Corso attualmente non disponibile
Master in Data Science & Business Analytics
Master
A Roma ()
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Descrizione
-
Tipologia
Master
-
Ore di lezione
112h
-
Durata
4 Mesi
Dal punto di vista strategico i dati rappresenteranno, in modo crescente, un fattore cruciale per generare, rafforzare ed amplificare gli aspetti della “value proposition” aziendale, in modo unico e con vantaggio competitivo durevole.
Dal punto di vista operativo e funzionale la disponibilità di dati e la loro gestione saranno la base per trasformare alcune delle principali funzioni aziendali (quali le aree Finance, Risorse Umane e Marketing) nonché per innovare tutti i processi di gestione interni dell’azienda creando valore per la clientela.
Un’attenta disponibilità e gestione dei dati rappresenta altresì uno dei pilastri della cosiddetta Industry 4.0.
In questo contesto dominato sempre più da dati emerge una nuova figura professionale fondamentale e sempre più critica, quella del Data Scientist, difficile da trovare formata perché, per essere efficace, deve saper unire competenze informatiche digitali e di business analysis in grado di relazionarsi con le principali figure apicali dell’impresa.
Per questa ragione è importante diffondere una nuova cultura di gestione aziendale che sappia formare, se non dei Data Scientist, nel significato più specifico del termine, quanto meno una generazione di nuovi professionisti, manager ed imprenditori evoluti che sappiano occuparsi con competenza dell’analisi dei dati in chiave di sviluppo strategico ed operativo delle imprese che rappresentano.
Le nuove figure devono saper unire le conoscenze e le capacità tecniche con la “business intuition” di sapere come analizzare le grandi moli di dati, spesso disaggregati, da Big Data, Data Warehouse e data base aziendale, al fine di intercettare tendenze ed elaborare report strategici ed operativi, fondamentali per accrescere il “valore” dei processi decisionali di C-Level manager e figure apicali.
Profilo del corso
-Illustrare caratteristiche e trends dell’economia basata sui dati;
-Descrivere il profilo e le caratteristiche della figura emergente del Data Scientist;
-Comprendere i principali processi e modelli organizzativi a supporto della Data Science;
-Far apprendere i principali tools, metodologie e software di Data Science;
-Presentare le logiche di apprendimento statistico, statistica avanzata ed interazione con i sistemi cloud;
-Illustrare i modelli di Machine Learning e Deep Learning;
-Comprendere fasi e modelli del Big Data Analytics Journey;
-Presentare gli approcci predittivi, prescrittivi ed “automateed”;
Introdurre le logiche di Data Visualisation;
-Comprendere come i Big Data Analytics possono essere fonte di vantaggio competitivo;
-Comprendere come monetizzare il valore dei dati attraverso le varie applicazioni funzionali.
I destinatari di questo Master sono:
-Tutte quelle figure manageriali o operative in azienda che intendono massimizzare il valore dei dati a loro disposizione, sia a livello strategico che a livello operativo di specifica funzione aziendale.
-Tutti quei profili professionali che intendono crescere e specializzarsi acquisendo competenze di Data Science, diventando figure sempre più richieste dal mercato con livelli retributivi in continua crescita.
Opinioni
Successi del Centro
Tutti i corsi devono essere aggiornati
La media delle valutazioni dev'essere superiore a 3,7
Più di 50 opinioni degli ultimi 12 mesi
13 anni del centro in Emagister.
Materie
- Data science
- Big Data
- Data Mining
- Analytics
- Dati sensibili
- Data governance
- Data protection
Professori
Team Docenti
Team Docenti
Programma
- Introduzione alla IV rivoluzione industriale ed alla trasformazione digitale
- I dati al centro della IV rivoluzione industriale
- I dati a supporto delle altre tecnologie esponenziali, IoT e Cloud
- I Big Data Analytics e le nuove opportunità per generare valore
- Le origini del ruolo
- Che cosa fa un Data Scientist: attività e job description
- Le caratteristiche di un Data Scientist
- Gli impatti a livello organizzativo
- I passi operativi del processo dei Data Science
- L’identificazione del problema
- La raccolta e l’integrazione dei dati
- L’esplorazione e la modellazione dei dati
- La comunicazione dei risultati
- Gli assetti ed i modelli organizzativi della Big Data Enterprise
- Il modello “Business Driven”
- Il modello centralizzato
- Il modello a matrice
- Il modello ibrido
Testimonianze, best practice e casi di successo
Lezione 6 IL DATA SCIENCE STARTER KIT - Parte I- I principi base dal Data Science
- L’introduzione ai principali tools e metodologie
- Programmare il Phyton con la programmazione funzionale
- L’editing dei più importanti formati di file utilizzati in Data Science
- Le analisi numeriche attraverso le librerie scientifiche Numby e Matplotlib
- La creazione di Dashboard dinamiche visualizzare dati ed analisi statistiche
- Le Query SQL per le interrogazioni complesse
- L’ambiente di sviluppo Jupiter
- L’adozione di Git per la gestione degli ambienti di sviluppo, test e produzione
