Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
MASTER<br />
AI & DATA<br />
SCIENCE<br />
MASTER FULL TIME<br />
SETTEMBRE 2023 / MARZO 2024 | ROMA
ILCORSO<br />
OBIETTIVI FORMATIVI<br />
Il master in AI & Data Science (<strong>MIDAS</strong>),<br />
alla sua VIII edizione, è il primo corso di<br />
alta specializzazione organizzato da ELIS<br />
Innovation Hub con l’obiettivo di formare<br />
esperti nel campo dell’analisi dati e AI.<br />
Un corso che guarda al contesto sociale e<br />
al mercato del lavoro del futuro, un<br />
mercato che offre grandi opportunità, ma<br />
per il quale sono necessarie competenze<br />
specifiche e specialistiche.<br />
I contenuti e le esperienze vissute durante<br />
il Master sono pensati per fornire hard<br />
skill e capacità digitali utili per<br />
un’immediata accelerazione del proprio<br />
percorso professionale.
GLI STUDENTI<br />
CHI STIAMO CERCANDO<br />
IL TUO PROFILO È PERFETTO PER IL CORSO SE:<br />
Hai conseguito una Laurea in Ingegneria, Matematica, Fisica, Economia<br />
o Statistica.<br />
Vuoi sviluppare competenze in ambito Data Science e Intelligenza<br />
Artificiale.<br />
Conosci linguaggi di programmazione come Python, R.
IL PROGRAMMA<br />
IL PROFILO "T-SHAPE" TI CONSENTIRÀ DI:<br />
Specializzarti nell'analisi dei dati<br />
attraverso tecniche di data mining &<br />
machine learning.<br />
Comprendere ed utilizzare<br />
applicazioni di business<br />
intelligence.<br />
Sono previste<br />
certificazioni in<br />
AZURE FUNDAMENTALS<br />
POWER BI<br />
e<br />
Gestire database e<br />
big data.
FASE 1:<br />
CLASS<br />
Modulo 1.1<br />
Statistical learning & programming<br />
Modulo 1.2<br />
Data wrangling & exploratory analysis<br />
Modulo 1.3<br />
Data Mining & Machine Learning<br />
Modulo 1.4<br />
Business Intelligence<br />
Modulo 1.5<br />
Big Data & Cloud Computing<br />
Modulo 1.6<br />
Time Series & Deep learning<br />
FASE 2:<br />
INDUSTRIAL PROJECT EXPERIENCE<br />
Business<br />
Understanding<br />
Data<br />
Understanding<br />
Data<br />
Preparation<br />
Modeling<br />
Evaluation<br />
Deployment
FIGURE PROFESSIONALI<br />
IN USCITA<br />
Le ricerche attive in Italia (aprile 2023) sui principali motori di ricerca<br />
relative alle figure professionali formate dal Master <strong>MIDAS</strong><br />
DATA<br />
SCIENTIST<br />
DATA<br />
ANALYST<br />
BUSINESS<br />
ANALYST<br />
DATA<br />
ENGINEER<br />
9686<br />
INDEED<br />
3223<br />
MONSTER<br />
16200<br />
FIGURE PROFESSIONALI<br />
IN USCITA<br />
Le ricerche attive in Italia (aprile 2023) sui principali motori di ricerca<br />
relative alle figure professionali formate dal Corso AIDAS<br />
12.500<br />
Data Scientist Data Analyst Data Engineer Business Analyst<br />
11957 11859<br />
10.000<br />
7.500<br />
6094<br />
5.000<br />
2.500<br />
0<br />
413<br />
1196<br />
1962<br />
212<br />
1943 1843 1587<br />
3332<br />
1545<br />
INDEED MONSTER LINKEDIN
LE SELEZIONI<br />
TUTTI GLI STEP PER PARTECIPARE<br />
COMPILA IL FORM<br />
Inserisci i tuoi dati e inizia il tuo<br />
percorso di selezione<br />
SOSTIENI IL COLLOQUIO CONOSCITIVO<br />
Effettua il test per verificare se il tuo<br />
profilo è in linea con il percorso<br />
1 2 3 4 5<br />
SEI STATO<br />
