Torna alla lista dei corsi di laurea

Appunti universitari condivisi: data science

LM-91 - Tecniche e metodi per la societa dell'informazione - Università degli Studi di Roma - La Sapienza

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.

• [P764003977] ALGORITHMIC METHODS OF DATA MINING AND LABORATORY (1° anno)
  [Appunti] Some Basic Computer-Science Concepts for Data Scientists - 2022 - (pillola free)
  In these notes we describe some very basic computer-science concepts. They are just only a small part of what we have said in class, and they may contain some additional information. Depending on my available time, I may update these notes by adding more material. I am sure that there are a lot of errors, so I welcome any errors that you find, or any other comments that you may have.
• [P890774944] CLOUD COMPUTING (1° anno)
• [P077106108] DATA MANAGEMENT FOR DATA SCIENCE (1° anno)
• [P173398496] DATA MINING TECHNOLOGY FOR BUSINESS AND SOCIETY (1° anno)
• [P084680163] ECONOMICS OF NETWORK INDUSTRIES (1° anno)
• [P392462102] INTELLECTUAL PROPERTY COMPETITION AND DATA PROTECTION LAW (1° anno)
• [P835141374] QUANTITATIVE MODELS FOR ECONOMIC ANALYSIS AND MANAGEMENT (1° anno)
• [P403401764] STATISTICAL LEARNING (1° anno)
• [P399984560] STATISTICAL METHODS IN DATA SCIENCE AND LABORATORY (1° anno)
• [P331284274] STATISTICAL METHODS IN DATA SCIENCE AND LABORATORY I (1° anno)
• [P029537373] STATISTICAL METHODS IN DATA SCIENCE AND LABORATORY II (1° anno)
• [P853793827] ADVANCED MACHINE LEARNING (2° anno)
• [P239405599] BIG DATA FOR OFFICIAL STATISTICS (2° anno)
• [P708445933] BIOINFORMATICS AND NETWORK MEDICINE (2° anno)
• [P162140513] DATA DRIVEN ECONOMICS (2° anno)
• [P439795117] DATA PRIVACY AND SECURITY (2° anno)
• [P966820156] DIGITAL EPIDEMIOLOGY AND PRECISION MEDICINE (2° anno)
• [P067481623] EARTH OBSERVATION DATA ANALYSIS (2° anno)
• [P027668046] EFFICIENCY AND PRODUCTIVITY ANALYSIS (2° anno)
• [P883512995] GEOMATICS AND GEOINFORMATION (2° anno)
• [P041999119] OPTIMIZATION METHODS FOR MACHINE LEARNING (2° anno)
• [P742741053] SIGNAL PROCESSING FOR BIG DATA (2° anno)
• [P696855751] SMART ENVIRONMENTS (2° anno)
• [P150777884] STATISTICS FOR STOCHASTIC PROCESSES (2° anno)
• [P766486374] FUNDAMENTALS OF DATA SCIENCE AND LABORATORY (NESSUNACANALIZZAZIONE1° anno)
• [P008058334] NETWORKING FOR BIG DATA AND LABORATORY (NESSUNACANALIZZAZIONE1° anno)
• [P303237820] COMPUTATIONAL DATA ANALYSIS (NESSUNACANALIZZAZIONE2° anno)
• [P867193240] NEURAL NETWORKS FOR DATA SCIENCE APPLICATIONS (NESSUNACANALIZZAZIONE2° anno)

 

Sbocchi lavorativi
Analisti e progettisti di software - (2.1.1.4.1)
Analisti di sistema - (2.1.1.4.2)
Analisti e progettisti di applicazioni web - (2.1.1.4.3)
Specialisti in reti e comunicazioni informatiche - (2.1.1.5.1)
Analisti e progettisti di basi dati - (2.1.1.5.2)
Amministratori di sistemi - (2.1.1.5.3)