BUSINESS AND MARKETING ANALYTICS

L'obiettivo principale di questo corso è fornire un'introduzione di base all'intelligenza artificiale (AI) e al machine learning (ML) e deep learning (DL). Attraverso strumenti low-coding, gli studenti acquisiranno una comprensione pratica dei metodi insegnati, in particolare realizzando le proprie implementazioni di diversi metodologie. Il corso coprirà la classificazione supervisionata basata, ad esempio, sulle reti neurali artificiali (deep learning), così come l'apprendimento non supervisionato (clustering), la regressione, l'ottimizzazione (algoritmi evolutivi e altri metodi di ricerca) e l'apprendimento per rinforzo, oltre alla progettazione di esperimenti e alla valutazione. Gli studenti riceveranno anche un'introduzione alle problematiche e sfide etiche legate alla ML/AI, nonché alla storia del campo. Una parte significativa del corso sarà dedicata all'utilizzo di questi strumenti per risolvere una serie di problemi reali.

Conoscenze di base di statistica e conoscenze di base di informatica.

Conoscenza di base a livello introduttivo nell'utilizzo di algoritmi di Machine Learning e Deep Learning per la risoluzione di problemi reali in ambito finanziario, capital market e recommender system.

Il corso si concentra sui fondamenti teorici, le tecniche, le metodologie e le applicazioni dell'intelligenza artificiale, al fine di contribuire alla diffusione e all'avanzamento delle conoscenze e delle competenze su questa materia e sulle sue applicazioni, promuovendo così l'innovazione tecnologica e favorendo lo sviluppo economico e sociale. In particolare, il corso tratterà i seguenti argomenti: - Introduzione alle nozioni di Intelligenza Artificiale, Big Data, Machine Learning e Deep Learning. - Introdurre le conoscenze di base sugli algoritmi di Machine Learning e Deep Learning. - Risolvere casi reali: applicazioni per la valutazione del comportamento dei consumatori (sistemi di raccomandazione e comprensione comportamentale) e applicazione al capital market. - Conoscenze di base sul quadro dell'IA etica: robustezza, interpretabilità, equità e responsabilità. - Progettazione di sistemi multimediali. Realtà aumentata, virtuale e mista. - Soluzioni low-coding per l'Intelligenza Artificiale e il Deep Learning. - Casi d'uso e applicazioni degli argomenti trattati.

Agresti, C. Franklin (2014) Statistics - The Art & Science of Learning from Data (3th edition –International Edition), Pearson, Essex, England. Pattern Recognition and Machine Learning (Information Science and Statistics) 0387310738 I Springer-Verlag A Christopher M. Bishop 2006

- Lezioni frontali (40%) - Sessioni di laboratorio e project work (40%) - Seminari con aziende (20%) - Queste attività saranno pianificate per consentire agli studenti di realizzare praticamente le soluzioni dei problemi delineati durante le lezioni teoriche, utilizzando strumenti di low-coding. Verrà fornito materiale didattico di supporto (dispense, video tutorial, dataset, esercizi e demo).

Le competenze saranno valutate attraverso la valutazione del team, che si basa sul 70% del PW svolto dalla terza settimana alla fine del corso, e sul 30% del progetto finale (Hackathon).

- Valutazione del lavoro di progetto (esame intermedio) - Hackaton finale con task su caso reale (valutazione finale)