AMMESSO?<br />
Inizia la tua<br />
avventura!<br />
ACCEDI ALLE SELEZIONI<br />
Candidati sul sito<br />
lp.elis.org/master-ai-data-science<br />
PRENOTA IL COLLOQUIO<br />
Sarai contattato per fissare la<br />
data del tuo colloquio<br />
RICEVI UN FEEDBACK<br />
Ti verrà comunicata l'idoneità<br />
per partecipare al corso
I<br />
CONTENUTI<br />
I MODULI, GLI ARGOMENTI E TUTTO QUELLO<br />
CHE C’È DA SAPERE DEL MASTER <strong>MIDAS</strong>
FASE 1:<br />
CLASS<br />
COS'È<br />
COSA SAPRAI FARE<br />
TOOL E METODOLOGIE<br />
Un bootcamp per<br />
specializzarsi nell'analisi<br />
dei dati attraverso le<br />
tecniche di data mining &<br />
machine learning; nella<br />
gestione di database e big<br />
data, e nell’utilizzo di<br />
sistemi di BI<br />
Questa fase permetterà di<br />
acquisire le certificazioni:<br />
Azure Fundamentals e<br />
Power BI<br />
Modelli di regressione<br />
lineare e non lineare<br />
<br />
<br />
Time Series, Deep learning<br />
<br />
Clustering e classificazione<br />
<br />
<br />
Database & Big Data<br />
<br />
<br />
Python, R, Power BI,<br />
Hadoop, Spark
MODULO 1.1<br />
STATISTICAL LEARNING AND PROGRAMMING<br />
COS'È<br />
COSA SAPRAI FARE<br />
Programma di quattro<br />
settimane, volto allo studio<br />
della statistica descrittiva ed<br />
inferenziale, allo studio<br />
metodologico dei modelli di<br />
regressione e alla<br />
programmazione di base<br />
Excel, Python, R e SQL.<br />
Sarai in grado di comprendere<br />
i principali modelli<br />
probabilistici e la<br />
metodologia dell’inferenza<br />
statistica, di interpretare e<br />
valutare i dati a tua<br />
disposizione; infine, sarai in<br />
grado di utilizzare Excel,<br />
Python, R, SQL.
MODULO<br />
1.1<br />
TOOL E METODOLOGIE<br />
BUSINESS ANALYTICS<br />
Project management<br />
Advanced Excel: data understanding; data manipulation; data visualization<br />
Database (introduction to SQL query)<br />
<br />
INTRODUZIONE ALLA PROGRAMMAZIONE (Python & R)<br />
Introduzione all’ambiente di lavoro e i principali pacchetti applicativi.<br />
Nozioni sulla programmazione di base: Data structures: vector, matrix, array, list, data frame, Apply operators;<br />
Input/output operator; Programming: Function; Flow control: if, for, while, statements; Debugging; Probability<br />
distributions and graphics: Densities; Cumulatives, Quantiles; Random numbers.<br />
<br />
DESCRIPTIVE AND INFERENTIAL STATISTICS<br />
Introduzione alla statistica descrittiva, distribuzioni di probabilità,<br />
Teorema centrale del limite; Approssimazioni via TCL; Teoremi su Variabili Casuali Normali; Le ipotesi<br />
fondamentali del modello di regressione; Inferenza sul modello di regressione.<br />
<br />
TEST DI APPRENDIMENTO
MODULO 1.2<br />
DATA WRANGLING AND EXPLORATORY ANALYSIS<br />
COS'È<br />
COSA SAPRAI FARE<br />
Programma focalizzato<br />
sull’apprendimento delle<br />
principali tecniche di analisi<br />
esplorativa di un dataset e<br />
attività di data manipulations.<br />
<br />
Sarai in grado di importare<br />
dati all’interno dell’ambiente<br />
di lavoro (Python & R),<br />
esplorare i dati mediante<br />
tecniche statistiche e<br />
grafiche, sarai in grado di<br />
creare oggetti e gestire dati<br />
multidimensionali.
