Economia Aziendale
Cod 198324
- Laurea magistrale
- 2 anni
- 120 CFU
- LM-77 R
ING-INF/05
Tecnologie per il machine learning e big data
Codice: 21210492
Scheda insegnamento
- Anno Accademico di erogazione
- 2026/2027
- Corso di studi
- Economia e Management
- Periodo di erogazione
- Primo semestre
- CFU
- 9 CFU
- Lingua
- Italiano
- SSD
- ING-INF/05
Scopri il programma didattico
Programma, testi adottati e modalità d’esame sono quelli pubblicati dai docenti per l’anno accademico 2026/2027. L’insegnamento è diviso in canali: ogni canale ha il suo programma.
- Docente
- Pierangelo Di Sanzo
- Curriculum
- Marketing
- Anno di corso
- 2
- Periodo
- Primo semestre
- Ore
- 60
- CUIN
- 260001799
Programma
Introduzione all'intelligenza artificiale
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Prerequisiti
Capacità di base nell'utilizzo di strumenti software per l'elaborazione di dati in formato tabellare csv/dsv, ad esempio il foglio elettronico. La conoscenza di un linguaggio di programmazione come Python non è necessaria ma potrà consentire un più efficace l'utilizzo di alcuni strumenti software.
Testi adottati
Materiale didattico fornito dal docente e messo a disposizione sulla pagina web del corso sul sistema di e-learning di ateneo
Modalità di erogazione
Lezioni frontali in aula
Modalità di frequenza
La frequenza del corso non è obbligatoria, ma è consigliata soprattutto per un agevole apprendimento dell'utilizzo degli strumenti software.
Modalità di valutazione
L'esame prevede una prova al calcolatore e la valutazione di un progetto
Prove previste
- Prova scritta
- Valutazione di un progetto
- Docente
- Pierangelo Di Sanzo
- Curriculum
- Strategia e Management
- Anno di corso
- 2
- Periodo
- Primo semestre
- Ore
- 60
- CUIN
- 260001816
Programma
Introduzione all'intelligenza artificiale
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Prerequisiti
Capacità di base nell'utilizzo di strumenti software per l'elaborazione di dati in formato tabellare csv/dsv, ad esempio il foglio elettronico. La conoscenza di un linguaggio di programmazione come Python non è necessaria ma potrà consentire un più efficace l'utilizzo di alcuni strumenti software.
Testi adottati
Materiale didattico fornito dal docente e messo a disposizione sulla pagina web del corso sul sistema di e-learning di ateneo
Modalità di erogazione
Lezioni frontali in aula
Modalità di frequenza
La frequenza del corso non è obbligatoria, ma è consigliata soprattutto per un agevole apprendimento dell'utilizzo degli strumenti software.
Modalità di valutazione
L'esame prevede una prova al calcolatore e la valutazione di un progetto
Prove previste
- Prova scritta
- Valutazione di un progetto
- Docente
- Pierangelo Di Sanzo
- Curriculum
- Marketing con tirocinio
- Anno di corso
- 2
- Periodo
- Primo semestre
- Ore
- 60
- CUIN
- 260001845
Programma
Introduzione all'intelligenza artificiale
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Prerequisiti
Capacità di base nell'utilizzo di strumenti software per l'elaborazione di dati in formato tabellare csv/dsv, ad esempio il foglio elettronico. La conoscenza di un linguaggio di programmazione come Python non è necessaria ma potrà consentire un più efficace l'utilizzo di alcuni strumenti software.
Testi adottati
Materiale didattico fornito dal docente e messo a disposizione sulla pagina web del corso sul sistema di e-learning di ateneo
Modalità di erogazione
Lezioni frontali in aula
Modalità di frequenza
La frequenza del corso non è obbligatoria, ma è consigliata soprattutto per un agevole apprendimento dell'utilizzo degli strumenti software.
Modalità di valutazione
L'esame prevede una prova al calcolatore e la valutazione di un progetto
Prove previste
- Prova scritta
- Valutazione di un progetto
- Docente
- Pierangelo Di Sanzo
- Curriculum
- Strategia e Management con tirocinio
- Anno di corso
- 2
- Periodo
- Primo semestre
- Ore
- 60
- CUIN
- 260001865
Programma
Introduzione all'intelligenza artificiale
Introduzione al machine learning
Tipi di apprendimento automatico
Metodi per l'apprendimento supervisionato e non supervisionato
Training dei modelli e inferenza
Tecnologie e strumenti software per il machine learning
Utilizzo di strumenti software per il machine learning
Applicazione di modelli di machine learning con differenti tipologie di dataset
Prerequisiti
Capacità di base nell'utilizzo di strumenti software per l'elaborazione di dati in formato tabellare csv/dsv, ad esempio il foglio elettronico. La conoscenza di un linguaggio di programmazione come Python non è necessaria ma potrà consentire un più efficace l'utilizzo di alcuni strumenti software.
Testi adottati
Materiale didattico fornito dal docente e messo a disposizione sulla pagina web del corso sul sistema di e-learning di ateneo
Modalità di erogazione
Lezioni frontali in aula
Modalità di frequenza
La frequenza del corso non è obbligatoria, ma è consigliata soprattutto per un agevole apprendimento dell'utilizzo degli strumenti software.
Modalità di valutazione
L'esame prevede una prova al calcolatore e la valutazione di un progetto
Prove previste
- Prova scritta
- Valutazione di un progetto
Esplora gli obiettivi dell’insegnamento
Ambito disciplinare: Attività formative affini o integrative
Il corso affronterà lo studio dei concetti fondamentali relativi all’apprendimento automatico (Machine Learning), dei principali metodi utilizzati e degli strumenti software basati su tecniche di apprendimento automatico. In particolare ha l'obiettivo di far comprendere le capacità e le limitazioni di tali metodi e strumenti, e di sviluppare le capacità di utilizzare alcune tra le tecnologie attualmente disponibili per risolvere problemi di analisi di dati, estrazione della conoscenza e supporto alle decisioni. Infine ha l'obiettivo di discutere le problematiche e le opportunità che si presentano nei contesti in cui l'analisi si estende a gradi volumi di dati (Big Data).
Obiettivi di sostenibilità
- 8 Lavoro dignitoso e crescita economica
- 13 Lotta contro il cambiamento climatico
- 3 Salute e benessere
- 5 Parità di genere
- 9 Imprese, innovazione e infrastrutture
- 14 Vita sott’acqua
- 16 Pace, giustizia e istituzioni solide
- 4 Istruzione di qualità
- 10 Ridurre le disuguaglianze
- 11 Città e comunità sostenibili
- 12 Consumo e produzione responsabili
- 15 Vita sulla Terra
- 1 Sconfiggere la povertà
- 2 Sconfiggere la fame
- 6 Acqua pulita e servizi igienico-sanitari
- 7 Energia pulita e accessibile
- 17 Partnership per gli obiettivi
Esempi di domande d’esame
Pierangelo Di Sanzo
Le informazioni sono disponibili sulla pagina web del corso sul sistema di e-learning di ateneo
Pierangelo Di Sanzo
Le informazioni sono disponibili sulla pagina web del corso sul sistema di e-learning di ateneo
Pierangelo Di Sanzo
Le informazioni sono disponibili sulla pagina web del corso sul sistema di e-learning di ateneo
Pierangelo Di Sanzo
Le informazioni sono disponibili sulla pagina web del corso sul sistema di e-learning di ateneo