Conoscenza e capacità di comprensione

I laureati in Metodi e Modelli per Data Science posseggono:
- solide conoscenze sul calcolo delle probabilità;
- solide conoscenze di statistica;
- solide conoscenze di metodi numerici e di ottimizzazione;
- avanzate conoscenze di programmazione, anche parallela;
- solide conoscenze di gestione dati.

Inoltre, i laureati:
- conoscono e comprendono le applicazioni di base della Data Science a vari ambiti di interesse;
- hanno adeguate competenze computazionali e informatiche, comprendenti anche la conoscenza di linguaggi di programmazione e di software specifici.

Il conseguimento dei risultati di apprendimento sopradescritti sarà ottenuto primariamente attraverso gli insegnamenti di base e caratterizzanti e consolidato tramite gli insegnamenti dell’ambito delle attività formative affini o integrative.

L’acquisizione delle competenze avverrà principalmente attraverso la frequenza e la partecipazione attiva alle lezioni, alle attività di laboratorio e seminariali, lo studio personale e di gruppo, il superamento delle prove di accertamento alla fine dei corsi ed in itinere.
Sono previste attività tutoriali e seminariali mirate, in particolare, ad affinare la capacità di risolvere problemi, a sviluppare autonomia di giudizio e abilità comunicative.
Una larga parte dei corsi, ed in particolare tutti quelli relativi alla programmazione, sono ampiamente supportati da attività laboratoriale.

Il raggiungimento degli obiettivi formativi sopra elencati sarà verificato tramite i risultati delle prove di accertamento somministrate in itinere e alla fine dei corsi (ogni insegnamento prevede esercitazioni ed una verifica finale che avviene, di norma, attraverso la valutazione di un elaborato scritto e/o un colloquio orale) e in sede di supervisione della prova finale.

Capacità di applicare conoscenza e comprensione

I laureati in Metodi e Modelli per Data Science sono in grado di cogliere la specificità dei vari ambiti applicativi in cui la Data Science può svolgere il suo ruolo.
In particolare, sono in grado di:

- modellizzare problemi di moderata difficoltà formulati nel linguaggio naturale, e di trarre profitto da questa modellizzazione per individuare gli strumenti più adatti ad affrontarli;
- sottoporre a verifica rigorosa modelli ed ipotesi scientifiche;
- sviluppare tecniche di previsione sulla base di osservazioni esistenti;
- utilizzare strumenti informatici e computazionali come supporto all’analisi dati, e per acquisire ulteriori informazioni.

L’acquisizione di queste capacità sarà ottenuta essenzialmente con attività di studio individuale e di gruppo e tramite esercitazioni in aula articolate sia come approfondimento su argomenti tratti negli insegnamenti curricolari, sia come elaborazione di specifiche applicazioni a problemi suggeriti dal mondo del lavoro.
Il lavoro di gruppo contribuirà anche allo sviluppo delle capacità di comunicazione e leadership.
Dette capacità potranno essere ulteriormente rafforzate tramite stage e tirocini in azienda e periodi all’estero.

L’acquisizione delle suddette capacità sarà verificata tramite i risultati delle prove di accertamento somministrate in itinere e alla fine dei corsi, ove la soluzione di esercizi sarà parte integrante e in sede di presentazioni dell’elaborato oggetto della prova finale.

Autonomia di giudizio

I laureati in Metodi e Modelli per Data Science:
- sono in grado di costruire e sviluppare modelli matematici per l’analisi di dati osservati;
- sono in grado di riconoscere ragionamenti rigorosi e giustificati, e di individuare argomentazione infondate;
- sono in grado di proporre e analizzare modelli di previsione associati a situazioni concrete in una varietà di discipline diverse;
- sono in grado di apprendere rapidamente nuovi software e linguaggi di programmazione;
- hanno esperienza di lavoro interdisciplinare, e sono in grado di cogliere gli aspetti matematici e statistici dell’analisi dati.

I principali strumenti didattici per l'acquisizione di queste competenze, per loro natura trasversali, sono:
- gli insegnamenti, soprattutto relativi ai crediti formativi di base e caratterizzanti;
- l'allenamento alla modellizzazione ed all’analisi di problemi in ambito statistico, probabilistico, numerico e fisico proposto primariamente durante le attività di esercitazione, tutoriali e di laboratorio;
- il forte coordinamento fra gli insegnamenti per contribuire alla compenetrazione delle competenze dalla teoria alle applicazioni e viceversa.