MODULO<br />
1.2<br />
TOOL E METODOLOGIE<br />
DATA COLLECTION<br />
Data import from: excel, csv, databse, html, json<br />
<br />
DATA EXPLORATION & DATA MANIPULATION<br />
Descriptive statistics • Creating new variables • Recoding variables • Renaming variables • Missing values •<br />
Sorting data • Merging datasets • Date values • Selecting observations • Manipulating Factors • Using SQL<br />
statements to manipulate data • Aggregation and reshaping • Resampling and bootstrapping • Advance<br />
method for missing data<br />
<br />
DATA VISUALIZATION<br />
• Scatter plots • Scatter-plot matrices • High-density scatter plots • 3D scatter plots • Line charts<br />
• Corrgrams • Mosaic plots • Advanced graphics with ggplot<br />
<br />
TEST DI APPRENDIMENTO
MODULO 1.3<br />
DATA MINING & MACHINE LEARNING<br />
COS'È<br />
COSA SAPRAI FARE<br />
Programma di tre settimane,<br />
centrato sullo studio<br />
applicativo dei principali<br />
modelli di data mining &<br />
machine learning<br />
supervisionati e non<br />
supervisionati, attraverso<br />
Python & R.<br />
Sarai in grado di identificare il<br />
modello di data analytics più<br />
coerente con gli obiettivi di analisi<br />
e la struttura dati. Acquisirai<br />
tecniche avanzate per la gestione<br />
della multidimensionalità, missing<br />
values, outliers, e la validazione<br />
finale di un modello di analytics.
MODULO<br />
1.3<br />
TOOL E METODOLOGIE<br />
SUPERVISED LEARNING<br />
<br />
Introduction to Statistical/Machine Learning<br />
Inference vs prediction • Supervised vs unsupervised learning • Model interpretability and flexibility • Bias-<br />
Variance trade-off • Training, testing, and validation sets • Linear regression • Qualitative predictors •<br />
Interaction terms • Polynomial regression • GAM • Subset selection • Ridge regression • LASSO • Elastic Net<br />
• Neural Networks • Regression trees • Classification trees • Ensembles • Bagging • Random forests •<br />
Boosting • Gradient Boosting • Support Vector Machines<br />
<br />
Classification<br />
Logistic regression model • Linear discriminant analysis • Quadratic discriminant analysis • Gaussian<br />
NaiveBayes • Regularized Discriminant Analysis • Gaussian finite mixture models • K-Nearest Neighbour<br />
classifier<br />
<br />
Model Assessment<br />
Resampling Methods: • Cross-validation • Bootstrap • Performance Evaluation • Performance of regression<br />
models • Performance of classification models<br />
<br />
UNSUPERVISED LEARNING<br />
Principal component analysis • Hierarchical clustering • K-means • Model basedclustering<br />
<br />
TEST DI APPRENDIMENTO E WORKSHOP • Case study Data Analytics project
MODULO 1.4<br />
BIG DATA AND CLOUD COMPUTING<br />
COS'È<br />
COSA SAPRAI FARE<br />
Programma di due settimane<br />
volto all’apprendimento dei<br />
concetti di base di un<br />
database relazionale, tra cui<br />
tabelle, viste, constraints e<br />
relazioni tra tabelle, ed infine<br />
la gestione dei Big Data.<br />
Utilizzare i principali strumenti per<br />
l’analisi dei Big Data.<br />
Inoltre, acquisirai competenze nel<br />
cloud computing.
