Il Corso di Studio Magistrale in Data Science, Scientific Computing & Artificial Intelligence intende formare figure professionali in grado di dare risposta agli emergenti quesiti di ricerca provenienti dalla presenza pervasiva di dati complessi, sia strutturati che non stutturati, e ad elevata dimensionalità (i cosiddetti big-data) nei più svariati campi di applicazione; in particolare, in ambiti scientifici di natura interdisciplinare che coinvolgono la biologia, la chimica, la fisica, e la geologia. Il laureato è in grado di utilizzare tecniche informatiche, matematiche e statistiche all'interno di aziende e amministrazioni pubbliche e private, inclusi enti o istituti di ricerca scientifica e tecnologica, in particolare per quel che
riguarda la gestione, la produzione, il trattamento, analisi e utilizzo di grandi moli di dati in specifici settori applicativi, con particolare riferimento agli ambiti biologico, chimico, fisico e geologico. Tale obiettivo viene raggiunto tramite l'acquisizione di solide competenze teoriche e pratiche in vari campi dell'informatica, della matematica e della statistica e la loro applicazione attraverso diversi percorsi declinati nei vari ambiti scientifici, inclusi quelli di approfondimento sia dell'informatica e della matematica per la data science e il calcolo scientifico, sia delle metodologie per l'elaborazione di dati scientifici.
I principali obiettivi formativi, indipendentemente dal percorso scelto dallo studente, possono essere così descritti:
• avere una preparazione che comprenda sia conoscenze tecniche specifiche sia conoscenze
fondanti di contesti quali il giuridico, il linguistico, l'aziendale e il sociale;
• saper coniugare tecnologie e metodologie matematico-statistiche e informatiche con metodi e
tecniche specifiche dell'ambito in cui si troveranno a operare, in particolare in ambiti scientifici
quali la biologia, la chimica, la fisica e la geologia;
• saper usare le tecniche e metodologie apprese per formulare, anche in modo innovativo,
risposte qualitative e quantitative a problemi complessi della data science o che richiedono un
approccio interdisciplinare;
• essere in grado di coadiuvare efficacemente il cambiamento e l'innovazione tecnologica e
organizzativa nelle aziende e in enti o amministrazioni pubbliche e private, in particolare negli
aspetti coinvolgenti l'uso, il trattamento, la produzione e l'analisi di grandi moli di dati, numerici
o testuali.
Al fine di valorizzare l'eterogeneità degli studenti in ingresso, il CdS offre attività caratterizzanti diversificate e un'ampia gamma di insegnamenti affini su temi emergenti di Data Science. Ciò consente di offrire agli studenti, in funzione anche dei propri interessi, ampia possibilità di scelta e approfondimento di conoscenze e competenze su tematiche scientifiche emergenti. La caratteristica di eterogeneità degli iscritti, se da un lato costituisce elemento di valorizzazione della Laurea magistrale nei termini detti, dall'altro impone attenzione sul livellamento delle conoscenze al primo anno. In tal senso, alcuni insegnamenti caratterizzanti per la formazione informatica, matematica e statistica, previsti al primo anno, devono essere scelti dallo studente in funzione delle proprie conoscenze e competenze. Sono poi previsti, sempre al primo anno, insegnamenti caratterizzanti obbligatori per tutti gli studenti. Analoga considerazione vale per un paniere di insegnamenti affini a scelta dello studente, che possono essere selezionati sempre in funzione delle conoscenze e competenze di ingresso. Tramite queste scelte, sia nell'ambito delle materie caratterizzanti che di quelle affini, le competenze scientifiche di base degli studenti vengono livellate, offrendo, altresì, la possibilità di specializzarsi su tematiche più
avanzate.
Nello specifico, tenuto conto dei possibili percorsi formativi sopra delineati, gli obiettivi formativi comprendono le seguenti conoscenze relative ad attività caratterizzanti, principalmente erogate nel corso del primo anno.
