Salta al contenuto principale
Contenuto
Curriculum Data Science

Il Curriculum Data Science della Laurea Magistrale in Matematica fornisce una solida preparazione, maggiormente approfondita su alcuni aspetti specifici della Matematica, allo scopo di formare una figura di elevata professionalità nei settori lavorativi che richiedono competenze avanzate nel campo della Matematica. Con questo percorso gli studenti acquisiranno conoscenze e competenze di Machine Learning, Statistica, Big Data, Analisi di Segnali e programmazione Python che permetteranno loro di diventare figure di riferimento per la ricerca applicata sia in ambito aziendale e industriale che in ambiente accademico.

Alcune esperienze recenti di studenti che hanno proseguito la carriera all’interno di realtà aziendali del territorio:

Valentina Massimini (A.A. 2023/2024)
Tesi:“ Outlier detection e analisi predittiva di serie temporali multivariate: un caso di studio sui dati delle turbine eoliche 
”Posizione post laurea: Ind & Func AI Decision Science Analyst presso Accenture CoE

Luca Marchetti (A.A. 2023/2024)
Tesi:“ Machine Learning e Sport: tecniche di predizione degli attacchi del Modena Volley 
”Posizione post laurea: Data Scientist presso Villani SpA

Francesca Chetta (A.A. 2022/2023)  
Tesi:“Pianificazione dell'assortimento di negozi attraverso tecniche di clustering: il caso aziendale di Game7Athletics 
”Posizione post laurea: Ind & Func AI Decision Science Analyst presso Accenture CoE

Cristiano Pifferi (A.A. 2022/23)  
Tesi:“Motion forecasting per gare a guida autonoma: un approccio con deep learning”  
Posizione post laurea: AI Developer presso RE:LAB s.r.l. – Reggio Emilia.

Rosario Salzano (A.A. 2022/2023)   
Tesi:“Metodi di Machine Learning per analizzare il potere predittivo degli indici di sentiment”   
Posizione post laurea: Analyst presso CRIF - Bologna.

Luca Toffanetti (A.A. 2022/2023)   
Tesi: “Nuovi risultati relativi ad insiemi di fattori in grafi regolari”   
Posizione post laurea: Data scientist presso Data Reply - Italia.

Chiara Canali (A.A. 2022/2023)   
Tesi:“Regressione bayesiana non-lineare e algoritmi Monte Carlo Markov Chain: teoria e applicazioni per metodi di machine learning interpretabili”   
Posizione post laurea: Business data analyst presso Globant - Modena.

Chiara Fanton (A.A. 2022/2023)   
Tesi:“Studio ed implementazione di logiche produttive per un Job Shop Problem in una PMI”   
Posizione post laurea: Optimization data scientist presso Accenture - Modena.

Ivonne Valente (A.A. 2022/23)   
Tesi: “Studio, analisi e implementazione di algoritmi per la detection e il tracking di droni   
Impiego post laurea: Data analyst presso RINA Italy - La Spezia

Davide Manini (A.A. 2022/23)   
Tesi: “Algoritmi di regressione per la previsione di serie storiche: Applicazione al prezzo del caffè   
Impiego post laurea: Data analyst presso TDS - Srl - Modena

Michelangelo Culiat (A.A. 2021/22)   
Tesi: “Applicazioni di tecniche standard di ML e Multi-Objective Symbolic Regression per la gestione di mutui bancari   
Impiego post laurea: Junior Data Scientist presso Credem Banca - Reggio Emilia

Salvatore d’Amicis (A.A. 2021/2022)   
Tesi:”Machine Learning Monitoring   
Impiego post laurea: Data scientist presso Ammagamma – Modena

Marco Segapeli (A.A. 2020/2021)   
Tesi:”Online Markerless Stereo Camera Calibration: an industrial perspective to refinement of extrinsic parameters   
Impiego post laurea: Analista programmatore presso Deep Vision Consulting – Modena

Federica Casari (A.A. 2020/2021)   
Tesi:”Il problema del commesso viaggiatore: metodi di risoluzione e applicazione a una realtà aziendale   
Impiego post laurea: Software engineering presso Emmegisoft – Soliera

Laura Barbieri (A.A. 2020/2021)   
Tesi:”Algoritmi automatici per la selezione dei livelli di isodose nella pianificazione di trattamenti di dose painting in radioterapia   
Impiego post laurea: Applied mathematician presso Pure Power Control s.r.l. – Modena

Tommaso Bertocchi (A.A. 2020/2021)   
Tesi:”Previsione del Comportamento di Serie Temporali, Confronto tra Modelli Stocastici e Machine Learning   
Impiego post laurea: Analyst presso SDG Group Italy – Milano

Insegnamenti obbligatori: 

  • Teoria dei grafi (MATH-02/B – 6 CFU)
  • Analisi superiore (MATH-03/A – 12 CFU)
  • Processi stocastici (MATH-03/B – 6 CFU)
  • Computational and statistical learning (MATH-05/A – 9 CFU)
  • Inglese scientifico avanzato (3 CFU)
  • Introduction to scientific Python (3 CFU)

12 CFU a scelta tra i seguenti insegnamenti caratterizzanti: 

  • Meccanica statistica (MATH-04/A – 6 CFU)
  • Metodi stocastici per simulazioni (MATH-04/A – 6 CFU)
  • Elaborazione numerica di segnali e immagini (MATH-05/A – 6 CFU)
  • Ottimizzazione numerica per l’intelligenza artificiale (MATH-05/A – 6 CFU)

Da 6 a 18 CFU a scelta tra i seguenti insegnamenti affini (*): 

  • Algebra superiore (MATH-02/A – 6 CFU)
  • Curve algebriche (MATH-02/B – 6 CFU)
  • Topologia geometrica delle varietà (MATH-02/B – 6 CFU)
  • Equazioni alle derivate parziali (MATH-03/A – 6 CFU)
  • Problemi inversi e applicazioni (MATH-05/A – 6 CFU)
    • Elementi di fisica quantistica (PHYS-04/A – 6 CFU)

Da 0 a 18 CFU a libera scelta dall’offerta didattica di Ateneo (**)

Da 6 a 18 CFU a scelta tra i seguenti insegnamenti affini (*):

  • Strutture algebriche (MATH-02/A – 6 CFU)
  • Geometria superiore (MATH-02/B – 6 CFU)
  • Matematica discreta (MATH-02/B – 6 CFU)
  • Calcolo delle variazioni (MATH-03/A – 6 CFU) 
  • Convex analysis and optimization (MATH-03/A – 6 CFU)
  • Equazioni di evoluzione (MATH-03/A – 6 CFU)
  • Elaborazione di dati scientifici (CHEM-01/A – 6 CFU)
  • Advanced algorithms (INFO-01/A – 6 CFU)
  • Sistemi complessi (INFO-01/A – 6 CFU, in lingua inglese)
  • Data-centric AI (IINF-05/A – 6 CFU)

Da 0 a 18 CFU a libera scelta dall’offerta didattica di Ateneo (**)

Ulteriori attività formative (3 CFU) a scelta tra: 

  • Attività seminariale
  • Tirocinio in azienda
  • Ulteriori abilità informatiche
  • Ulteriori abilità linguistiche

Prova finale (24 CFU)

(*) il numero totale di crediti degli insegnamenti affini tra il primo e il secondo anno deve essere di 24 CFU
(**) il numero totale di crediti degli insegnamenti a libera scelta tra il primo e il secondo anno deve essere di 18 CFU