Data Science Specialist

Data Science Specialist
Panoramica

Secondo Talent.com lo stipendio medio in Italia per Data Scientist è € 35.000 all’anno e circa 10.000 offerte di lavoro ogni mese su Linkedin. Il percorso di Data Science Specialist di Deep Learning Italia ti permette, con un unico pagamento, di accedere ad un pacchetto di corsi utili per iniziare la tua carriera lavorativa nel mondo dei Dati.

Cosa Imparerai in questa specializzazione?

Avrai a disposizione 11 corsi che ti permetteranno di acquisire tutte le competenze interdisciplinari necessarie per essere in grado di lavorare a tutti i livelli sui dati. Clicca su ogni corso compreso nella specializzazione per scoprire il programma!

Struttura delle lezioni

Deep Learning Italia struttura le sue lezioni in maniera molto semplice: all’interno di ogni sezione ci sono video esplicativi, in cui il docente spiega la lezione, corredati da slides.

Il percorso di apprendimento solitamente è intervallato da test a risposta multipla che permettono di monitorare la comprensione degli argomenti di studio.

Chi può seguire questa specializzazione?

Chi ha una mente aperta e predisposta all’analisi: le lezioni sono adatte a chiunque ma è necessario avere passione per i numeri e i calcoli, oltre che tanta pazienza.

Chi lavora anche full time: se sei un lavoratore full time non ti preoccupare! Potrai seguire le lezioni in completa autonomia nel tuo tempo libero.

Chi vuole crescere professionalmente: Se vuoi elevare la tua carriera Deep Learning Italia ti da l’opportunità di poterlo fare a costi contenuti.

Programma
Docenti
gennaro vessio
Valerio Basile
paolo caressa
giorgio visani
luca pedrelli
cristiano de nobili
Francone
Daniele Moltisanti
giatti
Descrizione Docenti

Gennaro Vessio 

Gennaro Vessio ha conseguito il Dottorato di Ricerca in Informatica e Matematica presso il Dipartimento di Informatica dell’Università degli Studi di Bari, dove è attualmente ricercatore. I suoi principali interessi di ricerca riguardano il machine learning e il deep learning, e la loro applicazione a svariati domini, tra cui l’informatica medica e l’informatica umanistica. Gennaro è regolarmente coinvolto nelle attività didattiche del dipartimento di afferenza, e in attività di trasferimento tecnologico e divulgazione scientifica. Svolge regolarmente attività di revisione per riviste internazionali di prestigio, per conferenze internazionali in qualità di membro del comitato di programma e contribuisce all’organizzazione di eventi scientifici. Infine, è membro di società scientifiche e di centri interdipartimentali.

Valerio Basile

Valerio Basile è ricercatore presso il Dipartimento di Informatica dell’Università degli Studi di Torino. Dopo la laurea magistrale in Informatica presso l’Università di Bologna, ha conseguito il Dottorato di Ricerca in Semantica Computazionale all’Università di Groningen (Paesi Bassi), a cui ha fatto seguito un periodo di ricercatore postdoc presso l’Inria Sophia Antipolis (Francia). I suoi interessi di ricerca sono incentrati sull’analisi automatica del linguaggio naturale, con particolare attenzione allo sviluppo di modelli per la classificazione di contenuto pragmatico (sentiment, emozioni, offensività) in testi reali come quelli dei social media.

Paolo Caressa

Paolo Caressa, dopo aver conseguito la laurea e il dottorato di ricerca in matematica, si è occupato per qualche anno di ricerca pura e docenza universitaria (facoltà di Ingegneria) per poi passare al mondo dell’industria, prima come consulente IT, poi come quantitative analyst nel campo della finanza e del risk management, per tornare infine al mondo IT come project manager, business analyst, consulente su metodologie, tecnologie, innovazione e formazione. Ha pubblicato due libri di storia della matematica (AlphaTest), un testo universitario di matematica (UAM) e diversi articoli scientifici, divulgativi e didattici su riviste di vario tipo. Tiene conferenze su argomenti fra matematica, IT e data science e corsi come docente a contratto presso la facoltà di Ingegneria dell’Università “La Sapienza”.

