Master in data science for economics, business and finance
Master di primo livello
A.A. 2020/2021
Area
Giuridica, politica, economica e sociale
Coordinatore Master
Il corso si prefigge l'obiettivo di formare alla professione del data scientist coloro che intendano completare le proprie conoscenze acquisite in ambito universitario e di fornire un'occasione formativa e di rinnovo delle competenze nell'ambito della data science a chi è già entrato nel mondo del lavoro. Queste competenze includono la capacità di analizzare e comprendere la natura dei Big Data attraverso moderne tecniche statistiche e informatiche di intelligenza artificiale - come il machine learning e il data mining - utili all'estrazione di relazioni significative e pattern costituenti dei dati, alla costruzione di modelli predittivi, l'implementazione di analisi sugli effetti delle decisioni di natura politica, economica o sociale, la valutazione dei rischi (finanziari e assicurativi), la pianificazione delle strategie di mercato.
Il percorso formativo comprende attività didattica frontale e altre forme di addestramento, quali laboratori, per un totale di 520 ore. Seguirà un periodo di tirocinio della durata di 250 ore.
I singoli insegnamenti sono disponibili nella sezione "Curriculum unico".
Gli ammessi al corso sono tenuti al versamento di un contributo d'iscrizione pari a Euro 5.000,00 (compresa la quota assicurativa).
Il percorso formativo comprende attività didattica frontale e altre forme di addestramento, quali laboratori, per un totale di 520 ore. Seguirà un periodo di tirocinio della durata di 250 ore.
I singoli insegnamenti sono disponibili nella sezione "Curriculum unico".
Gli ammessi al corso sono tenuti al versamento di un contributo d'iscrizione pari a Euro 5.000,00 (compresa la quota assicurativa).
Il corso si rivolge ai possessori di laurea nelle seguenti classi ex D.M. 270/2004:
L-2 Biotecnologie;
L-5 Filosofia;
L-8 Ingegneria dell'informazione;
L-9 Ingegneria industriale;
L-18 Scienze dell'economia e della gestione aziendale;
L-24 Scienze e tecniche psicologiche;
L-30 Scienze e tecnologie fisiche;
L-31 Scienze e tecnologie informatiche;
L-33 Scienze economiche;
L-35 Scienze matematiche;
L-36 Scienze politiche e delle relazioni Internazionali;
L-40 Sociologia;
L-41 Statistica;
L/DS Scienze della difesa e della sicurezza.
L-2 Biotecnologie;
L-5 Filosofia;
L-8 Ingegneria dell'informazione;
L-9 Ingegneria industriale;
L-18 Scienze dell'economia e della gestione aziendale;
L-24 Scienze e tecniche psicologiche;
L-30 Scienze e tecnologie fisiche;
L-31 Scienze e tecnologie informatiche;
L-33 Scienze economiche;
L-35 Scienze matematiche;
L-36 Scienze politiche e delle relazioni Internazionali;
L-40 Sociologia;
L-41 Statistica;
L/DS Scienze della difesa e della sicurezza.
Tre sono i principali sbocchi professionali per i discenti del master. Core data scientist: una figura della data science che si colloca presso aziende che offrono consulenza e servizi sulla data science e che ha come mansioni lo studio e la proposta di nuovi modelli e soluzioni per i clienti della propria azienda. Data scientist applicato: una figura che si colloca presso aziende che hanno un core business diverso dalla data science, come ad esempio agenzie di comunicazione, aziende di servizi, produttori di beni o contenuti, ma che hanno processi aziendali in cui i dati svolgono un ruolo cruciale. Data science expert: una figura che si colloca in aziende che operano a stretto contatto con divisioni o altre aziende che producono soluzioni tecnologiche basate sulla data science e che ha l'obiettivo di mediare fra le diverse componenti aziendali e di comprendere, coordinare e promuovere progetti basati sulla data science.
Milano
Elenco insegnamenti
Periodo non definito
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Obbligatorio | ||||
| Algorithmic trading | 1 | 12 | Italiano | |
| Analisi delle dinamiche di mercato | 1 | 12 | Italiano | |
| Analisi delle performance di contenuti editoriali | 1 | 12 | Italiano | |
| Analisi predittive di time series finanziarie | 1 | 12 | Italiano | |
| Analysis of business and marketing data (Include also Social Network and Social Media Analysis) | 3 | 30 | Italiano | |
| Artificial intelligence | Nicolussi Federica
|
3 | 31 | Italiano |
| Blockchain, bitcoin, ethereum, smart contract, decentralized app | 1 | 12 | Italiano | |
| Business intelligence | 1 | 12 | Italiano | |
| Computational statistics and machine learning | 6 | 60 | Italiano | |
| Cybersecurity and privacy | 3 | 30 | Italiano | |
| Data management e data visualization | 1 | 12 | Italiano | |
| Data science per il mondo retail | 1 | 12 | Italiano | |
| Data valorization for fintech | 1 | 12 | Italiano | |
| Databases (SQL and noSql) | 2 | 20 | Italiano | |
| Decision making and optimization | 3 | 30 | Italiano | |
| Deep learning per analisi di sequenze temporali di dati economici | 1 | 12 | Italiano | |
| Deep learning per l'analisi di documenti | 1 | 12 | Italiano | |
| Digital marketing | 1 | 12 | Italiano | |
| Economic and financial data science (Causal Inference, Time Series Analysis, Risk Analysis) | 3 | 30 | Italiano | |
| Introduction to economics and finance | 2 | 20 | Italiano | |
| Linear algebra and statistics (with R) | 2 | 20 | Italiano | |
| Movie success prediction | 1 | 12 | Italiano | |
| Nosql database | 1 | 12 | Italiano | |
| Programming (with Python) | 3 | 31 | Italiano | |
| Cloud, distributed and parallel computing | 5 | 50 | Italiano | |