Corso di laurea

data science

Università degli Studi di Roma - La Sapienza · 28 materie · 1 file condivisi

Il corso di laurea magistrale in Data Science si caratterizza per un'offerta didattica interdisciplinare che raccoglie contributi dell’ingegneria, dall’informatica, della statistica, delle scienze economiche e organizzative, insieme a conoscenze specifiche dei principali domini applicativi di Data Science. In particolare, la laurea magistrale in Data Science proposta offre le conoscenze professionali adeguate per lo sviluppo delle tecnologie di raccolta, gestione, elaborazione e analisi dei big data, e la conseguente traduzione in informazioni fondamentali per il processo conoscitivo e decisionale all'interno dei settori innovativi di business e sociali.

Il corso di studio è di durata biennale e prevede un primo insieme di 39 C FU su settori scientifico disciplinari caratterizzanti miranti a fornire le conoscenze statistiche, ingegneristiche e informatiche di base necessarie per lo sviluppo degli strumenti software e delle infrastrutture necessarie per la raccolta, l’elaborazione, e l’organizzazione delle grandi moli di dati e dei modelli matematico statistici utili per la loro analisi. I 39 CFU includeranno almeno 10 CFU di attività di laboratorio o di studio individuale. Tali corsi caratterizzanti saranno obbligatori per tutti gli studenti. I 39 CFU obbligatori si dividono in 27 CFU sulle tecnologie informatiche e 12 CFU sulle discipline statistiche.

Lo studente potrà quindi scegliere fino a 30 CFU di indirizzo su settori scientifico disciplinari caratterizzanti. Almeno 6 dei 36 CFU dovranno essere scelti tra le discipline umane, sociali, giuridiche ed economiche. Tali insegnamenti sono volti alla formazione di un profilo professionale che unisce le competenze ingegneristiche e informatiche con le competenze statistiche e gestionali, economico e giuridiche. Tali competenze devono essere sviluppate insieme ad una profonda conoscenza del contesto economico, sociale e organizzativo in cui le metodologie di Data Science si vanno ad applicare.

Il percorso formativo si completerà con 12 CFU a scelta dello studente e 12 CFU di attività su settori scientifici disciplinari affini. Non sono previsti obblighi di frequenza se non per attività di laboratorio e attività pratiche. Tutti gli insegnamenti sono erogati in Lingua Inglese

Le conoscenze raggiunte sono valutate tramite prove intermedie, discussione di lavori di gruppo o
elaborati redatti singolarmente dai discenti e accertate tramite esami di tipo tradizionale.

Il percorso formativo consente al laureato magistrale in Data Science di trovare occupazione presso piccole e medie imprese, grandi aziende, pubblica amministrazione, amministrazioni locali, Istituti di ricerca pubblici e privati. Il dottorato di ricerca e i Master sono altre possibilità a cui lo studente in Data Science potrebbe rivolgersi al termine del suo percorso di studio.

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.

Sfoglia il materiale didattico

Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!

Materie del corso

ALGORITHMIC METHODS OF DATA MINING AND LABORATORY cod. P764003977 · 1° anno · 1 file
CLOUD COMPUTING cod. P890774944 · 1° anno · 0 file
DATA MANAGEMENT FOR DATA SCIENCE cod. P077106108 · 1° anno · 0 file
DATA MINING TECHNOLOGY FOR BUSINESS AND SOCIETY cod. P173398496 · 1° anno · 0 file
ECONOMICS OF NETWORK INDUSTRIES cod. P084680163 · 1° anno · 0 file
INTELLECTUAL PROPERTY COMPETITION AND DATA PROTECTION LAW cod. P392462102 · 1° anno · 0 file
QUANTITATIVE MODELS FOR ECONOMIC ANALYSIS AND MANAGEMENT cod. P835141374 · 1° anno · 0 file
STATISTICAL LEARNING cod. P403401764 · 1° anno · 0 file
STATISTICAL METHODS IN DATA SCIENCE AND LABORATORY cod. P399984560 · 1° anno · 0 file
STATISTICAL METHODS IN DATA SCIENCE AND LABORATORY I cod. P331284274 · 1° anno · 0 file
STATISTICAL METHODS IN DATA SCIENCE AND LABORATORY II cod. P029537373 · 1° anno · 0 file
ADVANCED MACHINE LEARNING cod. P853793827 · 2° anno · 0 file
BIG DATA FOR OFFICIAL STATISTICS cod. P239405599 · 2° anno · 0 file
BIOINFORMATICS AND NETWORK MEDICINE cod. P708445933 · 2° anno · 0 file
DATA DRIVEN ECONOMICS cod. P162140513 · 2° anno · 0 file
DATA PRIVACY AND SECURITY cod. P439795117 · 2° anno · 0 file
DIGITAL EPIDEMIOLOGY AND PRECISION MEDICINE cod. P966820156 · 2° anno · 0 file
EARTH OBSERVATION DATA ANALYSIS cod. P067481623 · 2° anno · 0 file
EFFICIENCY AND PRODUCTIVITY ANALYSIS cod. P027668046 · 2° anno · 0 file
GEOMATICS AND GEOINFORMATION cod. P883512995 · 2° anno · 0 file
OPTIMIZATION METHODS FOR MACHINE LEARNING cod. P041999119 · 2° anno · 0 file
SIGNAL PROCESSING FOR BIG DATA cod. P742741053 · 2° anno · 0 file
SMART ENVIRONMENTS cod. P696855751 · 2° anno · 0 file
STATISTICS FOR STOCHASTIC PROCESSES cod. P150777884 · 2° anno · 0 file
FUNDAMENTALS OF DATA SCIENCE AND LABORATORY cod. P766486374 · NESSUNACANALIZZAZIONE1° anno · 0 file
NETWORKING FOR BIG DATA AND LABORATORY cod. P008058334 · NESSUNACANALIZZAZIONE1° anno · 0 file
COMPUTATIONAL DATA ANALYSIS cod. P303237820 · NESSUNACANALIZZAZIONE2° anno · 0 file
NEURAL NETWORKS FOR DATA SCIENCE APPLICATIONS cod. P867193240 · NESSUNACANALIZZAZIONE2° anno · 0 file

Recensioni del corso

Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.

Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.