STOCHASTICS AND DATA SCIENCE

Scheda del corso
Anno Accademico di immatricolazione: 
2019/2020
Codice del corso di studio: 
1203M21
Tipo di corso: 
Laurea Magistrale
Classe di laurea: 
LM-40 - Classe delle lauree magistrali in Matematica
Dipartimento di afferenza: 
MATEMATICA "GIUSEPPE PEANO"
Durata in anni: 
2
Crediti: 
120
Sede didattica: 
TORINO
Lingua: 
Inglese
Tipo di accesso: 
Corso ad accesso libero

Insegnamenti

Ammissione e iscrizione

Requisiti di accesso (Titoli): 

1 - Laurea
2 - Laurea di Primo Livello
3 - Laurea Magistrale
4 - Laurea Specialistica
5 - Titolo straniero
6 - Laurea
7 - Laurea di Primo Livello
8 - Laurea Magistrale
9 - Laurea Specialistica

Obiettivi formativi

Obiettivo del corso di LM in Stochastics and Data Science e' quello di formare laureati con una preparazione quantitativa di alto livello nell'ambito delle scienze statistiche e probabilistiche, attualmente non offerta sul territorio nazionale. Il percorso formativo e' progettato in modo da unire una solida preparazione teorica, specializzata in ambito stocastico-statistico, con la padronanza di moderne metodologie informatiche e computazionali. In questo modo la LM mira a fornire competenze quantitative consolidate dal punto di vista sia teorico che applicato, che consentano di effettuare analisi matematico-statistiche in condizioni di incertezza (''Stochastics'') e gestire problemi reali in presenza di dati su larga scala (''Data Science''). Il percorso inoltre copre un ampio spettro di metodi e applicazioni, che vanno dai piu' moderni approcci alla teoria della Probabilita' e dei Processi Stocastici, all'Inferenza Statistica, alla Teoria dei Giochi e delle Decisioni, alla Teoria dell'Informazione, alle tecniche di Simulazione Stocastica, all'analisi statistica dei Big Data e Machine Learning, discipline la cui conoscenza integrata e' oggi altamente richiesta sul mercato del lavoro.
La formazione si articolera' nell'arco di quattro semestri, di cui i primi tre dedicati ai corsi di insegnamento, impartiti interamente in lingua inglese, e l'ultimo dedicato alla preparazione e allo svolgimento della prova finale. Gli insegnamenti includeranno corsi obbligatori che mirano a costituire le fondamenta della preparazione teorica dello studente nell'ambito dell'analisi matematico-probabilistica, delle metodologie statistiche e computazionali e della gestione informatica di grandi moli di dati. Le competenze integrate in queste aree consentiranno allo studente di costruire percorsi alternativi, in base alla scelta dei corsi opzionali, che mirano a: rinforzare la preparazione teorica nei temi suddetti, accedendo a tecniche e metodologie avanzate in ambito probabilistico-modellistico, inferenziale e computazionale o informatico per problemi di natura complessa; specializzarsi in ambiti piu' ristretti ed applicati ma altamente qualificanti, come ad esempio le scienze delle decisioni, la teoria delle reti e dell'informazione, l'analisi di basi di dati di grandi dimensioni con strutture complesse.
Secondo questo schema il percorso offrira' grande flessibilita', grazie alla coesistenza di una preparazione fortemente strutturata dal punto di vista teorico-quantitativo con una preparazione altamente qualificata in vista delle applicazioni e del mondo del lavoro. Diversi approfondimenti nell'una o nell'altra direzione permetteranno al laureato di inserirsi con successo in attivita' lavorative per collaborare con tecnici, ingegneri, biologi, medici, statistici, economisti, analisti quantitativi, informatici, contribuendo con un approccio multidisciplinare alla risoluzione dei problemi in esame o il proseguimento degli studi con l'inserimento in programmi di dottorato in Probabilita', Statistica, Matematica Applicata, Ricerca Operativa, Computer Science, Economia, Neuroscienze computazionali presso universita' o centri di ricerca italiani o stranieri.

Competenze attese

Conoscenza e capacità di comprensione: 

Il laureato magistrale sapra':

- Utilizzare tecniche di statistica classica o Bayesiana per analizzare dati relativi a diverse realta' fisiche, biologiche, e di altra natura.

- Affrontare l'analisi sia in situazioni di scarsa informazione con piccoli campioni che nel caso di ''Big data''.

- Gestire grandi moli di dati con l'ausilio di opportuni strumenti informatici, essendo padrone delle piu' moderne tecniche per la gestione di data base.

- Formulare modelli stocastici o statistici per tali realta'.

- Utilizzare le tecniche stocastiche necessarie per lo studio di tali modelli e, ove necessario, svilupparne di nuove ''ad hoc'' per il modello in esame.

- Analizzare i modelli formulati con l'ausilio di opportune tecniche numeriche o di simulazione.

- Validare i modelli formulati con nuovi dati.

- Effettuare previsioni utilizzando i modelli sviluppati.

Capacità di applicare conoscenza e comprensione: 

Il laureato magistrale sara' in grado di:

- formulare e studiare modelli matematici per descrivere varie realta';

- applicare i modelli in esame a contesti pluridisciplinari per l'analisi di dati e la gestione delle decisioni in condizioni di incertezza;

- gestire grandi banche dati, con interrogazioni e elaborazioni di interesse per problemi specifici;

- progettare esperimenti utili a verificare ipotesi di lavoro;

- analizzare e confrontare campioni di diversa provenienza;

- relazionare ad esperti di altri settori le proprieta' riconosciute tramite l'analisi dei dati;

- elaborare autonomamente dimostrazioni matematiche per nuovi risultati di interesse probabilistico-statistico.