L'acquisizione di un’adeguata autonomia di giudizio viene verificata con apposite prove d’esame - che saranno proposte e somministrate con elevato livello di rigore e in modo da privilegiare fortemente gli strumenti logico-quantitativi, piuttosto che quelli nozionistici -, e tramite la valutazione della prova finale.

Abilità comunicative

I laureati in Metodi e Modelli per Data Science:
- sono in grado di comunicare in modo preciso ed appropriato problemi, idee e soluzioni riguardanti la Data Science, la matematica e la statistica, sia proprie sia di altri autori, a un pubblico specializzato o generico, nella propria lingua e in inglese, sia in forma scritta che orale;
- sono in grado di lavorare in gruppo e di operare con definiti gradi di autonomia.

Gli strumenti didattici utilizzati per l'acquisizione di queste competenze sono soprattutto le esercitazioni, volte a sviluppare l'esposizione sia scritta che orale, ma anche specifici insegnamenti di lingua inglese, nonché l'assistenza didattica offerta per la preparazione della prova finale.
Per alcuni insegnamenti, anche prima della prova finale, sarà prevista la preparazione di un breve elaborato da illustrare anche di fronte ai propri compagni di corso.
Ciò costituirà per gli studenti un’utile esperienza di comunicazione pubblica dei propri risultati.

L'acquisizione di tali abilità comunicative viene verificata in sede d'esame, ivi inclusa la prova finale.

Capacità di apprendimento

Il grande valore formativo degli insegnamenti di ambito matematico e il carattere fortemente metodologico del corso permetterà al laureato di adeguare autonomamente le proprie conoscenze, sia in relazione ai problemi posti dall’eventuale contesto lavorativo che, qualora decida di proseguire i propri studi, in relazione alla maggiore complessità dei contenuti delle lauree magistrali dove si indirizzerà.

In particolare, i laureati in Metodi e Modelli per Data Science:
- sono in grado di proseguire gli studi con un alto grado di autonomia nelle Lauree Magistrali, o più in generale in studi di secondo livello, di ambito matematico, statistico, informatico ma anche di ambiti applicativi specifici ove la solida preparazione matematica e statistica e la robusta competenza informatica risultano rilevanti;
- hanno una mentalità flessibile e si adattano facilmente a nuove problematiche, caratteristiche indispensabili per inserirsi prontamente negli ambienti di lavoro.

Queste capacità vengono sviluppate mantenendo un adeguato livello di astrazione degli insegnamenti impartiti e curando l'allenamento alla risoluzione di problemi nel lavoro sia individuale che di gruppo, attraverso l'organizzazione delle esercitazioni, l'attività tutoriale, gli stage e tirocini formativi, ove presenti, e la preparazione alla prova finale.

La verifica delle suddette capacità ha luogo in sede d'esame dei singoli insegnamenti e in fase di valutazione della prova finale.

Requisiti di ammissione

Sono ammessi al corso di laurea gli studenti in possesso di un diploma di scuola secondaria superiore o di altro titolo di studio conseguito all'estero riconosciuto idoneo.
È richiesta una buona conoscenza degli argomenti di base di matematica usualmente presentati nel ciclo di studi secondario (un syllabus dettagliato sarà reso disponibile on line sul sito del CdS).
La consuetudine con il ragionamento matematico completa un’adeguata preparazione iniziale.
Il regolamento didattico del corso di laurea descrive in dettaglio le conoscenze di base richieste per l'acquisizione di un'adeguata preparazione iniziale, precisa le modalità con cui la struttura didattica competente verifica tali conoscenze e indica gli eventuali obblighi formativi aggiuntivi, da assolvere entro il primo anno di corso, nel caso la verifica non risulti soddisfacente.

