BROCHURE MIDAS

MASTER
AI & DATA
SCIENCE
MASTER FULL TIME
SETTEMBRE 2023 / MARZO 2024 | ROMA

ILCORSO
OBIETTIVI FORMATIVI
Il master in AI & Data Science (MIDAS),
alla sua VIII edizione, è il primo corso di
alta specializzazione organizzato da ELIS
Innovation Hub con l’obiettivo di formare
esperti nel campo dell’analisi dati e AI.
Un corso che guarda al contesto sociale e
al mercato del lavoro del futuro, un
mercato che offre grandi opportunità, ma
per il quale sono necessarie competenze
specifiche e specialistiche.
I contenuti e le esperienze vissute durante
il Master sono pensati per fornire hard
skill e capacità digitali utili per
un’immediata accelerazione del proprio
percorso professionale.

GLI STUDENTI
CHI STIAMO CERCANDO
IL TUO PROFILO È PERFETTO PER IL CORSO SE:
Hai conseguito una Laurea in Ingegneria, Matematica, Fisica, Economia
o Statistica.
Vuoi sviluppare competenze in ambito Data Science e Intelligenza
Artificiale.
Conosci linguaggi di programmazione come Python, R.

IL PROGRAMMA
IL PROFILO "T-SHAPE" TI CONSENTIRÀ DI:
Specializzarti nell'analisi dei dati
attraverso tecniche di data mining &
machine learning.
Comprendere ed utilizzare
applicazioni di business
intelligence.
Sono previste
certificazioni in
AZURE FUNDAMENTALS
POWER BI
e
Gestire database e
big data.

FASE 1:
CLASS
Modulo 1.1
Statistical learning & programming
Modulo 1.2
Data wrangling & exploratory analysis
Modulo 1.3
Data Mining & Machine Learning
Modulo 1.4
Business Intelligence
Modulo 1.5
Big Data & Cloud Computing
Modulo 1.6
Time Series & Deep learning
FASE 2:
INDUSTRIAL PROJECT EXPERIENCE
Business
Understanding
Data
Understanding
Data
Preparation
Modeling
Evaluation
Deployment

FIGURE PROFESSIONALI
IN USCITA
Le ricerche attive in Italia (aprile 2023) sui principali motori di ricerca
relative alle figure professionali formate dal Master MIDAS
DATA
SCIENTIST
DATA
ANALYST
BUSINESS
ANALYST
DATA
ENGINEER
9686
INDEED
3223
MONSTER
16200
LINKEDIN

FIGURE PROFESSIONALI
IN USCITA
Le ricerche attive in Italia (aprile 2023) sui principali motori di ricerca
relative alle figure professionali formate dal Corso AIDAS
12.500
Data Scientist Data Analyst Data Engineer Business Analyst
11957 11859
10.000
7.500
6094
5.000
2.500
0
413
1196
1962
212
1943 1843 1587
3332
1545
INDEED MONSTER LINKEDIN

LE SELEZIONI
TUTTI GLI STEP PER PARTECIPARE
COMPILA IL FORM
Inserisci i tuoi dati e inizia il tuo
percorso di selezione
SOSTIENI IL COLLOQUIO CONOSCITIVO
Effettua il test per verificare se il tuo
profilo è in linea con il percorso
1 2 3 4 5
SEI STATO
AMMESSO?
Inizia la tua
avventura!
ACCEDI ALLE SELEZIONI
Candidati sul sito
lp.elis.org/master-ai-data-science
PRENOTA IL COLLOQUIO
Sarai contattato per fissare la
data del tuo colloquio
RICEVI UN FEEDBACK
Ti verrà comunicata l'idoneità
per partecipare al corso

I
CONTENUTI
I MODULI, GLI ARGOMENTI E TUTTO QUELLO
CHE C’È DA SAPERE DEL MASTER MIDAS

FASE 1:
CLASS
COS'È
COSA SAPRAI FARE
TOOL E METODOLOGIE
Un bootcamp per
specializzarsi nell'analisi
dei dati attraverso le
tecniche di data mining &
machine learning; nella
gestione di database e big
data, e nell’utilizzo di
sistemi di BI
Questa fase permetterà di
acquisire le certificazioni:
Azure Fundamentals e
Power BI
Modelli di regressione
lineare e non lineare
Time Series, Deep learning
Clustering e classificazione
Database & Big Data
Python, R, Power BI,
Hadoop, Spark

MODULO 1.1
STATISTICAL LEARNING AND PROGRAMMING
COS'È
COSA SAPRAI FARE
Programma di quattro
settimane, volto allo studio
della statistica descrittiva ed
inferenziale, allo studio
metodologico dei modelli di
regressione e alla
programmazione di base
Excel, Python, R e SQL.
Sarai in grado di comprendere
i principali modelli
probabilistici e la
metodologia dell’inferenza
statistica, di interpretare e
valutare i dati a tua
disposizione; infine, sarai in
grado di utilizzare Excel,
Python, R, SQL.