Per la natura intrinsecamente multidisciplinare del corso di studio, la matematica è coinvolta in tutti i suoi settori tradizionali. I corsi offerti tendono da un lato a fornire in modo mirato gli strumenti teorici indispensabili che stanno alla base delle discipline coinvolte e, allo stesso tempo, ad approfondire gli aspetti più avanzati di queste tematiche emergenti. Sono quindi offerti corsi avanzati in settori caratterizzanti che si focalizzano su aspetti probabilistici e statistici da una parte e di modellistica numerica dall'altra. Per quanto riguarda l'informatica, vengono offerte conoscenze fondamentali sugli aspetti teorici e gli strumenti indispensabili della disciplina e, anche in dipendenza dal percorso formativo seguito, conoscenze avanzate a livello teorico, metodologico e applicativo nei campi dell'organizzazione e gestione di grandi quantità di dati, della protezione e sicurezza dei dati e delle tecniche algoritmiche di data mining e machine learning necessarie per l'apprendimento di tipo supervisionato e non supervisionato. La formazione statistica intende fornire gli strumenti fondamentali per la quantificazione dell'incertezza per mezzo dell'inferenza classica e Bayesiana e per l'analisi della relazione tra variabili, sia per mezzo di modelli statistici (ottica esplicativa) che utilizzando metodi di statistical learning (ottica previsiva). Inoltre, in dipendenza dal percorso formativo seguito, vengono fornite conoscenze fondamentali relative agli aspetti giuridici, etici, aziendali e/o sociali dell'acquisizione, gestione, trattamento e utilizzo dei dati e alla teoria linguistica e alle tecniche per l'analisi e il trattamento di dati testuali e di parlato.
A questo nucleo di conoscenze caratterizzanti, si affiancano, già a partire dal primo anno e in misura maggiore nel secondo anno, e in dipendenza dal percorso formativo seguito, un insieme di conoscenze relative ad attività affini e applicazioni data science nei settori della biologia, della chimica, della fisica e della geologia. Per quanto riguarda la biologia vengono fornite conoscenze avanzate sulla struttura dei dati biologici, le tecnologie utilizzate per generarli e le principali banche dati. La biologia computazionale è intesa come l'insieme degli strumenti per l'analisi di sistemi biologici visti come strutture complesse ad alto grado di connettività, trattando i dati biologici anche a livello di ecosistemi e in relazione alla sostenibilità ambientale. Per quanto riguarda la chimica vengono offerte conoscenze avanzate in ambito di chimica computazionale in scienza dei materiali, di chimica bioinorganica e ambientale. Nel primo caso vengono presentate le basi di approcci classici e quantomeccanici per applicazioni di calcolo scientifico ad alte prestazioni; nel secondo le strutture dei principali database biologici, le tecniche di interrogazione e i metodi predittivi di biologia strutturale; nel terzo caso, infine, vengono applicati metodi statistici per l'analisi di dati ambientali di grandi dimensioni. Per quanto riguarda la fisica vengono fornite
conoscenze avanzate di fisica statistica, fisica dei sistemi complessi e quantum computing, funzionali all'analisi dei dati in molteplici settori scientifici. Sono inoltre presentati esempi di applicazione di tecniche di machine learning alla simulazione e all'analisi di big data e all'elaborazione di immagini nei vari campi della fisica e in altri campi quale il biomedico. Per quanto riguarda la geologia vengono fornite
conoscenze avanzate per il trattamento di strutture di dati complesse a caratterizzazione spaziale (geostatistica), temporale e composizionale a fini sia di modellizzazione che di predizione evolutiva. La geologia moderna è caratterizzata dalla disponibilità di enormi quantità di dati che se adeguatamente strutturati e analizzati possono permettere di delineare i processi del Sistema Terra a differenti scale, alla luce dei mutamenti in atto. In aggiunta, vengono proposte altre attività affini che presentano le fondamenta di tecnologie e strumenti matematici per l'intelligenza artificiale, l'apprendimento automatico e il calcolo scientifico in generale e ampliano le competenze informatiche e statistiche in specifici ambiti
metodologici o applicativi.
La seconda metà del secondo anno sarà quasi esclusivamente dedicata, sotto la supervisione di un docente, ad attività di approfondimento e alla realizzazione di un progetto teorico o pratico che porterà alla stesura di un elaborato personale originale (prova finale). In vari insegnamenti saranno previsti progetti e attività in laboratorio che permetteranno allo studente di confrontarsi direttamente con gli strumenti della data science più avanzati e con la risoluzione di problemi concreti.
