Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Art. 1 – Finalità
Il presente Regolamento didattico specifica gli aspetti organizzativi del corso di laurea Magistrale in
Data Science, secondo l’ordinamento definito nel Regolamento didattico di Ateneo, nel rispetto
della libertà d’insegnamento, nonché dei diritti-doveri dei docenti e degli studenti.
L’organo collegiale competente è il Consiglio Interclasse dei Corsi di Studio in Informatica (CICSI) che
svolge la sua attività secondo quanto previsto dallo Statuto e dalle norme vigenti in materia, per
quanto non disciplinato dal presente Regolamento.
• collaborare all’analisi automatica, con metodi della statistica, del data mining e
dell'apprendimento automatico (machine learning) dei dati raccolti al fine di scoprire pattern
e costruire modelli predittivi;
• collaborare alla comunicazione a tipi diversi di pubblico dei risultati dei processi di analisi
automatica dei dati;
• collaborare alla attribuzione di valore all'informazione e conoscenza estratta in contesti
aziendali e industriali innovativi;
• gestire gli aspetti giuridici relativi relativi al trattamento di dati sensibili pubblici e privati,
nonché della proprietà intellettuale inerente i data product;
• gestire gli aspetti etici e sociali relativi alle applicazioni della data science.
Il percorso formativo prevede l’attività di tirocinio che può svolgersi presso aziende del settore, enti
pubblici o privati e laboratori dell'Università e alla quale sono dedicati 20 CFU.
All’attività di tirocinio deve seguire lo sviluppo di un elaborato finale, in italiano o in inglese, redatto
secondo la struttura di una pubblicazione scientifica che deve riguardare un’esperienza scientifica
originale sui temi della data science. L’elaborato finale, al quale sono dedicati 10 CFU, è prodotto
sotto la supervisione di un docente-relatore.
Risultati di apprendimento attesi
Le competenze specifiche sviluppate dal corso di laurea in Data Science possono essere utilmente
elencate, nel rispetto dei principi dell’armonizzazione europea, mediante il sistema dei descrittori
di Dublino:
A: Conoscenza e capacità di comprensione (Knowledge and Understanding)
Il laureato magistrale in Data Science si caratterizza per la conoscenza multidisciplinare sulle scienze
informatiche, matematiche, statistiche, economiche e giuridiche, essenziali alla disciplina, nonché
per le conoscenze dei modelli di comunicazione e dei principi etici alla base dell'uso della conoscenza
estratta dai dati.
Le conoscenze che il laureato magistrale acquisisce riguardano gli aspetti fondamentali della
disciplina che rimangono inalterati rispetto alla continua evoluzione tecnologica.
Al termine del suo percorso formativo, il laureato magistrale possiede conoscenze e competenze
disciplinari di livello avanzato riguardanti le aree di apprendimento relative all'ambito delle
tecnologie informatiche, in particolare su principi teorici e metodologici per estrarre informazioni e
conoscenza dai dati (eventualmente big data) in modo automatico. Riguardo alle aree di
apprendimento relative all'ambito aziendale-organizzativo, il laureato magistrale possiede
conoscenze su modelli statistici e di ottimizzazione numerica per processi decisionali in condizioni
di incertezza e di vincolo. Riguardo alle aree di apprendimento delle discipline umane, sociali,
giuridiche ed economiche, il laureato possiede conoscenze sul trattamento dei dati sensibili, sulla
economia digitale, sull'etica dell'innovazione e sui modelli di comunicazione più adatti alla data
science.
Possiede inoltre approfondita conoscenza della lingua inglese, acquisita attraverso attività
formative ulteriori nell'ambito linguistico, per comprendere e produrre testi complessi e
comunicare in modo appropriato in contesti di settore.
Risultati di apprendimento attesi
Le conoscenze e le competenze disciplinari del corso di studio sono essenzialmente le seguenti:
1. Conoscenze e competenze di apprendimento automatico relative a metodi e tecniche
per l'estrazione di informazioni e conoscenza dai dati e la costruzione di modelli.
tra le diverse figure che operano nel settore della Data Science. Il laureato sarà, pertanto,
consapevole delle responsabilità relative alla propria professione.
Nello specifico, l'autonomia di giudizio riguarderà:
• capacità di analisi individuale;
• capacità di confronto in team;
• capacità di analisi multidisciplinare rispetto alle soluzioni progettuali;
• capacità di comparazione tra soluzioni diverse e/o alternative;
• capacità di valutare obiettivamente risultati empirici.
Metodi didattici
• partecipazione, analisi e svolgimento di casi di studio (singoli e/o in team);
• redazione di elaborati.
