Data Science & Architetture
Dalla rilevazione del dato grezzo alla costruzione di pipeline distribuite (Big Data, Data Warehouse, Data Lakehouse, NoSQL e Hadoop).
Data Science e Diritto
Dispense complete, modelli architetturali, algoritmi di analisi dei dati e profili di governance giuridica (GDPR & AI Act).
Percorso di Studio — Capitoli del Corso
Section titled “Percorso di Studio — Capitoli del Corso”Seleziona un modulo per accedere alla trattazione completa basata sulle slide ufficiali e sulle spiegazioni a lezione:
Capitolo 1: Big Data Analytics & Architetture IoTPiramide DIKW, Modello delle 4V, Business Intelligence vs Advanced Analytics, 4 Tipologie di Data Analysis, Ciclo di vita ML, Fog/Edge Computing, Architettura Lambda (Kafka, Cassandra, Spark) e Conformità GDPR.
Capitolo 2: Data Warehousing & Modellazione OLAPI 4 pilastri del Data Warehouse, livelli di granularità e GDPR, modellazione a cubi multidimensionali, tassonomia delle misure, Slowly Changing Dimensions (SCD 1-3), operazioni OLAP, Star vs Snowflake Schema, governance dei metadati, pipeline ETL a 5 livelli e sistemi DSS/EIS.
Capitolo 3: Intelligenza Artificiale, Machine Learning & GovernanceAgenti intelligenti, algoritmi predittivi (k-NN, SVM, Decision Trees, Random Forest, Regressione Ridge/Lasso), Clustering (K-Means, DBSCAN) e Apriori, Deep Learning e GAN, Ensemble e Federated Learning, Explainable AI (XAI), Bias e Dati Sintetici, EU AI Act, Legge 132/2025 e Caso Studio INPS.
Capitolo 4: Protezione dei Dati Personali, GDPR & SicurezzaEvoluzione normativa (1970-GDPR), tassonomia dei dati (personali, particolari, giudiziari), anonimizzazione vs pseudonimizzazione (K-Anonymity, L-Diversity, T-Closeness), ruoli privacy (Titolare, Responsabile, DPO), 7 principi, diritti dell'interessato, basi giuridiche, Registro dei Trattamenti, DPIA, Privacy by Design/Default, Data Breach, sanzioni e Caso Studio FSE 2.0.
Capitolo 5: Ontologie, Web Semantico & Ragionamento AutomaticoRappresentazione formale della conoscenza, questioni di Brachman (1985), Logica del Primo Ordine e regole IF-THEN, progetto Cyc/OpenCyc, ontologie formali (sussunzione, meronimia, tassonomia), Stack del Web Semantico W3C (RDF, N3/N-Triples, OWL-Lite/DL/Full, SPARQL) e reificazione dell'asserzione.
Capitolo 6: Database NoSQL & Teorema CAP (Brewer)Limiti dei database relazionali e criteri di scelta del paradigma NoSQL, database a Documenti (MongoDB), Key-Value (Redis, Cassandra), Column-Based (HBase, Column Family), a Grafi (OrientDB) e il Teorema CAP di Brewer (sistemi CA, CP e AP).
Capitolo 7: Business Intelligence, Data Lake, Delta Lake & Data LakehouseEvoluzione della Business Intelligence, confronto tra Data Warehouse (Schema-on-Write) e Data Lake (Schema-on-Read), architettura a zone del Data Lake, rischio Data Swamp, Delta Lake (transazioni ACID su Spark e Time Travel), Data Lakehouse e scenari pratici di scelta architetturale.
Capitolo 8: Ecosistema Apache Hadoop & Calcolo DistribuitoPanoramica dell'ecosistema open-source Apache Hadoop, confronto RDBMS vs Hadoop (Schema-on-Read), architettura HDFS (NameNode, DataNode, blocchi da 64 MB e Teorema CAP), paradigma MapReduce, YARN, HCatalog e la governance dei metadati, ZooKeeper, Ambari, Pig, Hive (HiveQL), HBase e Apache Spark.
Struttura del Corso
Section titled “Struttura del Corso”Intelligenza Artificiale & ML
Fondamenti di Machine Learning supervisionato e non supervisionato, reti neurali, ontologie per la rappresentazione della conoscenza e Web Semantico.
Diritto, Privacy & Governance
Inquadramento normativo europeo direttamente applicabile: tutela dei dati personali (GDPR), Privacy by Design e regolamentazione basata sul rischio (AI Act).