Obiettivi
L’interesse pubblico per la Data Science e i Big Data è in rapida crescita, poiché le decisioni basate sui dati diventano sempre più visibili nella vita quotidiana. La società è passata rapidamente da un modello prevalentemente analogico a uno digitale. Aziende, organizzazioni e individui sono costantemente connessi. L’Internet of Things (IoT) contribuisce in modo significativo a questa espansione: abitazioni, automobili, fabbriche e città diventano sempre più “intelligenti”, sfruttando i dati raccolti da dispositivi sempre più piccoli, ovunque e in qualsiasi momento. Questi dati permettono di registrare e analizzare in dettaglio i comportamenti di persone, macchine e organizzazioni.
Sebbene i Big Data offrano grandi potenzialità per il benessere, lo sviluppo sociale e l’economia, vengono generati a una velocità che supera di gran lunga le attuali capacità computazionali. Inoltre, mancano ancora molti strumenti analitici, modelli e competenze necessari per interpretarli efficacemente. La sfida consiste nello sviluppo di algoritmi, modelli, metodologie, strumenti e competenze per acquisire, archiviare, elaborare, analizzare, ricercare e estrarre conoscenza da questi vasti insiemi di dati, adottando un approccio guidato dai dati e capace di produrre conoscenze competitive e inattese. I progressi in questi ambiti avranno un impatto profondo su applicazioni scientifiche, economiche e sociali in settori molto diversi, tra cui la ricerca sul web, i social network, la finanza, la manifattura (Industria 4.0/5.0), i trasporti, la sanità, la genomica, le politiche pubbliche, l’istruzione, il commercio al dettaglio e molti altri.
Vi è una carenza critica di professionisti in grado di trasformare grandi quantità di dati in informazioni utili e strategie operative, supportati da una solida preparazione informatica. La richiesta di queste competenze è trasversale: grandi aziende tecnologiche globali, telecomunicazioni, distribuzione, energia, assicurazioni, istituti statistici, imprese bioinformatiche e numerose startup che fondano il loro modello di business sull’analisi dei dati sono costantemente alla ricerca di questi profili.
Opportunità di carriera
Il curriculum, completamente erogato in lingua inglese, forma la nuova generazione di “architetti dei dati” e di “ingegneri del software e degli algoritmi” dotati di solide competenze computazionali, metodologiche e di modellazione. I laureati saranno in grado di progettare e sviluppare applicazioni e servizi avanzati basati sull’uso intensivo dei dati, padroneggiando le tecnologie più all’avanguardia nei campi del Data Mining, del Machine Learning, dell’Intelligenza Artificiale, delle piattaforme e degli algoritmi per l’elaborazione di grandi quantità di dati, e della modellazione di sistemi complessi.
I laureati saranno ben preparati per intraprendere carriere in aziende tecnologiche di primo piano, sia a livello nazionale che internazionale, oppure per proseguire con un dottorato in Informatica, Intelligenza Artificiale o in ambiti affini.
Piano di studio
Primo Anno
Semestre 1 |
CFU |
Semestre 2 |
CFU |
| Algorithm engineering | 9 | Advanced databases | 9 |
| Data Mining | 9 | Bioinformatics | 6 |
| Computational mathematics for learning and data analysis | 9 | Parallel and distributed systems: paradigms and models | 9 |
| Information Retrieval | 6 | Gruppo: Affini BD da 6 cfu | 6 |
| 33 | 30 |
Secondo anno
Semestre 3 |
CFU |
Semestre 4 |
CFU |
| Gruppo: Affini BD da 6 CFU | 6 | Gruppo: Affini BD da 9 CFU | 9 |
| Gruppo: Affini BD da 9 CFU | 9 | ||
| Gruppo: a libera scelta | 9 | Prova Finale | 24 |
| 24 | 33 |
Gruppo: Affini BD (9 CFU)
Digital Health lab (Sem. 2) (*)
Generative and deep learning (Sem. 2) (*)
Human languages technologies (Sem. 2) (non attivo nell’a.a. 25/26)
ICT risk assessment (Sem. 1)
Machine learning (Sem. 1)
Mobile and cyber physical systems (Sem. 2)
Peer to peer systems and blockchains (Sem. 2) (*)
Gruppo: Affini BD (6 CFU)
3D Geometric Modeling & Processing (Sem. 1)
Accelerated computing (Sem. 1) (*)
Advanced Laboratory of Complex Network Analysis (Sem. 1) (*)
Algorithmic Game Theory (Sem. 2)
Analysis (Sem. 1)
Competitive programming and contest (Sem. 1) (*)
Computational models for complex systems (Sem. 2)
Geospatial Analytics (Sem. 1)
ICT infrastructures (Sem. 2)
Introduction to Quantum Computing (Sem. 2)
Laboratory on ICT Startup Building (Sem. 2)
Scalable Distributed Computing (Sem. 1)
Scientific and large data visualization (Sem. 2)
(*) Corsi offerti solo ai nuovi immatricolati.
Gli studenti immatricolati prima dell’anno accademico 2025/2026 possono fare riferimento al precedente piano di studi (vedi il seguente documento)
Descrizione del curriculum e dei syllabi da scaricare (PDF)