MINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ E DELLA RICERCA


Modulo Proposta Anagrafe dei dottorati - a.a. 2018/2019
codice = DOT1731345




1. Informazioni generali



Corso di Dottorato

Il corso è: Rinnovo 
Denominazione del corso a.a. 2017/2018 MODELING AND DATA SCIENCE 
Cambio Titolatura? NO 
Ciclo 34 
Data presunta di inizio del corso 01/11/2018 
Durata prevista 3 ANNI 
Dipartimento/Struttura scientifica proponente altra struttura scientifica 
se altra struttura scientifica ATENEO DI TORINO 
Dottorato in collaborazione con le imprese/dottorato industriale
(art. 11 del regolamento):
SI
[dato riportato in automatico dalla sezione "Tipo di Organizzazione"]
 
Dottorato in collaborazione con Università e/o enti di ricerca esteri
(art. 10 del regolamento):
NO
[dato riportato in automatico dalla sezione "Tipo di Organizzazione"]
 
Dottorato relativo alla partecipazione a bandi internazionali: NO 
se altra tipologia:
-
 
se SI, Descrizione tipo bando  
se SI, Esito valutazione  
Il corso fa parte di una Scuola? NO 
Presenza di eventuali curricula? NO 
Sito web dove sia visibile l'offerta formativa prevista ed erogata http://dottorato-mds.campusnet.unito.it/do/home.pl 


AMBITO: indicare i settori scientifico disciplinari coerenti con gli obiettivi formativi del corso

n. Settori scientifico disciplinari interessati (SSD) Indicare il peso percentuale di ciascun SSD nel progetto scientifico del corso Settori concorsuali interessati Macrosettore concorsuale interessato Aree CUN-VQR interessate
1. MAT/06    %  10,00  ANALISI MATEMATICA, PROBABILITÀ E STATISTICA MATEMATICA  01/A - MATEMATICA 
01 - Scienze matematiche e informatiche
 
2. MAT/08    %  5,00  ANALISI NUMERICA  01/A - MATEMATICA 
01 - Scienze matematiche e informatiche
 
3. INF/01    %  30,00  INFORMATICA  01/B - INFORMATICA 
01 - Scienze matematiche e informatiche
 
4. SECS-S/01    %  30,00  STATISTICA  13/D - STATISTICA E METODI MATEMATICI PER LE DECISIONI 
13 - Scienze economiche e statistiche
 
5. FIS/01    %  5,00  FISICA SPERIMENTALE DELLE INTERAZIONI FONDAMENTALI  02/A - FISICA DELLE INTERAZIONI FONDAMENTALI 
02 - Scienze fisiche
 
6. MED/42    %  5,00  IGIENE GENERALE E APPLICATA, SCIENZE INFERMIERISTICHE E STATISTICA MEDICA  06/M - SANITA’ PUBBLICA 
06 - Scienze mediche
 
7. M-PSI/01    %  5,00  PSICOLOGIA GENERALE, PSICOBIOLOGIA E PSICOMETRIA  11/E - PSICOLOGIA 
11b - Scienze psicologiche
 
8. M-FIL/06    %  5,00  STORIA DELLA FILOSOFIA  11/C - FILOSOFIA 
11a - Scienze storiche, filosofiche e pedagogiche
 
9. IUS/16    %  5,00  DIRITTO PROCESSUALE PENALE  12/G - DIRITTO PENALE E PROCESSUALE PENALE 
12 - Scienze giuridiche
 
  TOTALE    %  100,00          


Descrizione e obiettivi del corso

Il programma coglie le opportunità che lo studio dei Big Data offre per sviluppare metodi, analisi e modelli interpretativi dei fenomeni.
Il corso fornirà competenze trasversali tra informatica, statistica, matematica da applicare a diversi contesti in un’ottica interdisciplinare, per elaborare metodi e modelli di interpretazione dei dati in risposta alle problematiche della scienza e della società contemporanea.
Il corso è rivolto anche a dipendenti di partner: aziende, enti, centri di ricerca; innalzando la capacità di promuovere “big data innovation and research” (PQ europei) nel sistema economico e sociale locale e nazionale.
Le ricerche saranno scelte e svolte in raccordo con i partner alla luce delle problematiche più rilevanti per le aziende e per gli enti coinvolti.
Il corso prevede un allineamento di conoscenze e competenze su temi quali machine learning, data mining, reti complesse, serie storiche, statistica bayesiana, network analysis, grafi casuali, seguito dall’offerta di corsi specialistici.
Seminari di approfondimento considereranno tecniche e metodi per sviluppare modelli predittivi, raccordati con le implicazioni legali, etiche, epistemologiche relative alla Data Science.
La presenza nel Collegio docenti di esperti di domini plurali (giuridico, economico, medico, digital cultural heritage) consente di inquadrare le ricerche in un’ottica interdisciplinare per favorire l’emergere di pattern interpretativi in grado di affrontare le esigenze dei partner.