Prova finale

La prova finale per il conseguimento della laurea in Metodi e Modelli per Data Science consiste nella redazione di un elaborato scritto su un argomento di data science e può riguardare sia l’approfondimento di aspetti teorici già incontrati durante i corsi, sia lo sviluppo di applicazioni, anche in collaborazione con le imprese con il quale il corso di laurea è in contatto.
La tesi può essere svolta anche presso una azienda o altra realtà esterna su tematiche maggiormente applicate, ad esempio l’applicazione di alcune delle metodologie apprese nell’ambito dei corsi a problematiche specifiche di natura tecnologica, finanziaria o industriale.

Si rimanda al regolamento didattico del CdS per i dettagli di svolgimento della prova finale.

Orientamento in ingresso

Negli ultimi anni nell'Ateneo di Tor Vergata le attività di orientamento informativo e formativo sono state organizzate prevalentemente a distanza coerentemente con l’andamento della situazione epidemiologica, tranne in alcune occasioni, in cui si è riusciti ad organizzare eventi in presenza.

Fortunatamente a partire da quest'anno accademico si è potuto riprendere la tradizionale attività di orientamento in presenza, all'interno della quale sarà inserito anche la presentazione del Corso in oggetto.
Negli incontri 'PorteAperte' già previsti per i mesi di Febbraio e Marzo la presentazione del corso sarà svolta dai docenti coinvolti nell'elaborazione della proposta, pur consapevoli che l'attivazione a partire dall'anno accademico 2023-2024 è ancora sub judice; questa situazione di sarà illustrata con trasparenza ai potenziali studenti interessati.
In particolare, è previsto un Open Day Invernale di Ateneo
per il 15 febbraio 2023 ed un PorteAperte per il 15 marzo 2023, con altri incontri programmati su base all'incirca mensile nel periodo immediatamente successivo.

Questi appuntamenti prevedono una durata di 1 ora per ogni Area; durante questo intervallo i docenti di “Tor Vergata” sono a disposizione per presentare l’intera offerta formativa della propria Area e per rispondere di persona ai dubbi e alle domande degli studenti.
In queste edizioni di Porte Aperte la partecipazione è subordinata alla prenotazione ma la capienza delle aule assicura un afflusso anche molto numeroso (diverse centinaia di studenti ad evento).
Nelle stesse occasione si potrà visionare il materiale informativo che stiamo preparando; ovviamente non è al momento ancora disponibile, dato che l'attivazione del corso non è stata definitivamente approvata.

Per avere una diea sulla numerosità dei potenziali interessati, all'Open Day (virtuale) dell'ultimo anno accademico hanno partecipato 23 istituti scolastici per un totale di 935 studenti; mentre i prenotati totali sono stati 2714 di cui il 6% fuori regione.

Inoltre l’Ufficio Orientamento offre la sua disponibilità per organizzare incontri personalizzati con le Scuole con il progetto “TorVergata Orienta Le scuole” attraverso il quale i docenti possono richiedere approfondimenti tematici su tutti gli ambiti dell’offerta formativa o incontri di orientamento sull’offerta formativa generale o di Aree specifiche a seconda degli interessi delle classi con l’utilizzando della piattaforma da loro preferita (Teams, Meet, Zoom o altre).
Lo scorso anno sono stati organizzati 18 incontri in cui sono stati coinvolti 28 istituti scolastici.

Ad ulteriore supporto delle attività di orientamento è attivo un sito web dedicato (orientamento.uniroma2.it) all’interno del quale l’utente può trovare il calendario degli eventi di orientamento, informazioni sull’offerta formativa e un nutrito archivio di materiali multimediali (brochure e video) dedicati all’Ateneo e ai suoi servizi, ai singoli corsi di Laurea, alle Macroaree/Facoltà fino alle interviste agli studenti che raccontano la loro esperienza di studio a “Tor Vergata”.
Oltre a questo materiale sono disponibili due guide per accompagnare gli studenti nel loro percorso dalla scelta all’iscrizione: “Tor Vergata i primi passi” e “Tor Vergata in 6 click”.

Infine, l’Ufficio Orientamento partecipata numerosi saloni digitali che permettono di raggiungere anche gli studenti e le scuole fuori regione.