Modalità di verifica
La verifica dell'autonomia di giudizio sarà effettuata attraverso la valutazione della capacità di
discutere in gruppo o con i singoli docenti, attraverso la valutazione di elaborati progettuali, sia
nell'ambito dei singoli insegnamenti sia in occasione della discussione della tesi di laurea.
D: Abilità nella comunicazione (Communication skills)
Le abilità comunicative saranno sviluppate per consentire ai laureati magistrali di interloquire sia
con professionisti specialisti che non specialisti.
A tal fine verranno proposti agli studenti metodi di didattica e di valutazione che stimolino le
capacità di comunicazione e sintesi dei contenuti appresi e dei temi elaborati, in particolare
favorendo lo svolgimento di presentazioni sia in lingua italiana sia in lingua inglese. Ugualmente, al
fine di fornire molteplici fonti di esempio, sarà promossa la partecipazione attiva a seminari e
workshop organizzati anche con la collaborazione di professionisti ed esperti del settore.
L'approccio interdisciplinare dei corsi e la loro strutturazione e organizzazione mira a stimolare la
capacità del laureato magistrale nell'utilizzo di un linguaggio scientifico, legale ed economico per
l'analisi, la protezione e la valorizzazione dei dati. Un ulteriore aspetto che estende le capacità
comunicative è quello legato alla visualizzazione dei dati e alla visual analytics, nonché allo
storytelling, in quanto centrali nella nella fase finale e più critica del ciclo di vita del dato digitale,
quando i risultati dell'analisi devono presentati in modo efficace.
Al fine di stimolare la comunicazione in lingua Inglese sarà favorito l'utilizzo per la didattica non solo
di libri di testo, ma anche di pubblicazioni scientifiche in lingua inglese.
Il laureato magistrale sarà in grado di:
• comunicare ed esprimere verbalmente in modo chiaro ed efficace le conoscenze apprese,
presentare i casi di studio trattati e discutere le soluzioni adottate adeguando il contenuto
al target professionale dell'uditorio;
• redigere elaborati scritti chiari, sintetici e coerenti;
• lavorare in team con diverse professionalità.
Metodi didattici
• Elaborazione e discussione di relazioni su esercitazioni in laboratorio e in aula, condotte in
piccoli gruppi o singolarmente.
• Partecipazione a gruppi di lavoro per lo sviluppo di attività progettuali nell'ambito di specifici
insegnamenti.
• Studio da testi e fonti anche in lingua inglese.
• Analisi, sintesi, esposizione e discussione di dati di letteratura.
Regolamento Didattico e Manifesto degli Studi a.a. 2021-2022 6
Laurea Magistrale in Data Science
• nel settore terziario e nelle pubbliche amministrazioni, per esempio per lo sviluppo e
gestione di servizi innovativi basati sui dati, quali quelli fruibili on-line, in modalità mobile o
legati ai social network;
• nel settore industriale e aziendale, per esempio per gestire progetti e proporre soluzioni
innovative nel campo dei sistemi informativi e informatici e nell'ambito dei processi
decisionali di livello operativo, tattico/manageriale e strategico/direzionale, processi spesso
basati su informazioni ottenute a partire da grandi moli di dati;
• nei settori scientifici, tecnologici, biologici e sanitari come figure di supporto agli specialisti
del campo per le attività riguardanti gestione, trattamento e analisi dei dati e per la
modellistica.
In particolare, i laureati magistrali nei corsi della classe possono rivestire ruoli di data scientist (o
data analyst), data specialist e data manager, descritti in modo preciso nello European ICT
Professional Role Profiles version 2 CWAs, pubblicato il 29 agosto 2018 dal CEN (European
Committee for Standardization). Inoltre, possono rivestire i ruoli di responsabili di reparti di sviluppo
e gestione di metodologie informatiche a supporto dei processi decisionali, o di figure tecniche in
team di analisi e trattamento di dati fisici, chimici, biologici, sanitari e più in generale scientifico-
tecnologici.
Competenze associate alla funzione
Al termine del percorso formativo, il laureato in Data Science sarà in grado di:
• progettare un processo completo di analisi dei dati, dalla elicitazione e raccolta delle
esigenze, fino all'utilizzo dei pattern e dei modelli estratti dai dati;
• estrarre pattern ricorrenti nei dati;
• costruire modelli predittivi a partire dai dati;
• interpretare i risultati di analisi dei dati;
• comunicare in forma opportuna, anche grafica, le indicazioni emerse dalle analisi e dai
modelli;
• modellazione, raccolta ed elaborazione di grandi collezioni di dati, anche in forma non
strutturata;
• valorizzare l'informazione e la conoscenza estratta in contesti aziendali e industriali
innovativi;
• gestire gli aspetti giuridici relativi al trattamento di dati sensibili pubblici e privati, nonché
della proprietà intellettuale;
• gestire gli aspetti etici e sociali relativi alle applicazioni della Data Science.