MODULO<br />
1.4<br />
TOOL E METODOLOGIE<br />
BIG DATA<br />
Introduzione all’ecosistema Hadoop esplorando lo storage dei big data in file<br />
system distribuiti e sfruttando il calcolo distribuito di Spark e il paradigma<br />
Map/Reduce per l’elaborazione.<br />
<br />
CLOUD COMPUTING<br />
<br />
Introduzione ai principali servizi Cloud per data ingestion (Azure Data<br />
Factory), data storage (Azure Data Lake) e data processing & modeling<br />
(Databricks). Esplorazione delle principali tipologie di servizi (IaaS, PaaS,<br />
SaaS) e diversi tipi di database rispetto alla classificazione dei dati<br />
(strutturati, semi-strutturati e non strutturati).
MODULO 1.5<br />
BUSINESS INTELLIGENCE<br />
COS'È<br />
COSA SAPRAI FARE<br />
Programma di una settimana<br />
nel quale verranno affrontate<br />
le tematiche legate al modo<br />
della business intelligence e<br />
al dashboarding<br />
Sarai in grado di comprendere<br />
un architettura di business<br />
intelligence e sarai in grado di<br />
realizzare efficaci dashboard<br />
mediante ambienti<br />
commerciali.
MODULO<br />
1.5<br />
TOOL E METODOLOGIE<br />
BUSINESS INTELLIGENCE ARCHITECTURE<br />
Operationals system • ETL • Data Warehouse • BI applications • BI portal • Data (Information)<br />
<br />
<br />
POWER BI<br />
Introduzione all’ambiente di data visualization Power BI: realizzazione di dashboard<br />
e interazione con Python e R<br />
<br />
TEST DI APPRENDIMENTO<br />
<br />
HACKATON<br />
Evento di prototipazione rapida, con challenge proposte dalle aziende del consorzio ELIS à applicazione<br />
della metodologia di design thinking, attraverso la quale applicherai quanto appreso nella Fase 1.
MODULO 1.6<br />
TIME SERIES & DEEP LEARNING<br />
COS'È<br />
COSA SAPRAI FARE<br />
Programma di due settimane<br />
nelle quali verranno affrontate<br />
le tematiche relative<br />
all’analisi delle serie storiche,<br />
il forecasting e l’utilizzo delle<br />
reti neurali.<br />
Sarai in grado di gestire dati in<br />
serie storiche, utilizzando i<br />
modelli più avanzati per il<br />
forecasting. Sarai in grado di<br />
comprendere e saper utilizzare<br />
algoritmi di neural network di<br />
base e avanzati per l’image &<br />
data analysis.
MODULO<br />
1.6<br />
TOOL E METODOLOGIE<br />
TIME SERIES<br />
Time series data Manipulations: zoo pkg; xtspkg; tspkg; regular vs Irregular ts; Merging time series;<br />
Missing values • Introduction to ARIMA process: lag; time series decomposition; transformations and<br />
adjustments; testing; train set & test set; accuracy; plot ts; forecast •<br />
Exponential smoothing models: ETS HW-Holt-Winters •<br />
More advanced models: VAR; ECM •<br />
Plotting Time Series: Dygraph packages<br />
<br />
DEEP LEARNING<br />
Introduction to deep learning: Practical applications; What is a neural network • Gradient descent •<br />
Forward and backward propagation • Vectorization • Broadcasting in Python<br />
Training neural networks: Training, validation and test • Regularization • Dropout •Data preprocessing •<br />
Vanishing and exploding gradients • Weight initialization<br />
Optimization algorithms: Mini-batch gradient descent • SDG + momentum •RMSprop; Adam •<br />
Hyperparameters tuning and batch normalization<br />
Advanced Deep Learning Models: Modeling multi-dimensional data: Image processing • Convolutional<br />
neural networks (CNNs) • Advanced CNNs; Object detection •Advanced applications • Sequence modelling<br />
and forecasting •Sequence processing • CNN based techniques • Recurrent neural networks (RNNs)<br />
•Backpropagation through time •Advanced applications<br />
<br />
TEST DI APPRENDIMENTO
FASE 2: INDUSTRIAL PROJECT EXPERIENCE<br />
COS'È<br />
Sperimenterai i contenuti appresi sviluppando un progetto reale commissionato dalle imprese<br />
del Consorzio ELIS. Attraverso avanzamenti settimanali e con il supporto di tutor tecnici,<br />
lavorerai come un vero e proprio Data Scientist dando vita al tuo progetto nei seguenti ambiti:<br />
Predictive Maintenance, Cyber-Security, Anomaly Detection, Predictive Customers<br />
Intelligence, Predictive Asset Management, Business Analytics.