Per i “Percorsi per le Competenze Trasversali e per l'Orientamento” (in breve PCTO), efficace strumento di orientamento formativo, è stata realizzata una nuova piattaforma di Ateneo con un catalogo informatizzato dei progetti e una dashboard personalizzata per tipologia di utenti, docenti di Tor Vergata- referenti scolastici-personale dell’ufficio PCTO, che consente una più efficace organizzazione e gestione degli stessi.
La nuova piattaforma è finalizzata ad agevolare la gestione delle attività di PCTO dell’Ateneo, a semplificare la comunicazione, l’inserimento dei dati, l’archiviazione dei documenti, a consentire l’analisi statistica dei dati raccolti nel database, nonché offrire uno strumento di facile consultazione e utilizzo per gli operatori scolastici e un’immagine di Ateneo tecnologicamente al passo con i tempi.
Ad oggi i progetti PCTO presenti nel catalogo sono 61 a cui hanno aderito 84 Istituti (di cui 8% fuori regione) per un totale di 5216 studenti prenotati.

Nei corsi di laurea correlati negli scorsi anni sono state organizzate le seguenti attività aggiuntive, che ci proponiamo di replicare per 'Metodi e Modelli per Data Science' non appena il corso sarà attivo:

1) Incontri personalizzati su appuntamento in presenza e online per accogliere gli studenti: l’ufficio Welcome/Benvenuto offre un supporto su appuntamento online e in presenza per tutti gli studenti incoming attraverso Microsoft Teams.
Su appuntamento si offre un sostegno per la compilazione della richiesta del permesso di soggiorno o del rinnovo del permesso per gli studenti degli anni successivi al primo.

2) Students Welcome: è un evento di accoglienza previsto a inizio anno accademico, durante il quale l’Ateneo dà il benvenuto agli studenti e alle studentesse che hanno già sostenuto i test di ingresso, a chi è ancora indeciso sul percorso da intraprendere e a chi è in arrivo dall’estero.
In particolare si offre un sostegno per l’immatricolazione, la compilazione del permesso di soggiorno, l’iscrizione al SSN, l’apertura di un conto bancario etc.
Per tutti e tutte è prevista la presentazione dei servizi di Ateneo (CUS, CARIS, CLICI, Agevola, Orto Botanico ecc).

3) Welcome days in presenza in ogni Macroarea/Facoltà con info desk all’ingresso della struttura o in aule dedicate.
Con la preziosa collaborazione di studenti tutor e part-time e del personale tecnico amministrativo di Macroarea/Facoltà, sono state fornite le informazioni pratiche per affrontare il nuovo percorso universitario a tutte le matricole.


Inoltre da settembre 2021 l’Ufficio Accoglienza ha strutturato ed avviatoIl 'Buddy programme', progetto volto a facilitare l’accoglienza dei nuovi studenti dell’Università di Roma “Tor Vergata”.
Il programma Buddy, prevede l’abbinamento di nuovi studenti con studenti già iscritti per l’assistenza nei primi mesi di assestamento al contesto universitario, in collaborazione con il Welcome Office di Ateneo.
Un Buddy aiuta i nuovi studenti a conoscere meglio il campus e i servizi a disposizione, facilita la comprensione dell’organizzazione didattica: struttura dell’anno accademico, lezioni, esami, è disponibile a dare una mano per risolvere eventuali problemi, indirizza lo studente agli uffici competenti per problemi specifici, dedica almeno un’ora alla settimana per incontrare lo studente/gli studenti che gli sono affidati.

Il Corso di Studio in breve

Il corso di studio punta ad integrare una ampia preparazione di base nei settori della Matematica e dell’Informatica più rilevanti per lo studio, la gestione e l’analisi dei dati (per brevità Data Science), con una formazione fortemente interdisciplinare nella quale gli studenti possano acquisire familiarità in alcuni degli ambiti applicativi in cui la Data Science ha già mostrato la sua grande rilevanza, quali ad esempio l’Ingegneria, l’Informatica e la Finanza.
Le metodologie che vengono introdotte non sono considerate dal punto di vista meramente applicativo, ma ci si pone l’obiettivo di comprenderne in profondità i fondamenti matematici e la logica di sviluppo, nella prospettiva di formare laureati che siano in grado di innovare le procedure esistenti sia dal punto di vista teorico sia in funzione del loro specifico utilizzo.
L’obiettivo del corso di studio è quindi quello di formare laureati con competenze fortemente spendibili sul mercato del lavoro, ma contemporaneamente con conoscenze che permettano ulteriori studi specialistici in tutti i campi in cui la Data Science sta mostrando la sua efficacia.

