CORSO GRATUITO PER NEO LAUREATI
TECNOLOGIE E BIG DATA NELLA DIDATTICA E NEI PROCESSI DI APPRENDIMENTO
Corsi post laurea per la gestione dei dati nell’industria
Gratuito
Finanziato dal Fondo Sociale Europeo
Modalità online
Durata: 60 ore
Hai un attestato
Con la certificazione digitale delle competenze
Fai esperienza
Con docenti formati
Competenze nuove
Aggiuntive alla laurea che fanno risaltare il tuo curriculum
TECNOLOGIE E BIG DATA NELLA DIDATTICA E NEI PROCESSI DI APPRENDIMENTO RIF.PA. 2023-19167 PR.4 Approvata con DGR n° 843 del 29/05/2023 e co-finanziata dal Fondo Sociale Europeo+ 2021-
2027 Regione Emilia-Romagna
Al termine del percorso formativo, i laureati di area umanistica e in generale tutti i laureati interessati alle applicazioni big data in ambito didattico saranno in grado di valutare e applicare in modo più consapevole e competente le potenzialità delle tecnologie nei contesti formativi, in termini di analisi dei dati relativi ai processi di apprendimento in contesti e piattaforme digitali, nuove tecnologie e metodologie al servizio della didattica e della promozione di un approccio interdisciplinare e digitale a tutte le discipline, in particolare alle STEAM. La frequenza del corso consentirà ai partecipanti di acquisire conoscenze e competenze spendibili sia in termini di programmazione e progettazione didattica, che di erogazione dei contenuti, in primis in contesti digitali o con il ricorso a strumenti e tecnologie nuove.
A chi è rivolto il corso
12 Giovani in possesso di una laurea triennale o magistrale o una laurea a ciclo unico, conseguita da non più di 24 mesi, residenti o domiciliati in regione Emilia Romagna in data antecedente l’iscrizione alle attività.
Le competenze necessarie in ingresso, oltre al requisito formale della laurea, sono trasversali: una forte attitudine alle tecnologie digitali, predisposizione al pensiero critico e capacità di autoaggiornamento. A questo progetto possono accedere laureati provenienti di tutte le aree disciplinari umanistica, giuridico-economica e scientifica, permettendo di specializzare le conoscenze innovative legate al mondo dell’intelligenza artificiale e alle applicazioni per i business B2B e B2C.
PROGRAMMA
Learning analytics ed educational data mining – 20 h
- Il valore dei dati provenienti dalle LMS e dal ricorso alla didattica blended
- Come progettare la formazione online sincrona e asincrona
Educare al valore del dato – 8 h
- Data literacy e factchecking
- Uso delle fonti e archivi digitali: l’Ai generativa
Insegnamento delle discipline STEAM e dell’interdisciplinarietà – 16 h
- Coding e metodologie didattiche innovative
- Realtà aumentata, robotica educativa e gamification nell’apprendimento
Laboratorio con metodologia Lego o con uso di software per lo sviluppo di capacità logico-matematiche (la metodologia verrà scelta in funzione della modalità didattica in presenza o live webinar) – 16 h
CALENDARIO
| Giorno | DATE | ORARIO | Ore | Docente | |
giovedì lunedì | 07/11/2024 11/11/2024 | 17:30 17.30 | 21:30 21.30 | 4 4 | Mirco Capellini Alberto Monteverdi |
| venerdì | 15/11/2024 | 17.30 | 21.30 | 4 | Claudio Mallero |
| lunedì | 18/11/2024 | 17.30 | 21.30 | 4 | Alberto Monteverdi |
| giovedì | 21/11/2024 | 17.30 | 21.30 | 4 | Mirco Capellini |
| lunedì | 25/11/2024 | 17.30 | 21.30 | 4 | Alberto Monteverdi |
| martedì | 26/11/2024 | 17.30 | 21.30 | 4 | Cosimo Rota |
| venerdì | 29/11/2024 | 17.30 | 21.30 | 4 | Cosimo Rota |
| lunedì | 02/12/2024 | 17.30 | 21.30 | 4 | Claudio Mallero |
| martedì | 03/12/2024 | 17.30 | 21.30 | 4 | Cosimo Rota |
| venerdì | 06/12/2024 | 17.30 | 21.30 | 4 | Cosimo Rota |
- INTRODUZIONE AL MACHINE LEARNING
- Teoria degli algoritmi di Machine Learning (con apprendimento supervisionato, non supervisionato, con rinforzo, semi-supervisionato)
- Framework open source come Scikit Learn e relativi esempi di Dataset: caricamento dati e training, parametri del modello, …
- Processo di implementazione algoritmi di ML: definizione del problema, raccolta dei dati, data cleaning, costruzione del modello, cross validation, valutazione dei risultati
- Introduzione alle reti neurali e al layering di algoritmi di machine learning: reti neurali e deep learning concetti base, funzioni di costo
- Esempi applicati su framework Tensorflow
- PRESENTAZIONE DELLE PRINCIPALI APPLICAZIONI DEL DEEP LEARNING
- natural language processing
automatic speech recognition - Image recognition
- visual art processing
- customer relationship management
- natural language processing