FASE 2: INDUSTRIAL PROJECT EXPERIENCE<br />
DATA SCIENCE LIFE CYCLE<br />
THE CROSS INDUSTRY STANDARD PROCESS FOR DATA MINING (CRISP-DM)<br />
Business<br />
Understanding<br />
Data<br />
Understanding<br />
Data<br />
Preparation<br />
Modeling Evaluation Deployment<br />
Determine<br />
business<br />
objectives<br />
Assess situation<br />
Determine data<br />
mining goals<br />
Produce project<br />
plan<br />
Collect initial<br />
data<br />
Describe data<br />
Explore data<br />
Verify data<br />
quality<br />
Select data<br />
Clean data<br />
Construct<br />
data<br />
Format data<br />
Select models<br />
Generate test<br />
design<br />
Assess model<br />
Evaluate results<br />
Review process<br />
Determine next<br />
steps<br />
Plan deployment<br />
Plan monitoring<br />
and<br />
maintenance<br />
Produce final<br />
report<br />
Review project
FASE 2: INDUSTRIAL PROJECT EXPERIENCE<br />
ALCUNI PROGETTI DEGLI ULTIMI ANNI<br />
TIM<br />
Customer Journey Analytics<br />
SKY<br />
Pattern recognition for network error<br />
TERNA<br />
Executive dashboard<br />
ACEA<br />
Smart Water Analytics<br />
TRELLEBORG<br />
Tyres Performance Analytics<br />
MAIN TOPICS &<br />
TECHNLOGIES<br />
Data Mining<br />
Anomaly Detection<br />
AI & Cloud<br />
Computing<br />
Time Series Analysis<br />
Dashboard<br />
Forecasting<br />
Power BI • Hadoop • Python / R • SQL
FASE 2: INDUSTRIAL PROJECT EXPERIENCE<br />
ALCUNI PROGETTI DEGLI ULTIMI ANNI<br />
ENEL THERMAL GENERATION<br />
Customer Journey Analytics<br />
Anomaly Detection for Cyber Security<br />
LA MARZOCCO<br />
Pattern recognition for network error<br />
GENERALI<br />
Executive dashboard<br />
Customers Intelligence<br />
ENEL GREEN POWER<br />
Wind Blades Stress Index<br />
MAIN TOPICS &<br />
TECHNLOGIES<br />
Data Mining<br />
Anomaly Detection<br />
AI & Cloud<br />
Computing<br />
Time Series Analysis<br />
Dashboard<br />
Forecasting<br />
Power BI • Hadoop • Python / R • SQL
TUTTO QUELLO<br />
CHE DEVI SAPERE<br />
DEL MONDO<br />
ELIS<br />
CHI STIAMO CERCANDO, CHI<br />
SIAMO E MOLTO DI PIÙ
COSA DEVI<br />
SAPERE<br />
INFORMAZIONI PER I FUTURI STUDENTI<br />
COSTI E AGEVOLAZIONI<br />
Il valore del corso è pari a 6500€. Le Aziende partner<br />
erogano delle borse di studio di 4000€, quindi il costo da<br />
sostenere per gli studenti sarà di 2500€. Inoltre, è possibile<br />
concorrere all'assegnazione di una borsa di studio a<br />
copertura totale. Sono previsti premi di partecipazione fino<br />
a 800€/mese in base alla valutazione di merito.<br />
IL PRESTITO CHE CREDE NEL TUO TALENTO<br />
ELIS, in collaborazione con Intesa Sanpaolo, ha stipulato la<br />
formula Prestito per Merito per offrire agli studenti iscritti al<br />
Corso un servizio di prestito personale a condizioni agevolate.<br />
Prestito per Merito consente di far fronte alla retta di frequenza,<br />
alle spese per l’alloggio, all’acquisto di computer o altro<br />
materiale. Per saperne di più, clicca qui.
