STOCHASTICS AND DATA SCIENCE

Competenze attese

Conoscenza e capacità di comprensione:

Il laureato magistrale sapra':
- Utilizzare tecniche di statistica classica o Bayesiana per analizzare dati relativi a diverse realta' fisiche, biologiche, e di altra natura.
- Affrontare l'analisi sia in situazioni di scarsa informazione con piccoli campioni che nel caso di ''Big data''.
- Gestire grandi moli di dati con l'ausilio di opportuni strumenti informatici, essendo padrone delle piu' moderne tecniche per la gestione di data base.
- Formulare modelli stocastici o statistici per tali realta'.
- Utilizzare le tecniche stocastiche necessarie per lo studio di tali modelli e, ove necessario, svilupparne di nuove ''ad hoc'' per il modello in esame.
- Analizzare i modelli formulati con l'ausilio di opportune tecniche numeriche o di simulazione.
- Validare i modelli formulati con nuovi dati.
- Effettuare previsioni utilizzando i modelli sviluppati.

Capacità di applicare conoscenza e comprensione:

Il laureato magistrale sara' in grado di:
- formulare e studiare modelli matematici per descrivere varie realta';
- applicare i modelli in esame a contesti pluridisciplinari per l'analisi di dati e la gestione delle decisioni in condizioni di incertezza;
- gestire grandi banche dati, con interrogazioni e elaborazioni di interesse per problemi specifici;
- progettare esperimenti utili a verificare ipotesi di lavoro;
- analizzare e confrontare campioni di diversa provenienza;
- relazionare ad esperti di altri settori le proprieta' riconosciute tramite l'analisi dei dati;
- elaborare autonomamente dimostrazioni matematiche per nuovi risultati di interesse probabilistico-statistico.

Queste capacita' si conseguono tramite l'abitudine al problem solving, con esercitazioni in aula o con attivita' di studio individuale e di gruppo. I diversi corsi verranno coordinati al fine di incrementare lo sviluppo di competenze interdisciplinari.

Strumenti didattici di verifica:

le attivita' di esercitazione e la soluzione di esercizi sara' parte integrante della valutazione in sede di esame. I diversi corsi si suddivideranno gli obiettivi in modo da permettere l'acquisizione di tutte le competenze elencate.

Autonomia di giudizio:

I laureati in Stochastics and Data Science sono in grado di:
- formulare ed analizzare modelli statistici e probabilistici;
- applicare tali modelli a contesti tecnici afferenti a varie discipline;
- sviluppare ed applicare metodologie statistiche adatte al problema oggetto di analisi;
- analizzare e interpretare campioni statistici di piccole e grandi dimensioni, con tecniche opportune;
- effettuare validazioni del modello e previsioni al di fuori del campione (in- and out-of-sample-prediction);
- reperire e vagliare informazioni bibliografiche;
- lavorare con ampia autonomia, individualmente o in gruppo, per lo sviluppo di progetti scientifici di natura teorica o applicata, adeguati all'esperienza maturata, anche assumendo responsabilita' organizzative.
L'autonomia di giudizio verra' maturata lungo l'intero percorso formativo, sviluppando capacita' utili a reperire articoli tecnico-scientifici e ad analizzarne criticamente il contenuto, abituandosi a sostenere le proprie tesi con argomenti logico-deduttivi e avvalendosi dell'analisi dei dati.
Strumenti didattici di verifica saranno la soluzione di esercizi di natura teorica e applicata, l'analisi di casi esemplificativi, le discussioni orali in sede di esame e lo svolgimento di relazioni per alcuni corsi, oltre allo svolgimento del lavoro di tesi per la prova finale.

Abilità comunicative:

Il laureato magistrale in Stochastics and Data Science sara' in grado di
- comunicare, in lingua inglese, con svariate figure professionali che necessitino di analisi di dati, metodologie statistiche e computazionali ad hoc o modelli stocastici per comprendere le realta' di loro interesse;
- scrivere relazioni e comunicazioni, in modo matematicamente rigoroso, secondo standard e formati tipici del mondo scientifico e divulgativo internazionale;
- comunicare e difendere le sue tesi in pubblico, a presentazioni, convegni o in colloqui specifici.
Lo sviluppo di queste abilita' verra' favorito sollecitando gli studenti a tenere seminari e a presentare elaborazioni scritte o orali, differenziando secondo i corsi in modo da aumentare la varieta' di stimoli cui verra' sottoposto lo studente.
Gli strumenti didattici di verifica saranno relazioni, seminari e attività di gruppo, che costituiranno parte integrante del giudizio di esame.

Capacità di apprendimento:

Il laureato Magistrale in Stochastics and Data Science sara' in grado di:
- affrontare nuove problematiche inerenti alle loro competenze con mentalita' flessibile e capacita' critiche;
- inserirsi prontamente in diversi ambienti di lavoro, adattandosi a nuove problematiche e aggiornando le proprie conoscenze per necessita' specifiche;
- aggiornare autonomamente la propria preparazione per poter affrontare nuove attivita' che si svilupperanno nel mercato del lavoro futuro;
- proseguire gli studi con corsi di dottorato in svariati ambiti tra i quali Probabilita', Statistica, Ricerca Operativa, Economia e Finanza, Neuroscienze Computazionali, Computer Science.
L'ambiente interdisciplinare in cui si svolgeranno i corsi favorira' l'abitudine a interagire con esperti di settori diversi e stimolera' ad approfondimenti su temi meglio conosciuti da colleghi con esperienze diverse nel percorso triennale. Lo stimolo ad approfondimenti individuali avverra' anche con l'invito a seguire seminari di ospiti provenienti da altre universita' o di esperti che operino in diversi ambiti lavorativi.
La verifica dello sviluppo di queste abilita' avverra' principalmente con lo svolgimento del lavoro di tesi, eventualmente preceduto da attivita' di tutoraggio individuale con cui saranno seguiti gli studenti.

Prova finale

Titolo rilasciato:

LAUREA DI SECONDO LIVELLO IN STOCHASTICS AND DATA SCIENCE / LA QUALIFICA ACCADEMICA ASSOCIATA AL TITOLO E’ QUELLA DI “DOTTORE MAGISTRALE"

Caratteristiche della prova finale:

La prova finale consiste nella preparazione e nella difesa di una dissertazione individuale, elaborata in modo originale ed in autonomia dallo studente sotto la guida di un relatore. La prova comprende la stesura di un documento scritto in lingua inglese su argomenti concordati col relatore e la sua presentazione orale ad una commissione. Verranno valutate l'originalita' ed il rigore dei risultati esposti, la padronanza della materia, la capacita' di esposizione rigorosa ed efficace secondo gli standard scientifici, la capacita' del laureando di lavorare in modo autonomo e rigoroso su temi non affrontati precedentemente, la capacita' del candidato di reperire ed elaborare autonomamente parte del materiale bibliografico. La redazione della tesi può eventualmente svolgersi nell'ambito di un tirocinio formativo (stage) presso aziende, banche o laboratori ed istituti di ricerca nazionali o internazionali. Le modalita' di verifica saranno specificate nel Regolamento didattico in conformita' con il Regolamento di Ateneo.