La certificazione dei crediti acquisiti dallo studente avviene sostenendo prove scritta e/o orale e/o
di laboratorio. Le specifiche modalità di svolgimento di ciascun esame devono essere contenute nel
programma del corso depositato in Segreteria. Tali modalità possono comunque prevedere che
l’ammissione ad una prova sia subordinata all’esito delle prove precedenti e che possano essere
esentati da una parte delle prove di esame gli studenti che abbiano positivamente sostenuto prove
in itinere.
I crediti formativi corrispondenti a ciascuna attività formativa sono acquisiti dallo studente previo il
superamento dell’esame o a seguito di altra forma di verifica della preparazione o delle competenze
conseguite.
La frequenza ai corsi è fortemente raccomandata.
II semestre
Apprendimento automatico ING-INF/05 b 9 7 2 Esame
Data Mining ING-INF/05 b 9 7 2 Esame
Metodi numerici
MAT/08 c 6 4 2 Esame
per la Data Science
Modellizzazione statistica SECS-S/01 b 6 4 Esame
Totali 30
SECONDO ANNO
Prova di
Attività Formative Crediti
Insegnamento Valutazione
S. S. D. Tip* Tot Lez Es/Lab Prog
I semestre
Modelli economici per
SECS-P/08 b 6 6 Esame
l’innovazione guidata dai dati
Gestione e analisi di big data ING-INF/05 b 6 4 2 Esame
Modelli decisionali e
MAT/09 b 6 6 Esame
ottimizzazione
Insegnamenti a scelta d 12 Esame
Totali 30
II semestre
Insegnamento Tip* Tot. Crediti Prova di Valutazione
Attività formative ulteriori (tirocini, seminari) f 20 Verifica della frequenza
Prova finale e 10 Esame di laurea
Totali 30
PRIMO ANNO
Prova di
Attività Formative Crediti
Insegnamento Valutazione
S. S. D. Tip* Tot Lez Es/Lab Prog
I semestre
Fondamenti di matematica
MAT/05 c 6 4 2 Esame
per la Data Science
Fondamenti di programmazione
INF/01 c 9 7 2 Esame
per la Data Science
Totali 15
II semestre
Apprendimento automatico ING-INF/05 b 9 7 2 Esame
Metodi numerici
MAT/08 c 6 4 2 Esame
per la Data Science
Totali 15
SECONDO ANNO
Prova di
Attività Formative Crediti
Insegnamento Valutazione
S. S. D. Tip* Tot Lez Es/Lab Prog
I semestre
Gestione di dati strutturati
INF/01 b 6 4 2 Esame
e non strutturati
Trattamento dei dati sensibili IUS/01 b 6 6 Esame
Inglese professionale
L-LIN/12 f 3 3 Idoneità
per la Data Science
Totali 15
II semestre
Data Mining ING-INF/05 b 9 7 2 Esame
Modellizzazione statistica SECS-S/01 b 6 4 2 Esame
Totali 15
TERZO ANNO
Prova di
Attività Formative Crediti
Insegnamento Valutazione
S. S. D. Tip* Tot Lez Es/Lab Prog
I semestre
Modelli economici per
SECS-P/08 b 6 6 Esame
l’innovazione guidata dai dati
Gestione e analisi di big data ING-INF/05 b 6 4 2 Esame
Modelli decisionali e
MAT/09 b 6 6 Esame
ottimizzazione
Totali 18
II semestre
Insegnamento Tip* Tot. Crediti Prova di Valutazione
Attività formative ulteriori (tirocini, seminari) f 12 Verifica della frequenza
Totali 12
QUARTO ANNO
Insegnamento Tip* Tot. Crediti Prova di Valutazione
I semestre
Insegnamenti a scelta d 12 Esame
Totali 12
II semestre
Insegnamento Tip* Tot. Crediti Prova di Valutazione
Attività formative ulteriori (tirocini, seminari) f 8 Verifica della frequenza
Prova finale e 10 Esame di laurea
Totali 18
NOTE
(*) La Tipologia: a=base, b=caratterizzante, c=affini, d=a scelta dello studente, e=prova finale,
f=tirocini; fa riferimento all’art. 10 del DM 270/2004:
a) attività formative in uno o più ambiti disciplinari relativi alla formazione di base;
b) attività formative in uno o più ambiti disciplinari caratterizzanti la classe;
c) attività formative in uno o più ambiti disciplinari affini o integrativi di quelli caratterizzanti,
anche con riguardo alle culture di contesto e alla formazione interdisciplinare;
d) attività formative autonomamente scelte dallo studente purché coerenti con il progetto
formativo;
e) attività formative relative alla preparazione della prova finale per il conseguimento del titolo
di studio e, con riferimento alla laurea, alla verifica della conoscenza di almeno una lingua
straniera oltre l'italiano;
f) attività formative, non previste dalle lettere precedenti, volte ad acquisire ulteriori
conoscenze linguistiche, nonché abilità informatiche e telematiche, relazionali, o comunque
utili per l'inserimento nel mondo del lavoro, nonché attività formative volte ad agevolare le
scelte professionali, mediante la conoscenza diretta del settore lavorativo cui il titolo di
studio può dare accesso, tra cui, in particolare, i tirocini formativi e di orientamento di cui al
decreto del Ministero del Lavoro 25 marzo 1998, n. 142.