I NUMERI<br />
EXPERIENCE<br />
DELLE EDIZIONI PRECEDENTI<br />
20 DOCENTI<br />
Italiani e internazionali, tra loro Dennis<br />
Frezzo, Senior Manager Cisco System<br />
ECONOMIA/STATISTICA<br />
15.8%<br />
MATEMATICA<br />
2.6%<br />
INGEGNERIA BIOMEDICA<br />
5.3%<br />
INGEGNERIA GESTIONALE<br />
18.4%<br />
INGEGNERIA<br />
18.7%<br />
ALTRI INDIRIZZI<br />
2.6%<br />
INFORMATICA<br />
7.9%<br />
INGEGNERIA INFORMATICA<br />
28.7%<br />
10 SEMINARI/WORKSHOP<br />
tenuti da Almaviva, Cisco, IBM, SAS,<br />
ST Microelectronics, etc.<br />
1 HACKATON<br />
1 CONTEST DI PROGETTO<br />
3+3 giorni di prototipazione rapida<br />
50+ PROGETTI INDUSTRIALI<br />
Commissionati da aziende leader e<br />
guidati da PM con esperienza<br />
37 AZIENDE<br />
coinvolte nell’Advisory Board di indirizzo<br />
e monitoraggio del programma<br />
75 PARTECIPANTI<br />
laureandi e laureati in discipline tecnicoscientifiche<br />
(a seguire la distribuzione<br />
per studi di provenienza)
PLACEMENT<br />
LA SFIDA DEL POSTO DI LAVORO, UNA SCOMMESSA VINTA...<br />
Il programma mette a disposizione degli allievi l’opportunità di un<br />
inserimento lavorativo all’interno del network ELIS, per cui al termine<br />
del corso si avrà l’opportunità di incontrare le aziende attraverso il<br />
Placement, un servizio pensato per favorire l’incontro tra studenti e<br />
aziende attraverso sessioni di colloqui di lavoro.
ELIS,<br />
CHI SIAMO<br />
IL NOSTRO NETWORK
ELIS,<br />
CHI SIAMO<br />
FORMIAMO PERSONE AL LAVORO<br />
ELIS è una realtà no profit che forma persone al<br />
lavoro, sulla scia dei valori di San Jose María,<br />
fondatore dell’Opus Dei. Nata più di 50 anni fa, si<br />
rivolge a giovani – specie quelli in difficoltà – a<br />
professionisti e imprese costruendo con loro percorsi<br />
formativi, progetti di innovazione e attività di sviluppo<br />
sostenibile.<br />
<br />
<br />
Opera in Italia e nel mondo, favorendo il lavoro come<br />
strumento di emancipazione personale, come<br />
opportunità di mettersi al servizio degli altri e come<br />
elemento fondante di ogni progetto di vita.<br />
<br />
In ELIS volontari, imprenditori, studenti, ricercatori,<br />
startupper, docenti, migranti e cooperatori lavorano<br />
fianco a fianco per estendere le opportunità e rendere<br />
ogni persona agente del cambiamento, operando<br />
senza pregiudizi religiosi o culturali e favorendo<br />
sempre la parità di genere.
CONTATTI<br />
E SOCIAL<br />
MASTER FULL TIME<br />
MASTER<br />
AI & DATA SCIENCE<br />
CONTATTACI<br />
PER MAGGIORI INFORMAZIONI:<br />
+39 06 4592 4447<br />
info@elis.org<br />
elis.org<br />
@centroelis