99087 - DATA ANALYSIS PER I MEDIA (1) (LM)

Conoscenze e abilità da conseguire

Il corso si propone di fornire agli studenti una chiara comprensione del ruolo dei dati nel panorama mediale contemporaneo. Gli studenti impareranno a utilizzare metodologie data driven per analizzare i prodotti mediali, la loro produzione e circolazione e i discorsi sociali ad essi collegati. Una parte di approfondimento teorico sarà dedicata al modo in cui l'enorme disponibilità di dati, nel contesto digitale, ha trasformato sia la filiera dei media che le metodologie di valutazione, previsione e analisi. Allo studente verranno poi fornite competenze specifiche relative all'estrazione, trasformazione e caricamento di dati e agli di strumenti di modellazione nell'ambito dei media. Non è richiesta nessuna conoscenza pregressa di linguaggi di programmazione o software specifici. Al termine del corso lo studente avrà acquisito competenze relative a: - estrazione di dati sia da database dedicati che da social media e pagine web; - analisi dei dati, valutazione della loro qualità, pulizia e costruzione di dataset; - modellazione qualitativa e quantitativa; - implementazione di semplici script per la manipolazione dei dati; - introduzione all'uso di database; - elementi di base di data visualization.

Contenuti

Il corso è strutturato in tre parti distinte, ognuna delle quali comprende gli aspetti essenziali dell'analisi dei media basata sui dati. Gli studenti esploreranno le basi teoriche, le applicazioni pratiche e le metodologie di base nel campo dell'analisi dei dati.

Parte 1: Fondamenti teorici (3 lezioni)

Questa sezione inizia con un'esplorazione dell'importanza dell'analisi dei dati nel panorama mediatico contemporaneo. Gli studenti esamineranno gli aspetti fondamentali dell'analisi dei dati, comprendendo i tipi di dati, i metodi di accesso e le considerazioni etiche pertinenti all'industria dei media. Verranno sottolineate le abilità pratiche nella pulizia, nella preelaborazione e nell'analisi esplorativa dei dati, consentendo agli studenti di trarre preziose informazioni dai dataset audiovisivi e di comunicare efficacemente i risultati attraverso tecniche di visualizzazione.

Parte 2: Parlare con i dati con gli LLM (3 lezioni)

Gli studenti saranno introdotti al machine learning e al deep learning, con un focus specifico sui Large Language Models (LLMs) e sui Multimodal Models. L'esperienza pratica con semplici script in Python, gli strumenti low-code e le piattaforme di analisi basate su cloud arricchirà la loro comprensione delle interazioni con i dati basate su LLM (ChatGPT e altri).

Parte 3: Progetti applicativi (4 lezioni)

Il segmento finale ruota attorno a progetti applicativi pratici, in cui gli studenti applicheranno le conoscenze e le competenze acquisite a casi reali nel settore audiovisivo. Gli studenti collaborano alla definizione degli obiettivi del progetto, alla raccolta e alla pre-elaborazione dei dati, all'utilizzo di tecniche di analisi tradizionali, supportate da AI, fino alla presentazione dei progetti.

In definitiva, il corso mira a fornire agli studenti le competenze necessarie per gestire efficacemente l'analisi dei dati nel settore audiovisivo.

Un piano del corso con i contenuti per ciascuna lezione sarà disponibile in Virtuale.

Testi/Bibliografia

Il corso è improntato a una interazione diretta con gli studenti. Pertanto i materiali di studio e di esercitazione verranno forniti a lezione e rilasciati attraverso la piattaforma Virtuale. Per ogni lezione verranno indicati i materiali necessari per la preparazione all’esame e eventuali approfondimenti facoltativi.

Gli studenti che volessero approfondire in maniera sistematica le tematiche del corso possono riferirsi al testo di Joel Grus, Data science con python. Dai fondamenti al machine learning, Egea, Milano 2021. Lo studio di questo testo facoltativo non è necessario per sostenere l’esame.

Metodi didattici

Il corso prevede una costante interazione con gli studenti, sia per la discussione dei temi teorici, sia per la concreta realizzazione di progetti applicativi e esercitazioni. Si consiglia agli studenti di utilizzare un proprio computer per seguire le lezioni e poter continuare le esercitazioni in maniera autonoma.

Modalità di verifica e valutazione dell'apprendimento

Per l’esame lo studente dovrà realizzare, da solo o in gruppo, un progetto di Data Analysis concordato con il docente. Il progetto verrà presentato al termine del corso (compatibilmente con la numerosità della classe) o in sede d’esame. L’esame prevede un colloquio orale dedicato sia all’analisi del progetto che alla verifica dell’apprendimento dei temi del corso.

Strumenti a supporto della didattica

Le lezioni prevedono presentazioni Prezi accessibili agli studenti, mentre per la parte di coding, esercitazione e sviluppo dei progetti verranno utilizzati notebook (Jupyter Notebook) collaborativi in cloud. Materiale aggiuntivo verrà fornito attraverso la piattaforma Virtuale.

Orario di ricevimento

Consulta il sito web di Guglielmo Pescatore