Il corso offre un'introduzione metodologica e pratica agli strumenti digitali utilizzati per l'analisi e la gestione di dati complessi in una vasta gamma di discipline. Gli studenti esploreranno quattro aree principali. La prima riguarda la programmazione in Python, attraverso la quale apprenderanno come manipolare, analizzare e visualizzare dati utilizzando librerie ampiamente diffuse. La seconda area è dedicata ai sistemi di basi di dati, con un'introduzione ai modelli relazionali e non relazionali, ponendo particolare attenzione alla modellazione dei dati, alle interrogazioni e all'integrazione di fonti eterogenee. La terza area introduce i fondamenti della modellazione e visualizzazione 3D, utilizzando strumenti accessibili e piattaforme come Unity per creare ed esplorare ambienti tridimensionali interattivi. L'ultima area affronta l’intelligenza artificiale e il machine learning, offrendo una panoramica degli algoritmi principali e delle loro applicazioni su dataset reali, inclusi immagini, serie temporali e dati spaziali. Il corso è pensato per essere accessibile a studenti provenienti da diversi ambiti accademici e non richiede esperienze pregresse in programmazione.

Unità 1 – Programmazione in Python per l'Analisi dei Dati: Fondamenti del linguaggio Python: sintassi, strutture di controllo, funzioni; Manipolazione di dataset con pandas e numpy; Visualizzazione di dati con matplotlib e seaborn; Parsing e gestione di file CSV, JSON, XML; Esercitazioni su dataset multidisciplinari. Unità 2 – Basi di Dati e Sistemi di Gestione dell'Informazione: Progettazione concettuale e logica di database relazionali; Linguaggio SQL: interrogazioni, join, aggregazioni; Introduzione a database spaziali e NoSQL; Integrazione di dati da fonti eterogenee; Esercitazioni su dataset reali e simulati. Unità 3 – Modellazione e Visualizzazione 3D: Introduzione ai concetti fondamentali della rappresentazione tridimensionale; Panoramica di strumenti per la creazione e l'esplorazione di modelli 3D; Utilizzo di ambienti di sviluppo accessibili per la visualizzazione interattiva (es. Unity); Applicazioni della modellazione 3D in contesti scientifici, educativi e comunicativi; Esercitazioni guidate su modelli semplici e ambienti virtuali. Unità 4 – Intelligenza Artificiale per l'Analisi Multidimensionale: Introduzione al machine learning supervisionato e non supervisionato; Algoritmi di classificazione, clustering e regressione; Reti neurali di base con TensorFlow e Keras; Applicazioni su immagini, dati 3D, serie temporali e dataset misti; Esercitazioni pratiche su casi studio interdisciplinari.