Requisiti di accesso ai corsi di studio
REQUISITI CURRICULARI
Per l'accesso al corso è richiesto:
Possesso di una laurea nelle seguenti classi ex D.M. 270/04:
L-8 Ingegneria dell'informazione
L-13 Scienze biologiche
L-27 Scienze e tecnologie chimiche
L-30 Scienze e tecnologie fisiche
L-31 Scienze e tecnologie informatiche
L-32 Scienze e tecnologie per l'ambiente e la natura
L-34 Scienze geologiche
L-35 Scienze matematiche
L-41 Statistica
o, in alternativa, possesso di una laurea in un'altra classe avendo conseguito almeno 30 CFU nei
seguenti SSD:
INF/01, ING-INF/05, MAT/01-09, SECS-S/01-02,06, BIO/01-19, CHIM/01-03,06,07,12, FIS/01-05,
GEO/01-12, di cui almeno 18 nei SSD INF/01, ING-INF/05, MAT/01-09.
REQUISITI DI PREPARAZIONE PERSONALE
Per essere ammessi al corso di studio è richiesto di avere conseguito un punteggio finale nel diploma
di Laurea di I livello (o titolo equivalente) pari o superiore al 75% del punteggio massimo. È necessario,
inoltre, possedere una certificazione di conoscenza della lingua inglese a livello europeo B2 (o
superiore), oppure risiedere in un paese in cui l'inglese è la lingua ufficiale, oppure avere completato in
precedenza un corso di laurea di I livello (o equivalente) tenuto interamente in inglese. Il possesso dei
requisiti per l'ammissione è valutato da una apposita Commissione di Valutazione, tramite i suoi
delegati. La Commissione valuta il background curriculare e la formazione personale del candidato,
sulla base degli esami sostenuti per il conseguimento del diploma di Laurea di I livello (o titolo
equivalente) precedente e attraverso la verifica del suo personale background formativo. La
Commissione può anche avvalersi di un colloquio individuale con i singoli richiedenti, al fine di accertare
il possesso delle conoscenze e competenze indispensabili per accedere al CdS, che possono essere
state acquisite, ad esempio, tramite insegnamenti classificati in altri settori scientifico-disciplinari o
tramite comprovate esperienze lavorative. Il colloquio potrà inoltre permettere di valutare la padronanza
della lingua inglese. Ai laureati che non soddisfano i requisiti per una differenza inferiore a 12 CFU la
Commissione di valutazione proporrà un percorso formativo preliminare all'iscrizione che prevede il
superamento di esami tali da compensare le carenze esistenti
Articolazione delle attivita' formative ed eventuali curricula
Il Corso di Studio Magistrale in Data Science, Scientific Computing & Artificial Intelligence è
articolato su 2 anni. L'attività normale dello studente corrisponde a quella necessaria per il
conseguimento di 60 crediti l'anno. Lo studente che abbia in ogni caso ottenuto 120 crediti,
adempiendo a tutto quanto previsto dalla struttura didattica, può conseguire il titolo anche prima
della scadenza biennale. La lista degli insegnamenti previsti dal CdS, con l'indicazione dei settori
scientifico-disciplinari di riferimento (SSD) e dei relativi crediti formativi universitari (CFU) risulta nella
didattica programmata della Scheda SUA-CdS ogni anno per la coorte di riferimento. Nella didattica
erogata della Scheda SUA-CdS saranno indicati ogni anno gli insegnamenti attivati tra quelli
compresi nella didattica programmata della coorte di riferimento, la suddivisione degli stessi fra i
vari anni di corso e il contenuto specifico degli insegnamenti.
Il CdS prevede corsi caratterizzanti di diverso livello per la formazione matematica, statistica e
informatica e per la formazione giuridica, aziendale, linguistica e sociale, che gli studenti dovranno
scegliere per un numero prefissato di crediti al primo e al secondo anno. Inoltre, già a partire dal
primo anno e in misura maggiore nel secondo anno, lo studente dovrà scegliere corsi, per un numero
di crediti prefissato, relativi ad attività affini nei settori della biologia, della chimica, della fisica e della
geologia o di approfondimento su argomenti di matematica, statistica e informatica in specifici ambiti
metodologici o applicativi, oltre ai corsi a scelta libera. La prova finale concluderà il percorso
formativo attraverso la redazione di una tesi di laurea. Le attività previste nel corso dei 2 anni, con
il relativo carico didattico, sono descritte nella parte tabellare di questo regolamento.