MODULO
1.1
TOOL E METODOLOGIE
BUSINESS ANALYTICS
Project management
Advanced Excel: data understanding; data manipulation; data visualization
Database (introduction to SQL query)
INTRODUZIONE ALLA PROGRAMMAZIONE (Python & R)
Introduzione all’ambiente di lavoro e i principali pacchetti applicativi.
Nozioni sulla programmazione di base: Data structures: vector, matrix, array, list, data frame, Apply operators;
Input/output operator; Programming: Function; Flow control: if, for, while, statements; Debugging; Probability
distributions and graphics: Densities; Cumulatives, Quantiles; Random numbers.
DESCRIPTIVE AND INFERENTIAL STATISTICS
Introduzione alla statistica descrittiva, distribuzioni di probabilità,
Teorema centrale del limite; Approssimazioni via TCL; Teoremi su Variabili Casuali Normali; Le ipotesi
fondamentali del modello di regressione; Inferenza sul modello di regressione.
TEST DI APPRENDIMENTO

MODULO 1.2
DATA WRANGLING AND EXPLORATORY ANALYSIS
COS'È
COSA SAPRAI FARE
Programma focalizzato
sull’apprendimento delle
principali tecniche di analisi
esplorativa di un dataset e
attività di data manipulations.
Sarai in grado di importare
dati all’interno dell’ambiente
di lavoro (Python & R),
esplorare i dati mediante
tecniche statistiche e
grafiche, sarai in grado di
creare oggetti e gestire dati
multidimensionali.

MODULO
1.2
TOOL E METODOLOGIE
DATA COLLECTION
Data import from: excel, csv, databse, html, json
DATA EXPLORATION & DATA MANIPULATION
Descriptive statistics • Creating new variables • Recoding variables • Renaming variables • Missing values •
Sorting data • Merging datasets • Date values • Selecting observations • Manipulating Factors • Using SQL
statements to manipulate data • Aggregation and reshaping • Resampling and bootstrapping • Advance
method for missing data
DATA VISUALIZATION
• Scatter plots • Scatter-plot matrices • High-density scatter plots • 3D scatter plots • Line charts
• Corrgrams • Mosaic plots • Advanced graphics with ggplot
TEST DI APPRENDIMENTO

MODULO 1.3
DATA MINING & MACHINE LEARNING
COS'È
COSA SAPRAI FARE
Programma di tre settimane,
centrato sullo studio
applicativo dei principali
modelli di data mining &
machine learning
supervisionati e non
supervisionati, attraverso
Python & R.
Sarai in grado di identificare il
modello di data analytics più
coerente con gli obiettivi di analisi
e la struttura dati. Acquisirai
tecniche avanzate per la gestione
della multidimensionalità, missing
values, outliers, e la validazione
finale di un modello di analytics.

MODULO
1.3
TOOL E METODOLOGIE
SUPERVISED LEARNING
Introduction to Statistical/Machine Learning
Inference vs prediction • Supervised vs unsupervised learning • Model interpretability and flexibility • Bias-
Variance trade-off • Training, testing, and validation sets • Linear regression • Qualitative predictors •
Interaction terms • Polynomial regression • GAM • Subset selection • Ridge regression • LASSO • Elastic Net
• Neural Networks • Regression trees • Classification trees • Ensembles • Bagging • Random forests •
Boosting • Gradient Boosting • Support Vector Machines
Classification
Logistic regression model • Linear discriminant analysis • Quadratic discriminant analysis • Gaussian
NaiveBayes • Regularized Discriminant Analysis • Gaussian finite mixture models • K-Nearest Neighbour
classifier
Model Assessment
Resampling Methods: • Cross-validation • Bootstrap • Performance Evaluation • Performance of regression
models • Performance of classification models
UNSUPERVISED LEARNING
Principal component analysis • Hierarchical clustering • K-means • Model basedclustering
TEST DI APPRENDIMENTO E WORKSHOP • Case study Data Analytics project

MODULO 1.4
BIG DATA AND CLOUD COMPUTING
COS'È
COSA SAPRAI FARE
Programma di due settimane
volto all’apprendimento dei
concetti di base di un
database relazionale, tra cui
tabelle, viste, constraints e
relazioni tra tabelle, ed infine
la gestione dei Big Data.
Utilizzare i principali strumenti per
l’analisi dei Big Data.
Inoltre, acquisirai competenze nel
cloud computing.