Tutti gli studenti, che nell’anno accademico 2021-22 si iscriveranno al II anno, faranno riferimento
al Regolamento/Manifesto Ufficiale degli Studi dell’anno accademico 2020-21.
Le commissioni d’esame sono costituite da almeno due docenti, di cui uno è il titolare
dell’insegnamento. Alle commissioni di esame di lingua inglese partecipano i collaboratori ed esperti
linguistici (CEL). I docenti titolari dell’insegnamento potranno anche avvalersi di verifiche in itinere
per valutare l’andamento del corso. Tali verifiche in itinere non potranno mai sostituire l’esame
finale.
Le date degli esami e delle verifiche in itinere non dovranno normalmente essere sovrapposte ai
periodi di svolgimento delle lezioni.
Gli esami si svolgono successivamente alla conclusione del periodo delle lezioni, esclusivamente nei
periodi previsti per gli appelli di esame. Le date sono comunicate dai titolari e disponibili sul sistema
ESSE3 raggiungibile, tramite link, anche dal sito del Dipartimento di Informatica.
La data di un appello di esame non può essere anticipata rispetto a quella pubblicata e può essere
posticipata solo per un grave e giustificato motivo. In ogni caso deve essere data opportuna
comunicazione agli studenti.
Il CICSI favorisce lo svolgimento di tirocini formativi presso aziende pubbliche o private, nazionali o
estere; sono inoltre possibili attività di progetto da svolgersi presso i laboratori dei Dipartimenti
Universitari. Il CICSI sulla base dello specifico programma di lavoro previsto definirà, in conformità
a quanto previsto dal Piano di Studi, il numero di crediti formativi da assegnare a questa tipologia di
attività formativa.
Lo svolgimento del tirocinio/attività di progetto è attività formativa obbligatoria; i risultati ottenuti
vengono verificati attraverso attestati di frequenza e/o relazioni sulla attività svolta.
I risultati di eventuali periodi di studio all’estero verranno esaminati dal CICSI in base ai programmi
presentati dallo studente, cui verrà riconosciuto un corrispettivo in CFU coerente con l’impegno
sostenuto per le attività formative frequentate all’estero ed una votazione in trentesimi equivalente
a quella riportata eventualmente con diversi sistemi di valutazione.
Si terrà comunque conto della coerenza complessiva dell’intero piano di studio conseguito all’estero
con gli obiettivi formativi del Corso di Laurea Magistrale in Data Science, piuttosto che la perfetta
corrispondenza dei contenuti tra le singole attività formative.
I CFU acquisiti hanno, di norma, validità per un periodo di 8 (otto) anni dalla data dell'esame. Dopo
tale termine il CICSI dovrà verificare l'eventuale obsolescenza dei contenuti conoscitivi provvedendo
eventualmente alla determinazione di nuovi obblighi formativi per il conseguimento del titolo.
vigente in materia, nonché altre conoscenze e abilità maturate in attività formative di livello post
secondario alla cui progettazione e realizzazione l’Ateneo abbia concorso.
Per il riconoscimento di CFU maturati dagli studenti in esperienze precedenti, ad esempio a seguito
di esami sostenuti in altro Corso di Laurea dell’Università di Bari o altra Università o Accademia
italiana o straniera, è necessario fare domanda al CICSI fornendo adeguata documentazione,
certificata dalla struttura formativa di provenienza, che riporti:
• il programma seguito;
• l’impegno impiegato dallo studente, per acquisire le conoscenze o le abilità di cui si richiede
il riconoscimento, espresso in termini di ore di lezione/laboratorio valutabili come CFU;
• le modalità di accertamento/valutazione (esame scritto, orale, prova di laboratorio, etc.
scale di valutazione) e l'eventuale votazione riportata.
Agli studenti in possesso di certificazioni internazionali di Lingua Inglese di livello B2 o superiore
saranno interamente riconosciuti i 3 CFU per la Lingua Inglese.
Lo studente, proveniente da altri corsi di laurea, è iscritto al primo anno di corso se il numero di CFU
riconosciuti non è maggiore di 29; è iscritto al secondo anno di corso se il numero di CFU riconosciuti
è almeno uguale a 30.