Tipologia delle forme didattiche, anche a distanza, degli esami e delle altre verifiche del profitto
Le attività formative caratterizzanti e affini sono organizzate in insegnamenti che prevedono lezioni
frontali, esercitazioni, laboratori e un esame individuale finale di valutazione, con votazione espressa
in trentesimi con eventuale lode. Le prove di verifica individuali si intendono superate se viene
conseguita una votazione di almeno 18/30. Il CdS prevede un numero di esami non superiore a 12,
conteggiati secondo quanto stabilito dal DM 386 del 26.7.2007, pagina 10 (All.1). Le prove di verifica,
espletate secondo quanto previsto dal Regolamento Didattico di Ateneo, potranno essere sostenute
negli appositi periodi specificati nel Manifesto degli Studi, secondo le modalità specificate per
ciascun corso e potranno prevedere, in particolare, la realizzazione di un progetto per permettere
allo studente di confrontarsi direttamente con strumenti avanzati e la risoluzione di problemi concreti.
Modalita' di verifica della conoscenza delle lingue straniere
Per il conseguimento della Laurea Magistrale in Data Science, Scientific Computing & Artificial
Intelligence non sono richieste ulteriori conoscenze della lingua inglese tranne quelle previste come
requisiti per l'accesso, di cui all'Art.3.
Modalità di verifica delle altre competenze richieste, dei risultati degli stages e dei tirocini
Nell'ambito disciplinare delle ulteriori attività formative, lo studente dovrà effettuare un'attività di
approfondimento finalizzata alla personalizzazione del proprio percorso e/o alla prova finale,
secondo quanto previsto ogni anno dal Consiglio del CdS. I risultati di stages e tirocini saranno
documentati dal responsabile universitario o aziendale.
Modalità di verifica dei risultati dei periodi di studio all'estero e relativi CFU
Lo studente potrà svolgere attività formativa (esami e tesi) all'estero nell'ambito di programmi di
mobilità internazionale, secondo le modalità dettate dagli appositi accordi bilaterali preventivamente
stipulati. I programmi di mobilità internazionale permettono agli studenti iscritti al CdS di trascorrere
un periodo di studio presso un'Istituzione partner di uno dei paesi partecipanti, seguire corsi e stage,
usufruire delle strutture universitarie, ottenere il riconoscimento degli eventuali esami superati.
L'approvazione del progetto didattico, delle eventuali modifiche a tale progetto che si rendessero
necessarie durante la permanenza dello studente presso l'Istituzione partner ed il successivo
riconoscimento dei crediti acquisiti presso tale Istituzione è demandato al Consiglio del CdS e agli
uffici della Scuola di Scienze Matematiche, Fisiche e Naturali.
Eventuali obblighi di frequenza ed eventuali propedeuticita
La frequenza dei corsi è fortemente raccomandata. Non sono previste propedeuticità.
Eventuali modalità didattiche differenziate per studenti part-time
Per gli studenti lavoratori che non hanno la possibilità di frequentare le lezioni e/o partecipare agli
orari di ricevimento ufficiali, fatto salvo quanto eventualmente disposto nell'apposito Regolamento
di Ateneo, e su richiesta dello studente stesso, il docente potrà prevedere orari di ricevimento e
modalità di esame compatibili con l'attività lavorativa.
Regole e modalità di presentazione dei piani di studio
Lo studente è tenuto a presentare, come previsto dal Regolamento Didattico di Ateneo, un piano di
studio comprensivo delle attività formative obbligatorie, di quelle opzionali e a scelta libera. Il piano
di studio, che deve comunque soddisfare i requisiti previsti dalla Classe LM-DATA Data Science e
dall'Ordinamento didattico del CdS, è soggetto ad approvazione da parte del Consiglio di CdS: se
lo studente inserisce insegnamenti compresi tra quelli proposti annualmente dal CdS nel Manifesto
degli Studi, il piano di studio è automaticamente accettato; in caso contrario, il Consiglio di CdS lo
approva se risulta verificata la coerenza con il progetto formativo. Le modalità e le scadenze per la
presentazione dei piani di studio sono conformi al Regolamento Didattico di Ateneo e sono
pubblicizzate, anno per anno, dalla Scuola di Scienze Matematiche, Fisiche e Naturali.