Queste capacita' si conseguono tramite l'abitudine al problem solving, con esercitazioni in aula o con attivita' di studio individuale e di gruppo. I diversi corsi verranno coordinati al fine di incrementare lo sviluppo di competenze interdisciplinari.

Strumenti didattici di verifica:

le attivita' di esercitazione e la soluzione di esercizi sara' parte integrante della valutazione in sede di esame. I diversi corsi si suddivideranno gli obiettivi in modo da permettere l'acquisizione di tutte le competenze elencate.

Autonomia di giudizio: 

I laureati in Stochastics and Data Science sono in grado di:
- formulare ed analizzare modelli statistici e probabilistici;
- applicare tali modelli a contesti tecnici afferenti a varie discipline;
- sviluppare ed applicare metodologie statistiche adatte al problema oggetto di analisi;
- analizzare e interpretare campioni statistici di piccole e grandi dimensioni, con tecniche opportune;
- effettuare validazioni del modello e previsioni al di fuori del campione (in- and out-of-sample-prediction);
- reperire e vagliare informazioni bibliografiche;
- lavorare con ampia autonomia, individualmente o in gruppo, per lo sviluppo di progetti scientifici di natura teorica o applicata, adeguati all'esperienza maturata, anche assumendo responsabilita' organizzative.
L'autonomia di giudizio verra' maturata lungo l'intero percorso formativo, sviluppando capacita' utili a reperire articoli tecnico-scientifici e ad analizzarne criticamente il contenuto, abituandosi a sostenere le proprie tesi con argomenti logico-deduttivi e avvalendosi dell'analisi dei dati.
Strumenti didattici di verifica saranno la soluzione di esercizi di natura teorica e applicata, l'analisi di casi esemplificativi, le discussioni orali in sede di esame e lo svolgimento di relazioni per alcuni corsi, oltre allo svolgimento del lavoro di tesi per la prova finale.

Abilità comunicative: 

Il laureato magistrale in Stochastics and Data Science sara' in grado di
- comunicare, in lingua inglese, con svariate figure professionali che necessitino di analisi di dati, metodologie statistiche e computazionali ad hoc o modelli stocastici per comprendere le realta' di loro interesse;
- scrivere relazioni e comunicazioni, in modo matematicamente rigoroso, secondo standard e formati tipici del mondo scientifico e divulgativo internazionale;
- comunicare e difendere le sue tesi in pubblico, a presentazioni, convegni o in colloqui specifici.
Lo sviluppo di queste abilita' verra' favorito sollecitando gli studenti a tenere seminari e a presentare elaborazioni scritte o orali, differenziando secondo i corsi in modo da aumentare la varieta' di stimoli cui verra' sottoposto lo studente.
Gli strumenti didattici di verifica saranno relazioni, seminari e attività di gruppo, che costituiranno parte integrante del giudizio di esame.

Capacità di apprendimento: 

Il laureato Magistrale in Stochastics and Data Science sara' in grado di:
- affrontare nuove problematiche inerenti alle loro competenze con mentalita' flessibile e capacita' critiche;
- inserirsi prontamente in diversi ambienti di lavoro, adattandosi a nuove problematiche e aggiornando le proprie conoscenze per necessita' specifiche;
- aggiornare autonomamente la propria preparazione per poter affrontare nuove attivita' che si svilupperanno nel mercato del lavoro futuro;
- proseguire gli studi con corsi di dottorato in svariati ambiti tra i quali Probabilita', Statistica, Ricerca Operativa, Economia e Finanza, Neuroscienze Computazionali, Computer Science.
L'ambiente interdisciplinare in cui si svolgeranno i corsi favorira' l'abitudine a interagire con esperti di settori diversi e stimolera' ad approfondimenti su temi meglio conosciuti da colleghi con esperienze diverse nel percorso triennale. Lo stimolo ad approfondimenti individuali avverra' anche con l'invito a seguire seminari di ospiti provenienti da altre universita' o di esperti che operino in diversi ambiti lavorativi.
La verifica dello sviluppo di queste abilita' avverra' principalmente con lo svolgimento del lavoro di tesi, eventualmente preceduto da attivita' di tutoraggio individuale con cui saranno seguiti gli studenti.

Ambiti occupazionali e accesso ad ulteriori studi

La qualifica dà accesso a: M1, M2, DR, corso di specializzazione.

Prova finale

Titolo rilasciato: 

LAUREA DI SECONDO LIVELLO IN STOCHASTICS AND DATA SCIENCE / LA QUALIFICA ACCADEMICA ASSOCIATA AL TITOLO E’ QUELLA DI “DOTTORE MAGISTRALE"

Caratteristiche della prova finale: 

La prova finale consiste nella preparazione e nella difesa di una dissertazione individuale, elaborata in modo originale ed in autonomia dallo studente sotto la guida di un relatore. La prova comprende la stesura di un documento scritto in lingua inglese su argomenti concordati col relatore e la sua presentazione orale ad una commissione. Verranno valutate l'originalita' ed il rigore dei risultati esposti, la padronanza della materia, la capacita' di esposizione rigorosa ed efficace secondo gli standard scientifici, la capacita' del laureando di lavorare in modo autonomo e rigoroso su temi non affrontati precedentemente, la capacita' del candidato di reperire ed elaborare autonomamente parte del materiale bibliografico. La redazione della tesi può eventualmente svolgersi nell'ambito di un tirocinio formativo (stage) presso aziende, banche o laboratori ed istituti di ricerca nazionali o internazionali. Le modalita' di verifica saranno specificate nel Regolamento didattico in conformita' con il Regolamento di Ateneo.