Sbocchi occupazionali e professionali previsti

Il programma si configura come dottorato industriale e mira a formare professionisti esperti in grado di inserirsi, ad alto livello, presso imprese, enti pubblici o privati, enti di ricerca e dove sia opportuno e necessario lo studio di dati per l’interpretazione e la gestione di problematiche complesse nei contesti imprenditoriali e gestionali.
L’azione del dottore di ricerca potrà diversificarsi, con specializzazione negli aspetti legati alle diverse problematiche garantendo una capacità di modellizzazione e di elaborazione di pattern interpretativi a partire da grandi moli di dati.
Il dottore di ricerca sarà in grado di favorire processi di elaborazione delle informazioni per supportare la presa di decisioni motivate in base ai dati, innalzando il livello tecnico ed essendo in grado di anticipare le evoluzioni dei mercati, di individuare nuove opportunità di business, suggerendo miglioramenti e proponendo modelli predittivi.
La nuova figura professionale costituirà figura di raccordo tra università e aziende, banche, assicurazioni, sistemi dei beni culturali, sanità pubblica e privata, enti locali per portare ai partner il più alto livello di comprensione e analisi dei dati e di elaborazione di risposte ai problemi emergenti.
La preparazione del dottore di ricerca potrà essere orientata all’ambito accademico, seguendo le migliori pratiche internazionali, in cui esperti ad alto livello alternano attività lavorativa in azienda e attività di ricerca in ambito accademico.


Sede amministrativa

Ateneo Proponente: Università degli Studi di TORINO 
N° di borse finanziate 2 


Tipo di organizzazione

2b) Convenzione
 
con
(indicare i soggetti partecipanti al consorzio/convenzione):
 

Università italiane

Università straniere

enti di ricerca pubblici o privati di alta qualificazione, anche di Paesi diversi

imprese che svolgono attività di ricerca e sviluppo
 
se in convenzione:   1) data di sottoscrizione: 01/03/2018  numero di cicli di dottorato:1 
(eventuale)      


Altri Enti consorziati/convenzionati

n. Denominazione del soggetto Tipologia del soggetto Pubblico/Privato Consorziato/ Convenzionato Paese Sede di attività formative N° di borse finanziate
1. GENERAL MOTORS GLOBAL PROPULSION SYSTEMS - TORINO SRL  impresa che svolge attività di ricerca e sviluppo  PRIVATO  Convenzionato  Italia  NO  1 
2. EVO EUROPE LIMITED  impresa che svolge attività di ricerca e sviluppo  PRIVATO  Convenzionato  Regno Unito  NO  1 



Informazioni aggiuntive relative ai soli dottorati industriali (art. 11 del DM n. 45/2013)
Informazioni sulla impresa


Impresa: 1 GENERAL MOTORS GLOBAL PROPULSION SYSTEMS - TORINO SRL
Nome dell'istituzione GENERAL MOTORS GLOBAL PROPULSION SYSTEMS - TORINO SRL 
Partecipazione con esito positivo a progetti di ricerca nazionali e internazionali Nome progetto:
DEIS Dependability Engineering Innovation for CPS (Cyber Physical Systems) H2020
 
Anno:
2017
 
Descrizione:
(max 500 caratteri)
Ensure CPS (cyber physical system) dependability - CPS are complex systems used for specific cases like physiological monitoring in vehicle, health home devices and other 4 use cases will be evaluated in the project.
 
Risultati ottenuti in termini di brevetti depositati negli ultimi 5 anni (2013-2018) Nome brevetto:
(max 500 caratteri)
Nome brevetto: Internal combustion engine with internal exhaust gas ricirculation flow control with variable exhaust rebreathing

(ROI: 912
Domande di Brevetto: 1018)
 
Anno:
2018
 
Titolo:
(max 250 caratteri)
An internal combustion engine includes a variable valve train system for improving the range of controllability of the internal EGR technique adjusts the internal EGR lift in a more favorable window and position compared EGR typically utilized.
 