Caratteristiche della prova finale per il conseguimento del titolo
L'ammissione di uno studente alla prova finale è subordinata al conseguimento di tutti i crediti
previsti dalle attività formative inserite nel piano di studi. Le attività formative relative alla
preparazione della prova finale per il conseguimento del titolo consistono nello svolgimento di un
progetto documentato con un elaborato scritto svolto sotto la supervisione di un membro del
Consiglio di CdS (tesi di laurea). Tale tesi deve presentare carattere di originalità. È prevista una
discussione pubblica sull'elaborato del progetto finale; un apposito Regolamento del CdS
specificherà il ruolo del supervisore e le modalità di valutazione della tesi e della carriera dello
studente. Il punteggio della prova finale è attribuito in centodecimi e il punteggio minimo per il
superamento della prova finale è 66/110. La tesi può essere redatta in lingua inglese, soprattutto
nel caso in cui l'attività sia stata sviluppata nell'ambito di un periodo di studio o tirocinio all'estero.
Procedure e criteri per eventuali trasferimenti e per il riconoscimento dei crediti formativi acquisiti in altri corsi di studio e di crediti acquisiti dallo studente per competenze ed abilità professionali adeguatamente certificate e/o di conoscenze ed abilità maturate in attività formative di livello post-secondario
Lo studente può chiedere il riconoscimento di attività formative svolte presso altri corsi di studio di
Università nazionali od estere, avendo cura di produrre idonea documentazione in merito al
programma di studio effettivamente svolto e al numero di cfu. Il riconoscimento dei crediti è
comunque demandato al Consiglio di CdS, sulla base della congruenza delle attività seguite con gli
obiettivi formativi del CdS e della corrispondenza dei relativi carici didattici.
Servizi di tutorato
Il CdS, attraverso i suoi delegati e tutor, svolge attività di orientamento e di tutorato partecipando
alle attività organizzate dall'Ateneo e dalla Scuola di Scienze Matematiche Fisiche e Naturali. Inoltre,
tramite il lavoro dei docenti coinvolti nelle sue commissioni, fornisce un servizio di tutorato volto ad
organizzare attività di accoglienza e sostegno degli studenti, a fornire informazioni sui percorsi
formativi e gli obiettivi del CdS, sui criteri di accesso e le relative domande di valutazione, sul
funzionamento dei servizi e sui benefici per gli studenti, a individuare modalità organizzative delle
attività per studenti impegnati non a tempo pieno, sulla formulazione dei piani di studio e sul
riconoscimento dei crediti. Ciascun docente del CdS, inoltre, nell'ambito dei propri corsi di
insegnamento, è tenuto ad essere a disposizione degli studenti per chiarimenti.
Pubblicita su procedimenti e decisioni assunte
Le modalità di gestione e di pubblicizzazione della documentazione dei vari procedimenti relativi agli
studenti avviene attraverso modalità diversificate in funzione della tipologia e natura
dell'informazione da trasmettere, distinguendo studenti già inseriti nel percorso formativo da quelli
potenzialmente interessati. Per gli iscritti al CdS, una serie di informazioni istituzionali raggiunge gli
studenti direttamente e tramite i loro rappresentanti che partecipano alle riunioni degli organismi di
governo, ovvero il Consiglio di CdS e le commissioni in cui il CdS è organizzato. Le informazioni a
carattere personale vengono distribuite tramite i servizi di segreteria (Segreteria Studenti e Uffici
della Scuola di Scienze Matematiche, Fisiche e Naurali). Le informazioni di carattere generale ed
organizzativo (descrizione del percorso formativo, syllabi dei singoli insegnamenti, commissioni e
delegati del CdS, orario lezioni, indicazioni aule, etc.), utili sia per gli studenti iscritti che per quelli
potenzialmente interessati, sono reperibili sul sito ufficiale del CdS che viene sistematicamente
aggiornato ed utilizzato come principale strumento di diffusione delle informazioni.
Valutazione della qualita'
Il CdS aderisce formalmente e sostanzialmente a procedure di valutazione della qualità, coerenti con il
modello approvato dagli Organi Accademici e in accordo con le azioni svolte a livello di Ateneo.
Il CdS adotta, per tutti gli insegnamenti e i docenti, il sistema di rilevazione dell'opinione degli studenti
gestito dal Servizio di valutazione della didattica di Ateneo; il sistema è implementato attraverso la
sistematica richiesta di compilazione delle Schede di valutazione della didattica, secondo una
procedura on-line propedeutica all'iscrizione all'esame.