2018-2019

Prencipe Giuseppe

Giuseppe Prencipe è attualmente Professore Associato presso il Dipartimento di Informatica dell'Università di Pisa. I suoi interessi di ricerca vertono su sistemi distribuiti, mobile e wearable computing; ha al suo attivo oltre 50 pubblicazioni scientifiche su riviste e atti di conferenza internazionali, e ha partecipato a numerosi progetti di ricerca nazionali e internazionali. Ha contribuito alla progettazione e allo sviluppo di soluzioni software dedicate ad ambienti distribuiti popolati da robot mobili, e ha sviluppato applicazioni mobili su piattaforme Android, Android Wear e iOS.

Italiano

Statistical Methods for Data Science

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

Questo modulo presenta metodologie, tecniche e tools di analisi statistica per data science: conoscenza di base della teoria della probabilità, variabili random, modelli statistici, estimation theory, test delle ipotesi, bootstrap, e conoscenza di base dell'analisi delle serie temporali. Il modulo mostra l'applicabilità in casi di studio nel dominio della finanza.

Data Driven Innovation

Credits: 
1
Hours: 
12
Area: 
Big Data for Business
Academic Year: 
Description: 

Il modulo mira innanzitutto a presentare le caratteristiche principali dei processi di innovazione nelle imprese e nelle istituzioni. Oltre ad alcuni cenni teorici di economia dell’innovazione, enfasi verrà posta sulla gestione dei processi innovativi (ruolo della R&S, dell’Open Innovation, ecc.). Verranno poi descritte le nuove opportunità di innovazione rese possibili dagli avanzamenti recenti nei processi di raccolta ed elaborazione di dati su vasta scala.

Big data sources, crowdsourcing, crowdsensing

Credits: 
2
Hours: 
20
Area: 
Big Data Sensing & Procurement
Teachers: 
Academic Year: 
Description: 

Il modulo presenta le tecniche di acquisizione di big data dalle principali sorgenti ad oggi disponibili, incluso dati telefonici, dati di navigazione satellitare, dati di acquisto e di consumo e dati da social media e social networks, open data e dati amministrativi, dati da sensori personali e ambientali. Vengono anche discusse le modalità partecipative di raccolta dei  dati attraverso sistemi di crowdsourcing and crowdsensing come i giochi con scopo e le campagne virali.

Big Data Ethics

Credits: 
2
Hours: 
24
Area: 
Big Data Ethics
Description: 

Il modulo si propone di introdurre le nozioni etico-legali di privacy, anonimato, trasparenza e discriminazione, anche in riferimento al quadro normativo comunitario e alla sua evoluzione in corso. Saranno mostrati i modelli e le tecnologie di privacy-by-design e di difesa dei diritti degli utenti, che permettono l'analisi di Big Data nel rispetto del diritto alla protezione dei dati personali, alla trasparenza e al trattamento non discriminatorio.

Pappalardo Luca

Ha conseguito la laurea specialistica in Informatica all'Università di Salerno e il dottorato di ricerca in Informatica all'Università di Pisa, con la tesi "Human Mobility, Social Networks and Economic Development: a Data Science perspective".

Italiano

Nizzoli Leonardo

Leonardo Nizzoli è nato a Pisa nel 1984. Dopo essersi laureato in Fisica nel 2010, ha lavorato per più di 5 anni come ricercatore in una azienda R&D impegnata nella realizzazione di marine wave energy converters. Nel 2016 ha frequentato il Master di II livello in Big Data Analytics and Social Mining dell’Università di Pisa.

Italiano

Pagine

Abbonamento a RSS - 2018-2019

Partners