DATA SCIENCE, CALCOLO SCIENTIFICO & INTELLIGENZA ARTIFICIALE

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.

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 strutturati, 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 negliaspetti 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 insieme 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 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