2017-2018

Data Science for Quantitive Finance

Credits: 
2
Hours: 
20
Area: 
Big Data Mining
Teachers: 
Academic Year: 
Description: 

Il corso introduce gli elementi principali per la comprensione dei mercati finanziari, la loro struttura e l'infrastruttura tecnologica. In particolare, il modulo fornisce un background sulla modellazione empirica di time series finanziari, individuando gli aspetti fondamentali della data science tra cui la memorizzazione dei dati, la latenza, l'high dimensional inference, ecc. Il modulo copre anche l'analisi semantica dei testi da news feed e social network per la previsione finanziaria.

Data Mining & Machine Learning

Credits: 
4
Hours: 
40
Area: 
Big Data Mining
Description: 

Il modulo si propone di fornire un’introduzione ai concetti di base del data mining e del processo di estrazione della conoscenza, con approfondimenti sui modelli analitici e gli algoritmi più diffusi per il clustering, la classificazione e la scoperta di patterns, anche in riferimento alle nuove sorgenti di Big Data.

Mobility Data Analysis

Credits: 
2
Hours: 
20
Area: 
Big Data Mining
Description: 

Il modulo si propone di mostrare le principali tecniche di analisi dei dati spazio-temporali relativi al movimento di persone e veicoli al fine di comprendere la mobilità in un territorio. L'apprendimento sarà sostenuto da numerosi casi di studio sviluppati nel laboratorio SoBigData.eu.

Data Journalism & Story Telling

Credits: 
2
Hours: 
20
Area: 
Big Data Story Telling
Description: 

Il modulo ha l'obiettivo di preparare gli studenti alla presentazione della conoscenza estratta dai Big Data attraverso narrazioni che sfruttano la multimedialità. Presenta anche le più significative esperienze recenti di giornalismo e narrazione basate su informazioni quantitative estratte da varie sorgenti di dati.

Information Retrieval

Credits: 
5
Hours: 
40
Area: 
Big Data Sensing & Procurement
Teachers: 
Tutor: 
Academic Year: 
Description: 

Il modulo prevede l'insegnamento dei moduli software che costituiscono un moderno motore di ricerca, e di analisi delle prestazioni e dei limiti computazionali delle soluzioni algoritmiche correntemente adottate per ciascuno di essi. Fondamenti pratici e teorici per l’organizzazione e l’analisi dei sistemi di IR.

Curato Gianbiagio

Gianbiagio Curato ha conseguito la laurea magistrale in Fisica teoretica nel 2010 presso l'Università degli studi di Firenze con una tesi sulla dinamica delle reti neurali non lineari. Ha conseguito un dottorato di ricerca in Matematica per la Finanza, rilasciato dalla Scuola Normale Superiore nel 2015. Ha lavorato come analista IT per Unicredit Business Integrated Solutions. Attualmente è ricercatore post dottorato presso la Scuola Normale Superiore.

Italiano

Lo Duca Angelica

Angelica Lo Duca lavora come post-doc presso l’Istituto di Informatica e Telematica del CNR di Pisa. Ha conseguito la laurea magistrale in Ingegneria informatica nel 2007 e il dottorato di ricerca in Ingegneria dell’Informazione nel 2012, entrambi presso l’università di Pisa. Attualmente è membro del laboratorio WAFI (Web Applications for the Future Internet), nel gruppo di Data Visualization e Semantic Web. I suoi interessi di ricerca includono Semantic Web, Data Integration, Data Science e Data Security, applicati ai campi del turismo e dei Beni Culturali.

Italiano

Scaiella Ugo

Ugo Scaiella è responsabile del team di sviluppo di Spaziodati, una startup con sede a Pisa e Trento che offre prodotti nel campo della sales-intelligence e business-information, sfruttando tecniche big-data e tecnologie di intelligenza artificiale. Ugo guida il team che si occupa di ricerca e sviluppo per le attività di analisi del linguaggio naturale, apprendimento automatico e algoritmi per motori di ricerca.

Italiano

Pagine

Abbonamento a RSS - 2017-2018

Partners