Giorgio Visani

Giorgio Visani, laureato in Scienze Statistiche all’Università di Bologna ed è stato ricercatore presso lo stesso ateneo, è esperto di Machine Learning e tecniche di spiegazione. Ha lavorato come Data Scientist presso Crif SpA, dove si occupa di sviluppo di tecniche di Artificial Intelligence e delle relative tecniche di spiegazione, legate all’ambito bancario. È attualmente Dottorando presso l’Università di Bologna, dipartimento di Ingegneria Informatica, dove si occupa principalmente dei seguenti ambiti: metodi di spiegazione per tecniche di Artificial Intelligence, studio della Causalità nelle basi di dati e metodi per imporre le strutture causali nei modelli di Machine Learning.

Luca Pedrelli

Dott. Ric. Luca Pedrelli ha conseguito la Laurea Magistrale in Informatica all’Università di Pisa nel 2015 e il Dottorato in Informatica all’Università di Pisa nel 2019. Attualmente sta lavorando come assegnista di ricerca al Dipartimento di Informatica dell’Università di Pisa all’interno del gruppo di ricerca Computational Intelligence & Machine Learning (CIML). Inoltre svolge attività di docenza su temi legati al deep learning all’Università di Pisa e in corsi di specializzazione post laurea. I suoi interessi si concentrano negli ambiti del machine learning, reti neurali, deep learning, reservoir computing e in particolare nello studio e nell’analisi delle reti neurali ricorrenti profonde. I suoi interessi applicativi riguardano la classificazione di sequenze (segnali, testi e immagini) e la predizione di serie temporali di vario tipo.

Cristiano De Nobili

Cristiano De Nobili da quattro anni lavora nell’avvincente mondo dell’intelligenza artificiale. Con un approccio sia tecnico che di ricerca, si occupa principalmente di Deep Learning. Ha iniziato questa avventura nell’ambito della Computer Vision (CV) tramite un progetto del CNR e un master in High-Performance Computing (MHPC, SISSA/ICTP). Da circa 2 anni è passato a lavorare sul linguaggio (NLP) oltre a dedicarsi a progetti con forte impatto sociale e ambientale. Il 2021 ha lavorato ad un grosso progetto della EU Commission sulla comprensione del cambiamento climatico attraverso il Deep Learning.

Federico Francone

Federico Francone lavora come Data Scientist nel Research and Applied Science Team di Amazon.
Ha conseguito una laurea in Ingegneria Gestionale presso Sapienza Università di Roma, durante la quale ha acquisito conoscenze fondamentali in diverse tematiche tra cui Ricerca Operativa, Programmazione, Serie Storiche e Basi di Dati.
Si è avvicinato al mondo del Machine Learning durante la laurea Magistrale, vedendo in questo il punto di connessione tra tutti gli ambiti tecnici di cui sopra. Ha presentato il suo progetto di tesi nel 2018 in una conferenza di Big Data e ML applicati alla medicina di precisione, alla quale hanno partecipato l’Università di Harvard e Sapienza. Il lavoro è stato poi pubblicato, nel 2021, sulla rivista peer-reviewed Genes – MDPI (https://www.mdpi.com/2073-4425/12/11/1713/htm).
Scoperta questa passione, ha conseguito un Master di II livello in Data Science presso l’Università di Tor Vergata, dopo il quale ha lavorato come Data Scientist per importanti aziende come Enel e McKinsey & Company.
Da Giugno 2021 è docente di due corsi – Programmazione in Python e Machine Learning – nel Master in Data Science (CESMA) all’Università di Tor Vergata.

