Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
| Insegnamenti | Crediti | TAF | SSD |
|---|
2° Anno Attivato nell'A.A. 2022/2023
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
| Insegnamenti | Crediti | TAF | SSD |
|---|
1 module among the following (1st year: Big Data epistemology and Social research; 2nd year: Cybercrime, Data protection in business organizations, Comparative and Transnational Law & Technology)2 courses among the following (1st year: Business analytics, Digital Marketing and market research; 2nd year: Logistics, Operations & Supply Chain, Digital transformation and IT change, Statistical methods for Business intelligence)2 courses among the following (1st year: Complex systems and social physics, Discrete Optimization and Decision Making, 2nd year: Statistical models for Data Science, Continuous Optimization for Data Science, Network science and econophysics, Marketing research for agrifood and natural resources)2 courses among the following (1st year: Data Visualisation, Data Security & Privacy, Statistical learning, Mining Massive Dataset, 2nd year: Machine Learning for Data Science)Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Big data epistemology (2021/2022)
Codice insegnamento
4S009088
Docenti
Coordinatore
Crediti
6
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
M-FIL/02 - LOGICA E FILOSOFIA DELLA SCIENZA
Periodo
Secondo semestre dal 7 mar 2022 al 10 giu 2022.
Obiettivi formativi
Il corso consentirà allo studente di acquisire le competenze concettuali necessarie ad applicare i concetti chiave dell’epistemologia (conoscenza, metodologia, giustificazione, spiegazione, etc.) al caso specifico della data science e alla discussione di conseguenze e implicazioni dei big data per la società in generale. Al termine del corso lo studente dovrà dimostrare di:
- riconoscere e discutere le principali questioni epistemologiche relative alla conoscenza prodotta dalla raccolta e dalla manipolazione dei big data con particolare riferimento a tre aree tematiche: (1) specificità epistemologiche dei big data; (2) l’impatto dei big data sulla pratica scientifica; (3) Big Data e autorità culturale della scienza
- aver acquisito, attraverso l’analisi dettagliata di situazioni della vita reale, gli strumenti per un approccio più consapevole e critico al proprio lavoro come pure per la gestione e disseminazione dei big data nella sfera pubblica.
Programma
Il corso è dedicato ad esplorare le questioni epistemologiche, sociale e politiche connesse all'uso di big data, machine learning e intelligenza artificiale. Il programma è suddiviso in due moduli principale:
(A) Produrre conoscenza nell'era digitale. Questo modulo tratta delle domande epistemologiche sollevate dall'uso di machine learning e big data nella produzione di conoscenza scientifica. Esempi di tali domande sono: In che modo i big data cambiano le nostre pratiche e i nostri metodi scientifici? Quali sono i limiti dell'approccio computazionale alla scienza? I big data rendono superflue le teorie? Quali sono le caratteristiche epistemologiche dell'apprendimento statistico? La struttura del modulo è la seguente:
(A.1) Introduzione all'epistemologia della computabilità: complessità e indecidibilità.
(A.2) Il concetto di dato e la teoria computazionale della mente.
(A.3) Machine learning, big data e il metodo scientifico.
(B) Socio-epistemologia dei big data. Il secondo modulo si occupa dell'impatto socio-epistemologico e politico del machine learning e dei big data sulla pratica scientifica e sulla società in generale. Esempi delle questioni che verranno affrontate in questo modulo sono: Qual è l'impatto dell'uso dei big data sulla struttura sociale della ricerca scientifica? Come si può rendere l'intelligenza artificiale più spiegabile e responsabile? Come gli ambienti digitali quali i social network vengono influenzati dal machine learning? La struttura del modulo è la seguente:
(B.1) Ricerca scientifica e Big data.
(B.2) Intelligenza artificiale spiegabile.
(B.3) Verità e post-verità negli ambienti digitali.
Bibliografia
Modalità d'esame
Il corso combinerà lezioni frontali introduttive e discussioni di classe nella forma di seminari di lettura. La valutazione finale è il risultato di tre elementi:
(1) Una presentazione in classe di un testo o di un tema (30%)
(2) Un elaborato scritto (max 3000 parole) (30%)
(3) Esame orale (40%)
