Conoscenza informatica di base: utilizzo del computer, navigazione web, familiarità con i principali strumenti di produttività (fogli di calcolo, elaboratori di testo). Non sono richieste competenze di programmazione. È richiesta la disponibilità di un PC personale con installato il software KNIME Analytics Platform (gratuito, scaricabile da www.knime.com).

Il corso introduce gli studenti al mondo dei Big Data e dell'Intelligenza Artificiale con un taglio orientato alle applicazioni economiche e manageriali. Partendo dalla rivoluzione digitale e dal fenomeno dei dati di massa, il corso affronta i principali paradigmi dell'analisi dei dati, del Machine Learning e dell'AI Generativa, fino alle questioni di etica, governance e impatto sul lavoro. L'approccio è fortemente pratico: ogni argomento teorico è accompagnato da esercitazioni al calcolatore con la piattaforma KNIME Analytics Platform, uno strumento no-code di data science ampiamente utilizzato in ambito professionale. La valutazione finale include una prova pratica al PC.

Al termine del corso lo studente:

• conosce il fenomeno dei Big Data, le sue origini e le sue implicazioni per le organizzazioni economiche e finanziarie;
• comprende le principali architetture e infrastrutture per la gestione e l'analisi dei dati;
• sa costruire e interpretare pipeline di analisi dati con la piattaforma KNIME Analytics Platform, applicandole a problemi concreti di business;
• conosce i fondamenti del Machine Learning supervisionato e non supervisionato e sa implementarne i principali algoritmi in ambiente KNIME;
• comprende il funzionamento del Deep Learning e dell'AI Generativa e ne valuta le opportunità e i rischi per il business;
• è in grado di leggere criticamente l'impatto economico e occupazionale dell'intelligenza artificiale;
• conosce il quadro normativo e le principali questioni etiche legate all'uso dei dati e dell'IA, con riferimento all'AI Act europeo.

Il corso alterna lezioni frontali con supporto di slide e materiali multimediali a esercitazioni pratiche al calcolatore con la piattaforma KNIME Analytics Platform. Per ogni blocco tematico (ETL, analisi esplorativa, Machine Learning supervisionato e non supervisionato) è prevista una sessione applicativa in cui gli studenti replicano i casi d'uso illustrati e risolvono problemi pratici su dataset reali. È prevista una sessione di demo live sul Prompt Engineering con strumenti di AI Generativa. Sono previsti due esoneri scritti/pratici al PC durante il semestre. Un seminario su mercato AI e modelli di business completa il percorso.

L'esame si articola in una prova pratica al PC con la piattaforma KNIME, nella quale lo studente risolve un problema di analisi dati end-to-end (preparazione del dato, modellazione, interpretazione dei risultati), seguita da una prova  colloquio orale obbligatorio in cui viene commentata la prova pratica e accertata la conoscenza degli aspetti teorici del programma.

Durante il corso sono previsti due esoneri parziali al PC, che consentono allo studente di: (1) suddividere il programma in due parti; (2) evitare la prova orale finale accettando la media dei voti degli esoneri; (3) sostenere comunque il colloquio orale per modificare — in aumento o in diminuzione — la media degli esoneri. Non sono previste differenze di programma per studenti lavoratori o non frequentanti.

16/6/2026 09-12 

30/6/2026 15-18

14/7/2026 09-12

Modulo 1 — Introduzione (lez. 1) Il paesaggio dei dati e dell'intelligenza artificiale. La rivoluzione digitale e il ruolo dei dati nelle organizzazioni. Panoramica del percorso dal Big Data all'AI Generativa (2020–2026). Presentazione della piattaforma KNIME Analytics Platform e dell'ambiente di lavoro.

Modulo 2 — Big Data: fondamenti e analisi (lez. 2–3) Definizione e caratteristiche dei Big Data: il modello delle 5V (Volume, Velocità, Varietà, Veridicità, Valore). Introduzione alla Data Analysis: tipologie di dati, fonti, ciclo di vita del dato. Esercitazione KNIME: esplorazione e visualizzazione di un dataset.

Modulo 3 — Infrastrutture e architetture (lez. 4) Tecnologie per la gestione dei Big Data. Processi ETL (Extract, Transform, Load). Architetture di ingestione batch e stream. Esercitazione KNIME: costruzione di una pipeline ETL su dataset reale.

Modulo 4 — Analytics e Business Intelligence (lez. 5) Caso d'uso: analisi delle vendite in un contesto e-commerce. Dalla raccolta dati alla reportistica aziendale. Esercitazione KNIME: analisi completa del caso con produzione di report e visualizzazioni.

Modulo 5 — Machine Learning supervisionato (lez. 6–8) Paradigmi del Machine Learning e ciclo di vita di un modello predittivo. Regressione e classificazione: regressione logistica, alberi decisionali, random forest. Esercitazione KNIME: addestramento, validazione e confronto di modelli predittivi su dataset aziendali.

Modulo 6 — Machine Learning non supervisionato (lez. 9) Clustering con K-Means. Riduzione della dimensionalità. Applicazioni alla segmentazione della clientela. Esercitazione KNIME: segmentazione di un portafoglio clienti.

Modulo 7 — Deep Learning e AI Generativa (lez. 10–12) Reti neurali e Deep Learning: architetture e applicazioni. AI Generativa: Large Language Models, Prompt Engineering. Demo live con strumenti generativi.

Modulo 8 — Mercato e impatto dell'AI (lez. 13 — seminario) Scenario competitivo dell'AI generativa: principali player e modelli di business. Impatto sul mercato del lavoro e sulle professioni economico-finanziarie.

Moduli 9–10 — Etica, Governance e sfide future (lez. 14) Etica dell'intelligenza artificiale. Il regolamento europeo AI Act. Sfide future: AI agentiva, modelli di ragionamento, sostenibilità computazionale.

• De Mauro A., Big Data Analytics. Analizzare e interpretare dati con il machine learning, Apogeo, 2019. ISBN: 978-8850334780 (testo principale del corso — introduce KNIME come strumento pratico)
• De Mauro A., Big Data per il Business. Guida strategica per manager alle prese con la trasformazione digitale, Apogeo, 2020. ISBN: 978-8850335367 (complementare — focus su strategia aziendale e impatto organizzativo)
• Materiali didattici del corso: slide, dispense e workflow KNIME disponibili sulla piattaforma e-learning di Ateneo
• Letture integrative e casi d'uso indicati dal docente durante il corso