Torna alla lista dei corsi di laurea

Appunti universitari condivisi: data science and engineering

LM-32 - Ingegneria informatica - Politecnico di Torino

Per questo corso di laurea sono già disponibili 6 appunti all'interno della community, registrati subito per iniziare a studiare!

Numerose discipline sia scientifiche che umanistiche sono oggi fortemente caratterizzate dall’uso massiccio di dati digitali, utilizzati principalmente nelle analisi alla base dei processi decisionali. In tutti questi ambiti risulta quindi di fondamentale importanza la presenza di figure professionali interdisciplinari (data scientist o data engineer) in grado di raccogliere correttamente e poi raffinare, analizzare, interpretare e valorizzare quantità consistenti di dati di elevata complessità, rendendoli disponibili in maniera efficace per le successive procedure decisionali. Il data scientist deve essere in grado di padroneggiare metodologie e soluzioni tecnologiche innovative di analisi, memorizzazione e processamento dei dati tramite l’applicazione di raffinati strumenti statistici, matematici e informatici, attraverso elaborazioni svolte con metodi automatici. Inoltre deve avere la capacità di contestualizzare le proprie competenze nella varietà degli ambiti in cui la data science trova applicazione, valorizzando le informazioni contenute nei dati stessi e tenendo contemporaneamente conto dei loro risvolti sul piano giuridico e sociale.

Il corso di Laurea Magistrale in Data Science and Engineering mira a formare la figura multidisciplinare del data scientist fornendo forti competenze metodologiche e ingegneristiche complementate da un’elevata capacità di astrazione e un approccio analitico alla risoluzione dei problemi "data-driven", rendendo il data scientist in grado di adattarsi rapidamente ai molteplici contesti applicativi nei quali si troverà ad operare e alla rapida evoluzione degli strumenti utilizzati per l'analisi dei dati. Il corso di laurea mira a formare degli ingegneri capaci di gestire tutto il ciclo di vita del processo di analisi dei dati, dall’analisi dei requisiti, all’acquisizione e memorizzazione di grandi moli di dati, all’analisi dei dati tramite modelli matematici e statistici o algoritmi di machine learning, alla visualizzazione dell'informazione e infine all’utilizzo della conoscenza estratta ai fini decisionali, anche tramite strumenti di simulazione. La figura formata avrà la capacità di operare efficacemente in ognuna delle fasi descritte.

L'applicazione della data science in molteplici ambiti richiede la formazione di figure professionali capaci di operare e interagire efficacemente in contesti di tipo multidisciplinare. Per formare tali competenze, il percorso formativo include approfondimenti tecnologici consistenti in attività pratiche di laboratorio multidisciplinare, focalizzate su casi di studio reali, svolte in collaborazione con aziende o esperti afferenti a settori industriali diversi, rafforzando la capacità di lavorare in team culturalmente eterogenei. A supporto di queste attività, sono fornite agli studenti conoscenze che spaziano dalla capacità di comunicare efficacemente i risultati del proprio lavoro, alla padronanza delle metodologie data-driven per innovare prodotti e processi e alla valutazione degli aspetti etici legati all’uso dei dati e dell'informazione estratta da essi.

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

Al momento abbiamo 11 files caricati sul nostro portale suddivisi nelle 23 materie appartenenti al tuo corso di laurea.

• [P219661310] Distributed architectures for big data processing and analytics (1° anno)
  [Altro] Session 1 2024 - 2024 - (pillola free)
  First session
  [Compiti ed esercitazioni] ES MapReduce - 2025 - (pillola free)
  ES MapReduce with solution
• [P586678379] Data science lab: process and methods (1° anno)
  [Altro] Report Regression - 2021 - (pillola free)
  One of the best reports according to Professor
  [Altro] Report - 2021 - (pillola free)
  One of the best reports according to the professor to get an high score
  [Dispense] Python intro - 2020 - (pillola free)
  Slides about first concepts of python
• [P272651286] Data management and visualization (1° anno)
  Materiale disponibile
  [Appunti] MongoDB for Data Management - 2025
  Raccolta di funzioni e comandi per MongoDB con esempi
  [Riassunti] Riassunto Prima Parte - 2021 - (pillola free)
  Riassunto 1/3
  [Riassunti] Riassunto Seconda Parte - 2021 - (pillola free)
  Riassunto Parte 2/3
  [Riassunti] Riassunto Terza Parte - 2021 - (pillola free)
  Riassunto parte 3/3
• [P560324048] Machine learning and Deep learning (1° anno)
• [P593060904] Data Ethics and Protection (1° anno)
• [P915682260] Bioinformatics (2° anno)
• [P642891545] Machine learning for IOT (2° anno)
• [P941052801] Statistical methods in data science (1° anno)
• [P031988729] Stochastic processes and time series (2° anno)
• [P742192343] Decision making and optimization (1° anno)
  [Domande d'esame] DMO PAST EXAMS - 2021 - (pillola free)
  A compilation of past exams and answers
• [P876856219] Computational linear algebra for large scale problems (1° anno)
  [Riassunti] PCA - 2024 - (pillola free)
  schemi PCA
• [P821332127] Numerical optimization for large scale problems and Stochastic Optimization (1° anno)
• [P097787946] Statistical methods in data science (1° anno)
• [P356449140] Numerical optimization for large scale problems and Stochastic Optimization (1° anno)
• [P013070286] Stochastic processes and time series (2° anno)
• [P536181082] Dynamics on networks and graphs (2° anno)
• [P610224686] Mathematics in Machine Learning (1° anno)
• [P161350100] Computational linear algebra for large scale problems (1° anno)
• [P175174605] Object oriented programming (1° anno)
• [P607473813] Information Theory and Applications (1° anno)
• [P098951401] Computer aided simulations and performance evaluation (2° anno)
• [P755158484] Innovation management (2° anno)
• [P474118204] Innovation management (2° anno)

 

Sbocchi lavorativi
Analisti e progettisti di software - (2.1.1.4.1)
Ricercatori e tecnici laureati nelle scienze matematiche e dell’informazione - (2.6.2.1.1)
Ricercatori e tecnici laureati nelle scienze ingegneristiche industriali e dell’informazione - (2.6.2.3.2)