Daniele Moltisanti

Ciao sono Daniele Moltisanti, sono un Data Scientist Manager presso Sky Italia, ma anche il Founder di stAI tuned, un progetto di divulgazione per tematiche di AI applicata alla vita di tutti i giorni. A settembre del 2022 sono stato eletto tra i 111 top talenti italiani under 35 da Nova Talent, in un contest in collaborazione con l’università Bocconi di Milano e con una giuria a supporto. Sono stato eletto tra le migliori 10 figure professionali italiane nell’ambito di Entertainment, Media & Communication. Ho un background ingegneristico, nel dettaglio provengo da studi di ingegneria informatica presso il Politecnico di Milano, conclusi nel 2020. Sono un appassionato di intelligenza artificiale e delle sue applicazioni pratiche principalmente. Il mio obiettivo personale è quello di mostrare le potenzialità dell’intelligenza artificiale nella vita di tutti i giorni.

Vittorio Giatti

Vittorio Giatti è Product Data Analyst e Solution Engineering Coordinator presso iGenius (https://it.igenius.ai), una delle primissime aziende di Artificial Intelligence in Italia, eletta come Cool Vendor of the Year 2021 da Gartner e che mira con Crystal, il suo SAAS di Augmented Analytics, a rendere accessibile a chiunque l’analisi e la consultazione del dato a livello aziendale. Attualmente si occupa di configurare il software presso i clienti nel modo più efficace ed efficiente possibile, i monitorare le performance delle sue componenti, inoltre partecipa a definire le nuove funzionalità del prodotto.

Appassionato di dati, e della connessione tra il mondo algoritmico della data science, e la parte più soft della visualizzazione e del racconto, che negli anni si son fatti sempre meno distanti. Ha avuto modo di toccare con mano e di confrontarsi con la complessità del dato in realtà come Prysmian, Nexi, Generali, Allianz, Volkswagen Group, Fideuram, Mediaset, Enel, e altri, in progettualità che spaziano tra analytics, business intelligence, e data management.

Ha conseguito la laurea triennale al Politecnico di Milano, e una laurea magistrale in Science Statistiche per la Tecnologia e la Data Science presso l’università degli Studi di Padova. Ha partecipato a contest accademici di Data Science come il “Business Game for Data Scientist” e “Stats Under The Stars V” nel 2019, il più importante in Italia in quel momento, con più di 250 partecipanti, organizzato dall’Università Bocconi, dove ha vinto il premio per il miglior modello di previsione con il suo team di colleghi universitari.

Oscar De Felice

Oscar De Felice, laureato in Fisica presso l’Università di Trieste, oggi è un Data Scientist. Ha fatto un PhD alla Sorbonne Université a Parigi durante il quale ha svolto ricerche sulle Geometrie Generalizate in Teoria delle Stringhe. Una delle attività che preferisce in assoluto è la didattica, perché ama il contatto con gli studenti. Prima del dottorato, ha completato un MSc all’Imperial College London. Il programma si chiamava Quantum Fields and Fundamental Forces. 

Vantaggi
  • Puoi seguire il corso dove e quando vuoi: Deep Learning, infatti, ti offre l’opportunità di accedere alla piattaforma in qualsiasi momento tu abbia voglia e possibilità di studiare. Basta semplicemente un dispositivo elettronico e una connessione internet!

  • Troverai sempre materiale nuovo e lezioni aggiornate: i nostri professori ti forniranno moltissimo materiale per supportare i tuoi studi e aggiorneranno periodicamente la piattaforma con nuove slides o con nuovi moduli;

  • Nei nostri corsi troverai sempre una componente interattiva per stimolare l‘apprendimento: giochi, quiz, podcast e tanto altro ti aiuteranno a migliorare e a rendere la tua formazione unica;

  • Non sarai mai solo! Avrai a disposizione la nostra community per metterti in contatto con altri studenti.

  • A fine percorso riceverai una certificazione che potrai aggiungere al tuo CV e che ti darà la possibilità di farti notare da grandi aziende del settore;

  • Se lo vorrai, Deep Learning Italia, ti potrà aiutare a trovare lavoro mettendoti in contatto con le nostre aziende partner.

  • Accesso life long ai corsi
  • Acquistando la specializzazione risparmi e potrai seguire più corsi contemporaneamente
Play Video
300,00 
Durata
52 ore 10 min
Quiz
70
Accesso life long
si
Certificato
si
slide, github, dataset
si
esercitazioni
si
Prodotti Correlati
Torna in alto