95965 - ARTIFICIAL INTELLIGENCE AND MACHINE LEARNING FOR BUSINESS

Anno Accademico 2023/2024

  • Docente: Giuseppe Magro
  • Crediti formativi: 6
  • SSD: ING-INF/05
  • Lingua di insegnamento: Inglese
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Bologna
  • Corso: Laurea Magistrale in Food Animal Metabolism and Management in the Circular Economy (cod. 5814)

Conoscenze e abilità da conseguire

At the end of the course the student is in possession of the basic knowledge of cutting-edge models and applications of artificial intelligence, with particular attention to machine learning. In particular, they are able to have a practical vision to select the appropriate methods to solve concrete problems

Contenuti

1 Decision Support Systems

- The concept of dynamic system and sustainability

- The structure of the decision-making process

- Classic and new generation decision support systems

- Operational techniques for implementing evidence based decision support systems

2 The Mathematical Models for Data Science

- Methods for developing mathematical models for business

- Classification and clustering regression algorithms

- Data Mining and automatic learning methods

- Operational data exploration tools for Business

3 Machine Learning

- Methodological and functional framework of learning systems

- Machine learning operational tools

- Analytical Platforms for Data Science from an ESG perspective

4 Applications of Machine Learning to concrete business cases

- Operational tools of E-governance for the Business

- Practical applications of ML for supervised learning predictions and recommendations

- Exercises of co-design of monitoring systems of ESG Business performances

Testi/Bibliografia

Dispensa del Corso 

Metodi didattici

Il metodo didattico impiegato prevede l'integrazione dei contenuti metodologici con gli aspetti operativi di case study reali di applicazione dell'Intelligenza Artificiale e si focalizza su tecniche induttive di codifica dei contenuti e sviluppo di algoritmi di problem solving 

Modalità di verifica e valutazione dell'apprendimento

Al termine del corso é prevista una prova scritta di verifica del livello di apprendimento dei concetti di base e di valutazione delle competenze acquisite nell'applicazione dei metodi a casi concreti di applicazione 

Strumenti a supporto della didattica

Nel corso viene utilizzato il software KNIME 

Orario di ricevimento

Consulta il sito web di Giuseppe Magro