Corso di Data economy: tecniche e opportunità - Fedu Box edition
Descrizione del corso
È possibile prevedere il comportamento umano? Definire delle regole generali che ci aiutino a capire il modo in cui viviamo e ci relazioniamo con gli altri? Non serve una sfera di cristallo: oggi tutto questo è possibile grazie ai dati resi disponibili dalle tecnologie di comunicazione e alle tecniche di data mining per estrarne informazioni utili. Abbiamo l'occasione di capire come vivere meglio apprendendo in tempo reale dai nostri comportamenti collettivi, a cominciare dal modo in cui ci muoviamo.
I nostri spostamenti dicono di noi molto più di quanto pensiamo: raccontano abitudini, qualità della vita, relazioni sociali ed economiche e anche le dinamiche di un’epidemia. Per questo la lettura e l’interpretazione della mobilità è uno dei campi di applicazione più interessanti della scienza dei dati.
I dati sulla mobilità sono fondamentali per gli urbanisti e per chiunque amministri un territorio: per migliorare la sostenibilità degli spostamenti o per organizzare sistemi logistici in modo efficiente. Su scala più piccola, conoscere i nostri comportamenti in contesti come quelli di un’area commerciale può essere prezioso sia per scopi di marketing che per migliorare la qualità di un servizio, così come i movimenti e le attività dei calciatori sul campo di calcio possono servire ad analizzare e anche prevedere la performance sportiva dei singoli e della squadra.
In queste lezioni impariamo come raccogliere i dati, elaborarli e rappresentarli per ottenere conoscenze utili, confrontandoci con le sfide inedite che la scienza dei dati pone alla nostra privacy, sul sottile confine tra rischi e opportunità. Lo facciamo concentrandoci su due campi di applicazione dalle molteplici opportunità: i dati della mobilità umana e i dati dell’attività sportiva.
L’obiettivo è quello di comprendere la complessità e le potenzialità della costruzione di processi di analisi dei dati, che sono sempre una combinazione di creatività e rigore.
Docenti
Cosa imparerai
Come funziona il corso
Il corso dura in tutto 6 ore ed è completamente on demand: puoi seguirlo dove vuoi, quando vuoi e tutte le volte che vuoi.
Il percorso è organizzato su 4 moduli tematici, composti da video-lezioni della durata massima di 15 minuti. Tra una lezione e l’altra, un itinerario formativo fatto di materiali didattici, fonti di approfondimento, podcast ed esercizi che puoi seguire direttamente sulla nostra piattaforma.
Le tappe del percorso
I Big Data sono le tracce digitali che lasciamo dietro di noi continuamente, come effetto collaterale, consapevole o meno, dell'uso delle tecnologie dell'informazione e della comunicazione per tutte le nostre attività. Attraverso la data science e il social mining abbiamo la possibilità di scoprire la conoscenza nascosta nei Big Data su fenomeni sociali individuali e collettivi difficili da osservare e misurare. Prima di prendere in esame studi applicati e casi concreti, entriamo dentro le logiche e gli strumenti delle tre fasi dell’analisi dei dati: il rilevamento e la raccolta, l’elaborazione e la rappresentazione dei dati. Partiamo dai fondamenti del processo di estrazione della conoscenza dei dati per esplorare le opportunità che offre ai decisori pubblici e al mondo economico.
Il primo campo di applicazione della Big Data Analytics e del Social Mining su cui ci soffermiamo è quello della mobilità umana. Perché concentrare l’attenzione proprio sulla mobilità umana, ovvero sui nostri movimenti? E come è possibile estrarre dal materiale grezzo delle tracce digitali delle conoscenze utili sul nostro comportamento sociale collettivo? Dal pulsare della città alla diffusione della mobilità elettrica, dal benessere dei territori al carpooling, dall’attrazione turistica ai diversi profili di mobilità, fino alla diffusione di un’epidemia? Approfondiamo esempi di processi analitici per capire fenomeni di mobilità attraverso lo studio dei dati veicolari e dei dati di telefonia mobile.
Il secondo campo di applicazione che analizziamo è quello dei dati sportivi. A quali domande nuove si può provare a rispondere con la data science in questo ambito? I dati dei ciclisti dilettanti, la condivisione nei social e le nuove opportunità per la scienza dello sport. L'analisi dei Big Data del calcio per caratterizzare le prestazioni del team e prevedere il successo. Anche in questo caso approfondiamo le tre fasi: il rilevamento e la raccolta, l’elaborazione, la rappresentazione visuale dei dati.
Quali sono i limiti etici e legali della data science? Come è possibile far coesistere la condivisione di conoscenza utile con il rispetto della privacy, dei diritti umani e dei valori democratici? Quali sono i limiti da rispettare e le domande da porsi per un design e un uso benefico dei sistemi data-driven? Dalla privacy-by-design alla data governance, al rapporto fra cittadini e sfera digitale, alla domanda cruciale: di chi sono i miei dati?