MODULO
1.4
TOOL E METODOLOGIE
BIG DATA
Introduzione all’ecosistema Hadoop esplorando lo storage dei big data in file
system distribuiti e sfruttando il calcolo distribuito di Spark e il paradigma
Map/Reduce per l’elaborazione.
CLOUD COMPUTING
Introduzione ai principali servizi Cloud per data ingestion (Azure Data
Factory), data storage (Azure Data Lake) e data processing & modeling
(Databricks). Esplorazione delle principali tipologie di servizi (IaaS, PaaS,
SaaS) e diversi tipi di database rispetto alla classificazione dei dati
(strutturati, semi-strutturati e non strutturati).

MODULO 1.5
BUSINESS INTELLIGENCE
COS'È
COSA SAPRAI FARE
Programma di una settimana
nel quale verranno affrontate
le tematiche legate al modo
della business intelligence e
al dashboarding
Sarai in grado di comprendere
un architettura di business
intelligence e sarai in grado di
realizzare efficaci dashboard
mediante ambienti
commerciali.

MODULO
1.5
TOOL E METODOLOGIE
BUSINESS INTELLIGENCE ARCHITECTURE
Operationals system • ETL • Data Warehouse • BI applications • BI portal • Data (Information)
POWER BI
Introduzione all’ambiente di data visualization Power BI: realizzazione di dashboard
e interazione con Python e R
TEST DI APPRENDIMENTO
HACKATON
Evento di prototipazione rapida, con challenge proposte dalle aziende del consorzio ELIS à applicazione
della metodologia di design thinking, attraverso la quale applicherai quanto appreso nella Fase 1.

MODULO 1.6
TIME SERIES & DEEP LEARNING
COS'È
COSA SAPRAI FARE
Programma di due settimane
nelle quali verranno affrontate
le tematiche relative
all’analisi delle serie storiche,
il forecasting e l’utilizzo delle
reti neurali.
Sarai in grado di gestire dati in
serie storiche, utilizzando i
modelli più avanzati per il
forecasting. Sarai in grado di
comprendere e saper utilizzare
algoritmi di neural network di
base e avanzati per l’image &
data analysis.

MODULO
1.6
TOOL E METODOLOGIE
TIME SERIES
Time series data Manipulations: zoo pkg; xtspkg; tspkg; regular vs Irregular ts; Merging time series;
Missing values • Introduction to ARIMA process: lag; time series decomposition; transformations and
adjustments; testing; train set & test set; accuracy; plot ts; forecast •
Exponential smoothing models: ETS HW-Holt-Winters •
More advanced models: VAR; ECM •
Plotting Time Series: Dygraph packages
DEEP LEARNING
Introduction to deep learning: Practical applications; What is a neural network • Gradient descent •
Forward and backward propagation • Vectorization • Broadcasting in Python
Training neural networks: Training, validation and test • Regularization • Dropout •Data preprocessing •
Vanishing and exploding gradients • Weight initialization
Optimization algorithms: Mini-batch gradient descent • SDG + momentum •RMSprop; Adam •
Hyperparameters tuning and batch normalization
Advanced Deep Learning Models: Modeling multi-dimensional data: Image processing • Convolutional
neural networks (CNNs) • Advanced CNNs; Object detection •Advanced applications • Sequence modelling
and forecasting •Sequence processing • CNN based techniques • Recurrent neural networks (RNNs)
•Backpropagation through time •Advanced applications
TEST DI APPRENDIMENTO

FASE 2: INDUSTRIAL PROJECT EXPERIENCE
COS'È
Sperimenterai i contenuti appresi sviluppando un progetto reale commissionato dalle imprese
del Consorzio ELIS. Attraverso avanzamenti settimanali e con il supporto di tutor tecnici,
lavorerai come un vero e proprio Data Scientist dando vita al tuo progetto nei seguenti ambiti:
Predictive Maintenance, Cyber-Security, Anomaly Detection, Predictive Customers
Intelligence, Predictive Asset Management, Business Analytics.

FASE 2: INDUSTRIAL PROJECT EXPERIENCE
DATA SCIENCE LIFE CYCLE
THE CROSS INDUSTRY STANDARD PROCESS FOR DATA MINING (CRISP-DM)
Business
Understanding
Data
Understanding
Data
Preparation
Modeling Evaluation Deployment
Determine
business
objectives
Assess situation
Determine data
mining goals
Produce project
plan
Collect initial
data
Describe data
Explore data
Verify data
quality
Select data
Clean data
Construct
data
Format data
Select models
Generate test
design
Assess model
Evaluate results
Review process
Determine next
steps
Plan deployment
Plan monitoring
and
maintenance
Produce final
report
Review project

FASE 2: INDUSTRIAL PROJECT EXPERIENCE
ALCUNI PROGETTI DEGLI ULTIMI ANNI
TIM
Customer Journey Analytics
SKY
Pattern recognition for network error
TERNA
Executive dashboard
ACEA
Smart Water Analytics
TRELLEBORG
Tyres Performance Analytics
MAIN TOPICS &
TECHNLOGIES
Data Mining
Anomaly Detection
AI & Cloud
Computing
Time Series Analysis
Dashboard
Forecasting
Power BI • Hadoop • Python / R • SQL

