Descrizione

Tipologia

Master
Ore di lezione

112h

Durata

4 Mesi

Corso disponibile anche in Video Live Streaming

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

Quali sono gli obiettivi 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.

A chi è diretto?

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.

Domande e risposte

Aggiungi la tua domanda

I nostri consulenti e altri utenti potranno risponderti

Opinioni

Successi del Centro

2017

Come si ottiene il marchio CUM LAUDE?

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

Programma

Lezione 1 LA CENTRALITÀ DEL DATO NELLA IV RIVOLUZIONE INDUSTRIALE

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

Lezione 2 LA FIGURA DEL DATA SCIENTIST

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

Lezione 3 IL PROCESSO DI DATA SCIENCE

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

Lezione 4 LA PROGETTAZIONE DEL MODELLO ORGANIZZATIVO PER LA GESTIONE DEL DATA SCIENCE

Gli assetti ed i modelli organizzativi della Big Data Enterprise
Il modello “Business Driven”
Il modello centralizzato
Il modello a matrice
Il modello ibrido

Lezione 5 IL DATA SCIENTIST ALL’OPERA: TESTIMONIANZE E CASI DI SUCCESSO

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

Lezione 7 IL DATA SCIENCE STARTER KIT - Parte II

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

Lezione 8 IL DATA SCIENCE STARTER KIT – Parte III

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

Lezione 9 I PRINCIPALI SOFTWARE ANALITICI

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

Lezione 10 L’APPRENDIMENTO STATISTICO

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

Lezione 11 LA STATISTICA AVANZATA E L’INTERAZIONE CON I SISTEMI CLOUD

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

Lezione 12 I SISTEMI DI MACHINE LEARNING

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

Lezione 13 I MODELLI E LE TECNICHE DI DEEP 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

Lezione 14 TECNOLOGIE DI DATA SCIENCE MODERNA E APPROCCIO MODEL OPS

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

Lezione 15 BIG DATA JOURNEY, CONTESTO DI RIFERIMENTO TREND EMERGENTI E SFIDE TECNOLOGICHE

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

Lezione 16 LA DATA GOVERNANCE

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

Lezione 17 COME GESTIRE UN PROGETTO DI BIG DATA ANALYTICS

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

Lezione 18 BIG DATA ANALYTICS – LE DIVERSE TIPOLOGIE DI ANALISI

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

Lezione 19 LOGICHE DI DATA VISUALISATION

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

Lezione 20 BIG DATA E TUTELA DEI DATI

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

Lezione 21 LE START-UP DEI BIG DATA ANALYTICS

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

Lezione 22 I BIG DATA ANALYTICS ED INDUSTRY 4.0

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

Lezione 23 I BIG DATA ANALYTICS E LA GESTIONE DEL CLIENTE

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

Lezione 24 I BIG DATA ANALYTICS NELL’AREA RISORSE UMANE

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

Lezione 25 I BIG DATA ANALYTICS NELL’AREA FINANCE

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

Lezione 26 I BIG DATA ANALYTICS NELL’AREA MARKETING

Big Data Analytics e Marketing
Big Data, AI e Robot process automation nell’area Marketing
Analisi di casi applicazione nell’area Marketing

Lezione 27 I BIG DATA E PUBBLICA AMMINISTRAZIONE

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

Lezione 28 IL VALORE DEI DATI PER CREARE UN VANTAGGIO COMPETITIVO

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

Categorie correlate

Contatto

Master in Data Science & Business Analytics

Domande e risposte

Opinioni

Successi del Centro

Materie

Programma

Aggiungi corsi simili
e confrontali per aiutarti a scegliere.

Master in Data Science & Business Analytics

Domande e risposte

Opinioni

Successi del Centro

Materie

Programma

Aggiungi corsi similie confrontali per aiutarti a scegliere.

Aggiungi corsi simili
e confrontali per aiutarti a scegliere.