Gli studenti acquisiranno nell’ambito dei corsi di base le conoscenze e competenze necessarie nei seguenti argomenti, svolti in insegnamenti fondamentali: Algebra Lineare e Calcolo Matriciale, Calcolo Differenziale e Integrale per funzioni di una e più variabili reali, Probabilità, Statistica, Informatica e Tecniche di Programmazione, Gestione di Basi di Dati, Fisica.
A questi corsi si aggiungono un insieme di esami caratterizzanti che coprono ulteriori sviluppi nell’ambito dell’Analisi, della Probabilità e della Statistica e soprattutto Analisi Numerica, Ottimizzazione, Calcolo Matriciale anche da un punto di vista computazionale, Algoritmi e Strutture Dati, Machine Learning; l’insieme di questi corsi è in grado di fornire basi estremamente solide per tutti gli aspetti della Data Science.
I corsi affini permettono di acquisire competenze nell’ambito della Programmazione Avanzata e Parallela.
Fra essi è presente un esame introduttivo all’Analisi Economica, considerando che l’esposizione a questo ambito applicativo può senz’altro accrescere notevolmente l’attrattività degli studenti per il mondo del lavoro.
Sono presenti quindi una grande varietà di corsi per crediti formativi affini e integrativi, con l’opportunità per gli studenti sia di approfondire ulteriori aspetti metodologici relativi all’Intelligenza Artificiale, al Machine Learning, alla Statistica/Probabilità ed ai Metodi Numerici, sia di conoscere sin dal percorso formativo triennale ulteriori ambiti applicativi, in particolare tra le Scienze Fisiche o la Finanza.
Una larga parte dei corsi, ed in particolare tutti quelli relativi alla Programmazione, sono ampiamente supportati da attività laboratoriale.

Il percorso formativo si conclude con la prova finale, per la preparazione della quale si fornisce un’apposita assistenza didattica.
Questa prova non risulta particolarmente onerosa in termini di crediti formativi e può riguardare sia l’approfondimento di aspetti teorici già incontrati durante i corsi, sia lo sviluppo di applicazioni, anche in collaborazione con le imprese con il quale il corso di laurea è in contatto.
Ogni insegnamento prevede esercitazioni ed una verifica finale che avviene, di norma, attraverso la valutazione di un elaborato scritto e/o un colloquio orale.
In tutto il percorso formativo sono previste attività tutoriali e seminariali mirate, in particolare, ad affinare la capacità di risolvere problemi, a sviluppare autonomia di giudizio e abilità comunicative.
Sbocchi occupazionali:

La richiesta di laureati in Metodi e Modelli per Data Science al momento sembra fortissima in ambiti anche molto diversi tra loro.
Tra le attività professionali che i laureati di questo corso saranno in grado di svolgere, menzioniamo le seguenti:
- Aziende ad alta tecnologia nei settori dell’Information and Communication Technology
- Aziende ad alta tecnologia in ambito fisico ed ingegneristico che svolgano attività legate ai Big Data ed all’Intelligenza Artificiale, ad esempio nel settore energetico
- Consulenza industriale
- Consulenza scientifica in tutti i campi della ricerca pura e applicata che richiedono la gestione di grandi moli di dati
- Banche e compagnie d’assicurazione per consulenza in ambito finanziario ed assicurativo nel settore pubblico e nel settore privato
- Consulenza in ambito Medico e Biologico, incluse le aziende di ricerca farmaceutica e biotecnologica, nella misura in cui esse utilizzino tecniche di Machine Learning ed Intelligenza Artificiale

Oltre al diretto ingresso nel mondo del lavoro, il laureato in Metodi e Modelli per Data Science potrà proseguire gli studi nelle Lauree Magistrali, o più in generale in studi di secondo livello, di ambito matematico, statistico, informatico ma anche di ambiti applicativi specifici ove la solida preparazione matematica e statistica e la robusta competenza informatica risultano rilevanti
 

 

Lo studente espliciterà le proprie scelte al momento della presentazione, tramite il sistema informativo di ateneo, del piano di completamento o del piano di studio individuale, secondo quanto stabilito dal regolamento didattico del corso di studio.