- L’utilizzo della Shell Bash per la gestione dei file e l’esecuzione dei programmi
- La pratica con i principali software analitici da Anaconda a Tableau
- L’analisi di applicazioni concrete
- Descrizione e concetti chiave dell’”Internet delle Cose” in chiave industriale
- Gli ambiti di utilizzo correnti e futuri nella Smart Manufacturing
- I rischi potenziali e le principali sfide
- Casi di successo e best practices
- Principi base dell’apprendimento statistico e del Machine Learning
- L’ottimizzazione dei modelli attraverso le features più significative
- L’analisi delle metriche per la valutazione dei risultati
- L’utilizzo degli algoritmi per predire i dati
- Gestione, manipolazione e pulizia dei dati
- L’applicazione di modelli di statistica avanzata e tecniche di “scrapring”
- L’interazione con i sistemi cloud per gestione dei dati remoti
- Cloud Computing e modelli di delivery per gli Analytics
- Principi e concetti chiave del Machine Learning
- L’analisi delle serie temporali e della statistica Bayesiana
- Comprendere le tecniche di analisi dell’immagine
- L’automazione dei processi di Machine Learning
- I principi delle reti neurali e del deep learning
- L’efficienza dei modelli convoluzionali e ricorrenti
- L’estrazione delle informazioni da immagini e testi
- Sistemi di raccomandazione, word embedding e adversarial network
- Introduzione alle tecnologie più moderne di Data Science
- L’intelligenza artificiale al centro della Cognitive Enterprise
- Rendere operativi i modelli di AI in sincronia con DevOps
- I vantaggi del modello ModelOps multicloud
- Il contesto di riferimento dei Big Data Analytics
- l big data journey: dalla strategia alla tecnologia attraverso competenze e governance
- I principali trends emergenti
- La diffusione dei Big Data Analytics in Italia
- Introduzione e quadro di riferimento alla Data Governance
- I 4 pilastri della Data Governance
- Big Data Analytics, data governance e change management
- Analisi di alcuni casi concreti di progetti di Data Governance
- Gli ambiti progettuali dei Big data Analytics
- Le fasi di un progetto Big data Analytics: dall’analisi alla valutazione
- Tools e frameworks di Design Thinking di supporto ai Big Data Analytics projects
- Analisi di alcuni progetti Best Practice di successo
- Le analisi descrittive per leggere ed interpretare il passato
- Le analisi predittive per prevedere comportamenti futuri
- Le analisi prescrittive ed “automated” per l’automazione di processi e la presa di decisioni
- Le principali barriere per l’utilizzo dei big data analytics
- Le logiche ed i principi di Data Visualisation
- La Data Visualisation Storytelling
- I principali software e tools per la Data Visualisation
- L’analisi di casi concreti
- Le fonti normative per la tutela dei dati personali
- Le principali problematiche di privacy legate ai Big Data
- Le soluzioni e le regole da rispettare
- Data protection impact assessment
- Le Start Up come fonte continua di innovazione
- L’ecosistema delle start-up nella diffusione dei Big Data.
- Le tipologie di Start-Up nei big data
- Analisi di Big Data Analytics start-up di successo
- L’utilizzo dei Big data Analytics nell’industry 4.0
- Big Data, AI e Analytics per l’ottimizzazione dei processi produttivi
- La manutenzione predittiva e altri trends per il futuro
- Analisi di casi concreti di applicazione in ambito Manufacturing
- Introduzione alla data driven Customer Relationship
- Gli ambiti progettuali dell’utilizzo dei dati nella relazione con il cliente
- Big Data Analytics, AI e sistemi di C.R.M. (Customer Relationship Management)
- L’utililizzo dei Big Data Analytics in ambito Retail
- Analisi di casi concreti di applicazione nella relazione e gestione del cliente
- Dati e intelligenza artificiale per il processo di recruitment
- La valutazione delle performances nell’era digitale
- Big data e l’automazione dei processi hard
- Big data a AI a supporto del processo di learining
- Analisi di casi di applicazione nell’area HR
- Big Data Analytics e controllo di gestione 4.0
- Big Data, AI e Robot process automation nell’area Finance
- L’utilizzo dei dati per prevenire frodi e prevenire i rischi aziendali
- Analisi di casi applicazione nell’area Finance
- Big Data Analytics e Marketing
- Big Data, AI e Robot process automation nell’area Marketing
- Analisi di casi applicazione nell’area Marketing
- L’utilizzo dei Big Data Analytics nella Pubblica Amministrazione
- Le possibili applicazioni nella Mobilità e Trasporti
- Big Data Analytics per sanità e formazione
- Esempi e casi concreti di applicazione
- Big Data Analytics a supporto di value position e vantaggio competitivo
- Come integrare i Big data nell’offerta di beni e servizi
- Rilevanza, velocità ed obsolescenza dei dati
- L’utilizzo dei dati per la co-creazione di valore a livello di community
- Analisi di casi concreti di applicazione
Hai bisogno di un coach per la formazione?
Ti aiuterà a confrontare vari corsi e trovare l'offerta formativa più conveniente.
Master in Data Science & Business Analytics