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.
Statistical methods for business intelligence (Sarà attivato nell'A.A. 2021/2022)
Codice insegnamento
4S009074
Crediti
6
Settore Scientifico Disciplinare (SSD)
SECS-S/01 - STATISTICA
Obiettivi formativi
Il corso introdurrà i fondamenti modellistico/quantitativi della moderna teoria Business Analytics (BA), sfruttando un rigoroso approccio matematico al fine di affrontare in modo efficace casi di studio reali. Attraverso strumenti probabilistico/statistici di analisi descrittiva e predittiva, il corso fornirà elementi di analisi predittiva, analisi del rischio, simulazione e data mining ed analisi decisionale. Gli studenti acquisiranno gli strumenti teorici fondamentali tanto per sviluppare modelli atti alla gestione delle tipiche sfide in BA, quanto per comunicarne concretamente i risultati ai professionisti del settore, così da fornire soluzioni brillanti a problemi specifici in modalità sinergica e proattiva. Una grande enfasi verrà data alle applicazioni del mondo reale, facendo anche uso di pacchetti specifici pro analisi, manipolazione e previsione dei dati (e.g.: Rapidminer, Orange, Knime, R-AnalyticFlow, ecc.). Al termine del corso lo studente dovrà dimostrare di: ●avere padronanza della tipica pipeline: query, reporting e elaborazione analitica online' ●saper controllare il flusso analitico/quantitativo, ovvero gestione I/O dei dati, previsione e ottimizzazione ●saper sviluppare modelli in ambito predictive analytics ●saper sviluppare modelli in ambito data mining e cluster analysis ●saper classificare all’interno di basi dati eterogenee ●saper sviluppare modelli pro customer retention rate, targeting marketing, anche in relazione ad ambiti social media, financial (portfolio, insurance, etc.) analytics.
