Il Corso si pone l'obiettivo di illustrare un approccio generale alla statistica descrittiva, cenni di probabilità e teorema di Bayes, inferenza statistica, test statistici.

Docente: Mirto Musci

INF/01 - INFO-01/A CFU: 4

Il corso si pone l’obiettivo di fornire agli studenti una conoscenza approfondita e gli strumenti necessari per l'analisi dei dati in azienda, passaggio dal business requirement al technical requirement, introduzione a PowerBI, ingegnerizzazione dello strumento di business intelligence.

Docenti: Francesco Pucci, Sergio Sparacia, Roberto Marseglia, Alfonso Dodero

INF/01 - INFO-01/A CFU: 6

Il modulo fornisce una panoramica completa dei fondamenti della gestione dati moderna, dalle basi teoriche alle architetture di implementazione. Particolare attenzione viene data alle metodologie di gestione della qualità dei dati e alle architetture di persistenza.

Docente: Luca Barzè

ING-INF/05- IINF-05/A CFU: 4

Il modulo offre una panoramica delle soluzioni e delle architetture per il data intensive computing, con un focus sull’integrazione delle tecnologie Cloud per la gestione e l’analisi dei dati in ambienti dinamici e scalabili.

Docenti: Luca Barzè, Pietro Valfrè, Edoardo Degli Innocenti

ING-INF/05- IINF-05/A CFU: 4

Il corso si pone come obiettivo di fornire conoscenze sul Machine Learning, analizzando gli algoritmi di regressione, algoritmi di classificazione, alberi decisionali, Random Forest, Support Vector Machine.

Docente: Mirto Musci

ING-INF/05- IINF-05/A CFU: 4

Il corso ha come obiettivo di approfondire tematiche avanzate di machine learning non supervisionato (pattern, strutture nascoste e relazioni intrinseche all'interno dei dati), analisi dei modelli e tecniche non supervisionate (clustering e PCA). Il modulo introduce anche le reti neurali artificiali come ponte tra il machine learning e l’Intelligenza Artificiale.

Docente: Mirto Musci, Roberto Marseglia

ING-INF/05- IINF-05/A CFU: 2

Il corso ha come obiettivo di illustrare gli elementi di base linguaggio Python e spiegare l'applicazione all'Intelligenza artificiale e al machine learning.

Docente: Mirto Musci

INF/01 - INFO-01/A CFU: 4

Il corso ha come obiettivo quello di esplorare l’architettura e il funzionamento dell’AI generativa, esemplificarne i casi di utilizzo rilevanti per l’azienda, ragionare su limiti e possibili problemi.

Docenti: Mirto Musci, Mirko Messori

INF/01 - INFO-01/A CFU: 2

Il corso ha come obiettivo di illustrare i principi di filosofia digitale e digital ethics e come questi principi impattano sullo sviluppo e l’utilizzo di questa tecnologia trasformativa.

Docenti: Paolo Bellini, Roberto Marseglia

M-FIL/01 -PHIL-01/A CFU: 2

Il corso ha come fine di illustrare i principi e le linee guida, anche di Organizzazioni Internazionali, per affrontare le sfide etiche e sociali determinate dall’avvento dell’IA, per garantire una trasformazione etica e virtuosa.

Docente: Marta Mariolina Mollicone

SPS/04 - GSPS-02/A CFU: 2

Il corso ha come fine di introdurre la regolamentazione europea e descrivere il landscape regolatorio che impatta sulla tecnologia con particolare attenzione alla responsabilità civile.

Docente: Andrea Bertolini

IUS/01 -GIUR-01/A CFU: 2

Il corso ha come fine di illustrare i principi e le linee guida, anche di Organizzazioni Internazionali, per affrontare le sfide etiche e sociali determinate dall’avvento dell’IA, per garantire una trasformazione etica e virtuosa.

Docente: Andrea Bertolini

IUS/01 -GIUR-01/A CFU: 2

Il corso illustra una panoramica degli obblighi di cybersecurity legati all'IA, esplorando le normative europee, le norme italiane, le linee guida dell’AgID, e le buone prassi.

Docente: Marta Mariolina Mollicone

IUS/01 -GIUR-01/A CFU: 1

Il corso illustra l'impatto dell'IA sul lavoro, analizzando i livelli di rischio, i principi etici, le responsabilità, i requisiti gestionali, i poteri datoriali, la valutazione d'impatto, i codici di condotta, le relazioni industriali, la sicurezza del lavoro, gli assetti organizzativi e il principio di trasparenza.

Docente: Marco Biasi

IUS/07 - GIUR-04/A CFU: 2

Il corso ha come fine di illustrare la disciplina legislativa e la giurisprudenza di riferimento nella gestione dei lavoratori con l’introduzione dell’IA, affrontando con un’adeguata panoramica temi quali la raccolta dati in tempo reale, il monitoraggio e la sorveglianza e l’automazione nelle decisioni.

Docenti: Tiziana Orrù, Giuseppe Tango

IUS/07 - GIUR-04/A CFU: 2

Il corso ha come fine di illustrare come evolve il diritto d’autore e la concorrenza nei mercati europei nell’era dell’AI.

Docente: Dimitri De Rada

IUS/09 - GIUR-06/A CFU: 1

Il corso ha come obiettivo di illustrare i modelli organizzativi, la governance e il rapporto di lavoro.

Docenti: Edoardo Degli Innocenti, Roberto Marseglia

INF/01 - INFO-01/A CFU: 2

Il corso ha come fine di illustrare i sistemi di gestione dell’AI secondo lo standard ISO, il framework NIST AI Risk Management Framework, e l’interazione tra le diverse normative ISO/IEC.

Docente: Sergio Sparacia

SECS-P/13-ECON-10/A CFU: 2

Il corso ha lo scopo di fornire competenze pratiche per l’elaborazione di reporting e per gestire la comunicazione durante le emergenze legate all’intelligenza artificiale. Sviluppare adeguate strategie di comunicazione per i diversi stakeholder e, infine, preparare l’organizzazione a rispondere prontamente e in modo coordinato alle crisi.

Docenti: Edoardo Giaroli, Francesco Manca, Emiliano David Angius

SECS-P/13-ECON-10/A CFU: 5

Lo stage offre l’opportunità di applicare sul campo le competenze acquisite in ambito data science, AI, machine learning e digital strategy. I partecipanti saranno inseriti in aziende, Enti o organizzazioni tecnologicamente avanzate per lavorare su progetti legati a modelli predittivi, analisi dei dati, gestione del rischio o trasformazione digitale. Lo stage permette di sperimentare l’uso di strumenti come Python, BI tools, AI systems in contesti innovativi. L’esperienza sarà guidata da tutor aziendali e accademici.

CFU: 5

La tesi o project work consiste nello sviluppo di un progetto individuale su uno dei temi del master, come data architecture, AI ethics, AI Act compliance, sostenibilità digitale o business models intelligenti. L’elaborato dovrà integrare teoria, strumenti tecnici e riflessione strategica, con eventuale sperimentazione di modelli o soluzioni AI. Il lavoro sarà supervisionato da docenti e tutor e terminerà in una presentazione finale. È obbligatoria la consegna di tutte le attività intermedie previste (e-tivity) per accedere alla discussione.

CFU: 5