Master data science for economics business and finance - secondo livello

Master di secondo livello
A.A. 2018/2019
Area
Giuridica, politica, economica e sociale
Coordinatore Master
Il corso si prefigge l'obiettivo di formare alla professione del data scientist coloro che intendano completare le proprie conoscenze acquisite in ambito universitario e di fornire un'occasione formativa e di rinnovo delle competenze nell'ambito della data science a chi è già entrato nel mondo del lavoro. Queste competenze includono la capacità di analizzare e comprendere la natura dei Big Data attraverso moderne tecniche statistiche e informatiche di intelligenza artificiale - come il machine learning e il data mining - utili all'estrazione di relazioni significative e pattern costituenti dei dati, alla costruzione di modelli predittivi, l'implementazione di analisi sugli effetti delle decisioni di natura politica, economica o sociale, la valutazione dei rischi (finanziari e assicurativi), la pianificazione delle strategie di mercato.
Il percorso formativo comprende attività didattica frontale e altre forme di addestramento, quali laboratori, per un totale di 520 ore. Seguirà un periodo di tirocinio della durata di 250 ore.
I singoli insegnamenti sono disponibili nella sezione "Curriculum unico".
Gli ammessi al corso sono tenuti al versamento di un contributo d'iscrizione pari a 5.000,00 (compresa la quota assicurativa).
Il percorso formativo comprende attività didattica frontale e altre forme di addestramento, quali laboratori, per un totale di 520 ore. Seguirà un periodo di tirocinio della durata di 250 ore.
I singoli insegnamenti sono disponibili nella sezione "Curriculum unico".
Gli ammessi al corso sono tenuti al versamento di un contributo d'iscrizione pari a 5.000,00 (compresa la quota assicurativa).
Il corso si rivolge ai possessori di laurea nelle seguenti classi ex D.M. 270/2004:
L-2 Biotecnologie;
L-5 Filosofia;
L-8 Ingegneria dell'informazione;
L-9 Ingegneria industriale;
L-18 Scienze dell'economia e della gestione aziendale;
L-24 Scienze e tecniche psicologiche;
L-30 Scienze e tecnologie fisiche;
L-31 Scienze e tecnologie informatiche;
L-33 Scienze economiche;
L-35 Scienze matematiche;
L-36 Scienze politiche e delle relazioni Internazionali;
L-40 Sociologia;
L-41 Statistica;
L/DS Scienze della difesa e della sicurezza.
L-2 Biotecnologie;
L-5 Filosofia;
L-8 Ingegneria dell'informazione;
L-9 Ingegneria industriale;
L-18 Scienze dell'economia e della gestione aziendale;
L-24 Scienze e tecniche psicologiche;
L-30 Scienze e tecnologie fisiche;
L-31 Scienze e tecnologie informatiche;
L-33 Scienze economiche;
L-35 Scienze matematiche;
L-36 Scienze politiche e delle relazioni Internazionali;
L-40 Sociologia;
L-41 Statistica;
L/DS Scienze della difesa e della sicurezza.
Tre sono i principali sbocchi professionali per i discenti del master. Core data scientist: una figura della data science che si colloca presso aziende che offrono consulenza e servizi sulla data science e che ha come mansioni lo studio e la proposta di nuovi modelli e soluzioni per i clienti della propria azienda. Data scientist applicato: una figura che si colloca presso aziende che hanno un core business diverso dalla data science, come ad esempio agenzie di comunicazione, aziende di servizi, produttori di beni o contenuti, ma che hanno processi aziendali in cui i dati svolgono un ruolo cruciale. Data science expert: una figura che si colloca in aziende che operano a stretto contatto con divisioni o altre aziende che producono soluzioni tecnologiche basate sulla data science e che ha l'obiettivo di mediare fra le diverse componenti aziendali e di comprendere, coordinare e promuovere progetti basati sulla data science.
- Dipartimento di Economia, Management e Metodi Quantitativi
Via Conservatorio n. 7, 20122 Milano
segreteria.demm@unimi.it
+3902.50321548
Elenco insegnamenti
Non definito
Attività formative | Docente/i | Crediti | Ore totali | Lingua |
---|---|---|---|---|
Obbligatorio | ||||
Applied data science for economics lab | 2 | 25 | Italiano | |
Applied data science for finance lab | 2 | 25 | Italiano | |
Applied data science for marketing lab | 2 | 25 | Italiano | |
Cloud computing, data base and web scraping lab | 2 | 25 | Italiano | |
Cybersecurity and privacy | 3 | 30 | Italiano | |
Data mining and machine learning lab | 2 | 25 | Italiano | |
Databases (SQL, NoSQL), data linking and data visualization | 2 | 20 | Italiano | |
Decision making with mathematical computing and optimization | 3 | 30 | Italiano | |
Distributed and parallel computing | 2 | 20 | Italiano | |
Economic and financial time series analysis | Bacchiocchi Emanuele
|
3 | 30 | Italiano |
Economic data science for program, policy and system evaluation | 3 | 30 | Italiano | |
Elements of artificial intelligence and expert systems | 2 | 20 | Italiano | |
Elements of computational statistics and statistical learning | 3 | 30 | Italiano | |
Elements of r and python | 3 | 30 | Italiano | |
Financial data science for risk analysis | 3 | 30 | Italiano | |
Machine learning and data mining | 3 | 30 | Italiano | |
Programming for data science lab | 2 | 25 | Italiano | |
Social network analysis, social media and sentiment analysis | 2 | 20 | Italiano | |
Strategic data science marketing: extracting new value from proprietary data | 3 | 30 | Italiano | |
Web scraping and crawling, open data, markup languages and data shaping | 2 | 20 | Italiano |