Corso di laurea - Area di Scienze MM.FF.NN. - Accesso libero, con verifica delle conoscenze in ingresso. L'esito della prova non preclude la possibilità di immatricolarsi (D.M. 270/2004) - Classe L-35
Lingua: Italiano
Informazioni generali:
o Classe di Laurea: L-35 (D.M. 270/04)
o Tipologia di corso: Laurea
o Durata: 3 anni
o Tipo di accesso: Accesso libero, con verifica delle conoscenze in ingresso
o Area di afferenza: Scienze MM.FF.NN.
o Dipartimento: Matematica
o Codice corso: AA2
Descrizione e obiettivi formativi:
Il corso di studio punta ad integrare un'ampia preparazione di base nei settori della matematica e dell'informatica più rilevanti per la Data Science, con una preparazione fortemente interdisciplinare e volta anche a familiarizzare gli studenti con alcune delle discipline in cui le applicazioni possono essere più rilevanti. Le tecniche di Data Science che vengono introdotte non sono considerate dal punto di vista meramente applicativo, ma ci si pone l'obiettivo di comprenderne in profondità i fondamenti matematici e la logica del loro sviluppo, nella prospettiva di formare laureati che siano in grado di innovare le procedure esistenti sia dal punto di vista teorico che in funzione del loro utilizzo in particolari ambiti.
L'obiettivo del corso di studio è quindi quello di formare laureati con competenze fortemente spendibili sul mercato del lavoro, ma contemporaneamente con una preparazione che permetta ulteriori studi specialistici in tutti i campi in cui la Data Science sta mostrando la sua efficacia.
Più specificamente i laureati in Metodi e Modelli per Data Science avranno buone conoscenze di base nell'area matematica con particolare riguardo alle metodologie di previsione ed agli aspetti computazionali. A queste si affiancano, parimenti rilevanti, buone conoscenze di base nell'area informatica con particolare riguardo tecniche di programmazione avanzate e all'utilizzo di strutture dati. Conoscenze di base concernenti l'apprendimento automatico e l'analisi di sistemi complessi, insieme ad adeguate capacità comunicative negli ambiti tecnici di riferimento, completano il quadro formativo che gli studenti matureranno al termine del percorso.
Insegnamenti:
Nella prima parte del percorso formativo, gli studenti sono tenuti ad acquisire le conoscenze e competenze di base dei seguenti argomenti: algebra lineare, probabilità, statistica, informatica e tecniche di programmazione, gestione di database, calcolo differenziale e integrale per funzioni di una e più variabili reali, fisica.
Successivamente, per fornire basi estremamente solide per i vari aspetti della Data Science, il percorso formativo punta a far acquisire conoscenze e competenze più avanzate nell'ambito dell'analisi, della probabilità e della statistica dell'analisi numerica, dell'ottimizzazione, degli algoritmi e strutture dati nonché degli aspetti introduttivi del machine learning e dell'analisi economica, considerando che tali ambiti applicativi possono senz'altro accrescere notevolmente l'attrattività degli studenti per il mondo del lavoro.
A questa preparazione fa da complemento un'ampia possibilità di scelta di crediti formativi affini e integrativi volta a consentire la declinazione delle attitudini e degli interessi dello studenti sia attraverso l'approfondimento di ulteriori aspetti metodologici relativi all'apprendimento automatico, alle tecniche di previsione ed alla modellistica numerica, sia tramite l'acquisizione di conoscenze in ulteriori ambiti applicativi, in particolare tra le scienze fisiche o la finanza o l'informatica.
Il percorso formativo si conclude con la prova finale che può riguardare sia l'approfondimento di aspetti teorici già incontrati durante i corsi, sia lo sviluppo di applicazioni, anche in collaborazione con le aziende con il quale il corso di laurea è in contatto.
Sbocchi professionali:
I laureati in Metodi e Modelli per Data Science potranno potenzialmente trovare impiego in ambiti aziendali (presso aziende ad alta tecnologia sia nei settori dell'Information and Communication Technology, sia in ambito fisico ed ingegneristico in cui si svolgano attività legate ai Big Data ed all'Intelligenza Artificiale); in attività di consulenza industriale e scientifica in tutti i campi della ricerca pura e applicata che richiedono la gestione di grandi moli di dati; in attività di consulenza in ambito Medico e Biologico, incluse le aziende di ricerca farmaceutica e biotecnologica, nella misura in cui esse utilizzino tecniche di Machine Learning ed Intelligenza Artificiale; presso banche e compagnie d'assicurazione per consulenza in ambito finanziario ed assicurativo nel settore pubblico e nel settore privato.
Oltre al diretto ingresso nel mondo del lavoro, il laureato in Metodi e Modelli per Data Science potrà proseguire gli studi nelle Lauree Magistrali, o più in generale in studi di secondo livello, di ambito matematico, statistico, informatico ma anche di ambiti applicativi specifici ove la solida preparazione matematica e statistica e la robusta competenza informatica risultano rilevanti
Valutazione della didattica - Studenti
Anno accademico precedente
Riferimenti web e contatti
Sito Web Macroarea: http://www.scienze.uniroma2.it/
Sito Web Corso: https://www.mat.uniroma2.it/datascience/
Coordinatore:
Prof.ssa Carla Manni
Email manni@mat.uniroma2.it