FASE 2: INDUSTRIAL PROJECT EXPERIENCE
ALCUNI PROGETTI DEGLI ULTIMI ANNI
ENEL THERMAL GENERATION
Customer Journey Analytics
Anomaly Detection for Cyber Security
LA MARZOCCO
Pattern recognition for network error
GENERALI
Executive dashboard
Customers Intelligence
ENEL GREEN POWER
Wind Blades Stress Index
MAIN TOPICS &
TECHNLOGIES
Data Mining
Anomaly Detection
AI & Cloud
Computing
Time Series Analysis
Dashboard
Forecasting
Power BI • Hadoop • Python / R • SQL

TUTTO QUELLO
CHE DEVI SAPERE
DEL MONDO
ELIS
CHI STIAMO CERCANDO, CHI
SIAMO E MOLTO DI PIÙ

COSA DEVI
SAPERE
INFORMAZIONI PER I FUTURI STUDENTI
COSTI E AGEVOLAZIONI
Il valore del corso è pari a 6500€. Le Aziende partner
erogano delle borse di studio di 4000€, quindi il costo da
sostenere per gli studenti sarà di 2500€. Inoltre, è possibile
concorrere all'assegnazione di una borsa di studio a
copertura totale. Sono previsti premi di partecipazione fino
a 800€/mese in base alla valutazione di merito.
IL PRESTITO CHE CREDE NEL TUO TALENTO
ELIS, in collaborazione con Intesa Sanpaolo, ha stipulato la
formula Prestito per Merito per offrire agli studenti iscritti al
Corso un servizio di prestito personale a condizioni agevolate.
Prestito per Merito consente di far fronte alla retta di frequenza,
alle spese per l’alloggio, all’acquisto di computer o altro
materiale. Per saperne di più, clicca qui.

I NUMERI
EXPERIENCE
DELLE EDIZIONI PRECEDENTI
20 DOCENTI
Italiani e internazionali, tra loro Dennis
Frezzo, Senior Manager Cisco System
ECONOMIA/STATISTICA
15.8%
MATEMATICA
2.6%
INGEGNERIA BIOMEDICA
5.3%
INGEGNERIA GESTIONALE
18.4%
INGEGNERIA
18.7%
ALTRI INDIRIZZI
2.6%
INFORMATICA
7.9%
INGEGNERIA INFORMATICA
28.7%
10 SEMINARI/WORKSHOP
tenuti da Almaviva, Cisco, IBM, SAS,
ST Microelectronics, etc.
1 HACKATON
1 CONTEST DI PROGETTO
3+3 giorni di prototipazione rapida
50+ PROGETTI INDUSTRIALI
Commissionati da aziende leader e
guidati da PM con esperienza
37 AZIENDE
coinvolte nell’Advisory Board di indirizzo
e monitoraggio del programma
75 PARTECIPANTI
laureandi e laureati in discipline tecnicoscientifiche
(a seguire la distribuzione
per studi di provenienza)

PLACEMENT
LA SFIDA DEL POSTO DI LAVORO, UNA SCOMMESSA VINTA...
Il programma mette a disposizione degli allievi l’opportunità di un
inserimento lavorativo all’interno del network ELIS, per cui al termine
del corso si avrà l’opportunità di incontrare le aziende attraverso il
Placement, un servizio pensato per favorire l’incontro tra studenti e
aziende attraverso sessioni di colloqui di lavoro.

ELIS,
CHI SIAMO
IL NOSTRO NETWORK

ELIS,
CHI SIAMO
FORMIAMO PERSONE AL LAVORO
ELIS è una realtà no profit che forma persone al
lavoro, sulla scia dei valori di San Jose María,
fondatore dell’Opus Dei. Nata più di 50 anni fa, si
rivolge a giovani – specie quelli in difficoltà – a
professionisti e imprese costruendo con loro percorsi
formativi, progetti di innovazione e attività di sviluppo
sostenibile.
Opera in Italia e nel mondo, favorendo il lavoro come
strumento di emancipazione personale, come
opportunità di mettersi al servizio degli altri e come
elemento fondante di ogni progetto di vita.
In ELIS volontari, imprenditori, studenti, ricercatori,
startupper, docenti, migranti e cooperatori lavorano
fianco a fianco per estendere le opportunità e rendere
ogni persona agente del cambiamento, operando
senza pregiudizi religiosi o culturali e favorendo
sempre la parità di genere.

CONTATTI
E SOCIAL
MASTER FULL TIME
MASTER
AI & DATA SCIENCE
CONTATTACI
PER MAGGIORI INFORMAZIONI:
+39 06 4592 4447
info@elis.org
elis.org
@centroelis