2022-2023

Il corso introduce i fondamenti dell'artificial neural network e fornisce una panoramica delle principali tecninche e dei modelli di deep learning. In particolare sono mostrati in dettaglio i modelli neurali che sono utili per affrontare task predittivi su dati vettoriali, sequenziali e immagini e utili per il deep learning generativo, inclusi variational e adversarial learning.

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.

Il modulo si propone di introdurre le nozioni etico-legali di privacy, anonimato, trasparenza e non-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, di auditing dei modelli predittivi e di difesa dei diritti personali, che permettono l'analisi di Big Data nel rispetto del diritto alla protezione dei dati personali, alla trasparenza e al trattamento non discriminatorio.

Questo modulo introduce nozioni della teria dei grafi per analizzare grandi reti socio-economiche. L'analisi poi ci condurrà alla descrizione della modellazione di vari fenomeni e alla corretta definizione di benchmarks con l'uso di un approaccio ispirato alla fisica statistica classica.