungere questi scopi sono sia delle attività di progetti, individuali e di gruppo, durante gli insegnamenti curricolari, che l'attività di tirocinio ed il l'elaborato finale.


Conoscenze Etico-Giuridico-Sociali ed Economiche
I laureati magistrali svilupperanno una comprensione delle problematiche etiche, giuridiche o economiche insite nella scienza dei dati e dell'intelligenza artificiale e svilupperanno la capacità di inquadrare nuove applicazioni e direzioni di sviluppo in questi ambiti secondo le best practices ed i principi di eticità, nonché di valutare l'impatto giuridico ed economico e i potenziali problemi in tal senso di soluzioni proposte e nuove tecnologie.

Gli strumenti didattici per raggiungere questi scopi sono sia delle attività di progetti, individuali e di gruppo, durante gli insegnamenti curricolari, che l'attività di tirocinio ed il l'elaborato finale.

Sbocchi occupazionali e professionali previsti per i laureati.

Esperto in Data Science
Con le competenze acquisite, il laureato magistrale potrà svolgere funzioni lavorative di elevata responsabilità in ambiti variegati, tra cui centri di ricerca, sviluppo e progettazione, sia pubblici che privati, sia in ambito tecnologico industriale che scientifico, società che forniscono servizi per il trattamento di grandi moli di dati, istituti finanziari o bancari, compagnie di assicurazioni, società di servizi e società di consulenza indipendente.

Esperto in Machine Learning ed Intelligenza Artificiale
Lo specialista in machine learning ed intelligenza artificiale può trovare impiego presso:
- aziende private ed enti pubblici che utilizzano o sviluppino sistemi coinvolti nell'analisi automatica dei dati e di supporto alle decisioni, sia in attività di progettazione e sviluppo avanzate che di ricerca e sviluppo
- università, istituti e laboratori di ricerca pubblici e privati
- società di consulenza ed aziende che si occupano di business intelligence
- aziende biomediche e farmaceutiche
- aziende in ambito finanziario e assicurativo
- aziende che utilizzino automazione e robotica

Competenze associate alla funzione.

Esperto in Data Science
L'esperto in Data Science avrà profonde competenze in metodi di data analysis per big data, dalla gestione di big data al machine learning, complementate da competenze di natura più informatico-tecnologica (programmazione, HPC, cloud computing), da competenze di modellazione statistica e matematica e da una comprensione delle problematiche etiche e legali associate alla sua funzione. Queste conoscenze formeranno delle solide basi concettuali per analizzare problemi complessi che coinvolgano l'analisi e la gestione di grandi moli di dati e proporre soluzioni che integrino in modo efficace questi strumenti.
Il laureato svilupperà altresì buone capacità comunicative per interagire con altre figure professionali, capire i problemi proposti, e comunicare i risultati del suo lavoro, anche in contesto internazionale. Sarà capace di aggiornarsi in modo continuo sulle innovazioni tecnologiche e metodologiche e di proporre soluzioni innovative ed efficienti ai problemi proposti.

Esperto in Machine Learning ed Intelligenza Artificiale
Il laureato magistrale acquisisce solide conoscenze dei fondamenti scientifici del Machine Learning e dell'Intelligenza Artificiale, nonché competenze di programmazione, uso di risorse di calcolo intensivo e progettazione software, che gli consentono di progettare, realizzare, installare e mantenere sistemi di apprendimento automatico e di intelligenza artificiale. Le competenze includono la capacità di modellare un problema complesso ed i flussi di dati a disposizione e formulare soluzioni algoritmiche che facciano uso degli strumenti di machine learning e intelligenza artificiale più adeguati, incluse tecniche di deep learning, computer vision, elaborazione del linguaggio naturale, tecniche per la gestione di big data, metodi simbolici di rappresentazione della conoscenza e di ragionamento automatico, tecniche di intelligenza artificiale spiegabile. Il laureato magistrale avrà anche una comprensione degli aspetti etici e legali legati alla sua funzione.
Il laureato apprenderà come aggiornarsi in modo continuo e svilupperà competenze di progettazione ed organizzazione congrue al ruolo professionale. nonché competenze relazionali, comunicative per relazionarsi in un contesto multi-disciplinare con esperti di altre discipline.

Funzione in contesto di lavoro.

Esperto in Data Science
Queste figure professionali si occuperanno della gestione di dati di grandi dimensioni, applicheranno gli opportuni metodi computazionali, statistici e di machine learning per l'analisi dei dati e l'estrazione e la visualizzazione di informazione, dialogando con professionisti di altre discipline per affrontare in modo efficace e collaborativo la soluzione di problemi complessi. Il laureato potrà svolgere compiti di elevata responsabilità e coordinamento nell'ambito di lavoro. Esempi di ambiti in cui queste competenze sono sempre più centrali includono business intelligence, smart cities, sviluppo sostenibile, smart health, fintech, assicurazioni, smart manufacturing.

Esperto in Machine Learning ed Intelligenza Artificiale
Lo specialista in Machine Learning ed Intelligenza Artificiale si occupa di progettazione, sviluppo, realizzazione e manutenzione di sistemi di intelligenza artificiale, ed in particolare ma non esclusivamente, sistemi di apprendimento automatico.
Esempi di tali sistemi sono: sistemi di supporto alle decisioni, sistemi di raccomandazione, sistemi di ottimizzazione e pianificazione, sistemi per la visione artificiale e l'elaborazione del linguaggio naturale, sistemi di automazione. I contesti applicativi includono a titolo esemplificativo: industria manifatturiera, medicina, crescita sostenibile e cambiamento climatico, assicurazioni e finanza, smart infrastructures (smart cities, smart grids), domotica, sicurezza, intrattenimento

Caratteristiche della prova finale.

La prova finale rappresenta un momento essenziale nel percorso formativo della laurea magistrale, in quanto permetterà al laureando non solo di applicare alcune metodologie apprese durante il corso, ma anche di sperimentare in pratica quali siano i problemi comunicativi e concettuali sottostanti la modellazione ed analisi di un problema complesso, in collaborazione con esperti del settore. Sarà anche un momento essenziale per perfezionare e fare propria l'idea di un uso integrato e flessibile delle metodologie e tecnologie fondanti del suo percorso di studi.
La prova finale consisterà in una tesi elaborata in modo originale sotto la guida di un relatore in cui il laureando affronterà un problema proposto da un laboratorio di ricerca o da un'azienda. Lo studente dovrà analizzare il problema, formalizzarlo, capire quali sono gli strumenti più efficaci per risolverlo, e presentare poi i risultati delle analisi in modo chiaro e comprensibile ad un pubblico non specialistico.