Presenza di sezioni aziendali dedicate alla R&S Denominazione Sezione:
Advanced Engineering Diesel and Electronic Controls. 40 people strong, it is the dedicated organizat
 
Esperienze nell’ultimo quinquennio di collaborazione in attività di ricerca tra il soggetto proponente e l’impresa e valore aggiunto atteso per il corso di dottorato (informazione facoltativa)  


Impresa: 2 EVO EUROPE LIMITED
Nome dell'istituzione EVO EUROPE LIMITED 
Partecipazione con esito positivo a progetti di ricerca nazionali e internazionali Nome progetto:
ND
 
Anno:
2015
 
Descrizione:
(max 500 caratteri)
ND
 
Risultati ottenuti in termini di brevetti depositati negli ultimi 5 anni (2013-2018) Nome brevetto:
(max 500 caratteri)
Nome/tipologia brevetto USA_"United States Patent and Trademark Office Application";
Application type_"Utility under 35 USC 111(a)"
Application n. 15689007_Filing date 29/08/2017_GRP Art unit 3627;
 
Anno:
2017
 
Titolo:
(max 250 caratteri)
"Method and system for retail stock allocation"
 
Presenza di sezioni aziendali dedicate alla R&S Denominazione Sezione:
Esistono tre sezioni nell'azienda: research, product e client.
 
Esperienze nell’ultimo quinquennio di collaborazione in attività di ricerca tra il soggetto proponente e l’impresa e valore aggiunto atteso per il corso di dottorato (informazione facoltativa) (max 1.000 caratteri)
Da oltre due anni esiste un gruppo di ricerca congiunto tra dipendenti dell'impresa e docenti del Dipartimento di Matematica dell'Università di Torino. La ricerca mira allo sviluppo di modelli probabilistici e statisti utili per la previsione di vendite nell'ambito del "Fashion retail", con particolare attenzione alla valorizzazione della merce in occasione dei saldi o alla previsione vendite in presenza di mancate vendita a causa dell'esaurimento scorte.
 


Note



2. Collegio dei docenti



Coordinatore

Cognome Nome Ateneo Proponente: Dipartimento/ Struttura Qualifica Settore concorsuale Area CUN-VQR
SACERDOTE  Laura Lea  TORINO  Matematica Giuseppe Peano  Professore Ordinario  01/A3  01 



Curriculum del coordinatore


1. Curriculum del coordinatore

Informazioni personali

Nata a Torino il 3 aprile 1955.
Coniugata con due figli
Dipartimento di Matematica “Giuseppe Peano”, Università di Torino,
Via Carlo Alberto 10, 10123 Torino, Italy
Tel.: +39 011 6702919;
Fax: +39 011 6702878
E-mail: laura.sacerdote@unito.it

Titoli di studio
1973 Maturità scientifica (60/60)
1977 Laurea in Fisica, con lode, Università di Torino

Esperienze di lavoro

1978 – 1981 Borsista universitario presso l’Università di Salerno.
1981 – 1984 Ricercatore a tempo indeterminato di Analisi Numerica e Informatica, Università di Salerno
1985 – 1986 Ricercatore a tempo indeterminato, Università di Torino
1987 Vincitore concorso nazionale per un posto di professore associato in Cibernetica (INF/01)
1987 Vincitore di un concorso nazionale per un posto di professore associato in Calcolo delle Probabilità e Statistica (MAT/06)
1987 – 1990 Professore associato di Calcolo delle Probabilità e Statistica (MAT/06), Università di Salerno
1991 –1999 Professore associato di Calcolo delle Probabilità e Statistica (MAT/06), Dipartimento di Matematica, Università di Torino
1998-1999 Professore visitatore presso il Department of Statistics della North Carolina State University (USA)
2000 - Professore ordinario di Calcolo delle Probabilità e Statistica (MAT/06), Dipartimento di Matematica, Università di Torino
2000- Responsabile del gruppo di Calcolo delle Probabilità e Statistica, Università di Torino (4 ricercatori, 1 professore associato, 2 studenti di dottorato, 1 post-doc)

INDICATORI BIBLIOMETRICI (al 26 febbraio, 2018)

 SCOPUS
NUMERO DI ARTICOLI: 66
NUMERO DI CITAZIONI: 808
H-INDEX: 16

 GOOGLE SCHOLAR
NUMERO DI CITAZIONI: 1543
H-INDEX: 21

WOS (from 1985)
NUMERO DI CITAZIONI: 373
H-INDEX: 14


Tesi di dottorato seguite:
1. Francesca Tomassetti , Università di Napoli, 1994
2. Maria Teresa Giraudo, Università di Milano, 1999
3. Cristina Zucca, Università di Milano, 2002
4. Roberta Sirovich, (with A.E.P. Villa), Università di Torino e di Università di Grenoble, 2006
5. Alessandro Sicco, Università di Torino , 2008
6. Donata Bonino, Università di Torino, 2009
7. Elisa Benedetto, Università di Torino, 2014
8. Anan Halabi, Università di Torino, 2017
9. Ottavia Telve, Università e Politecnico di Torino, (in progress)


Sono stata membro del collegio docenti del programma di Dottorato in Statistics, Numerical Analysis and Computer Science dell’Università di Milano (Torino sede consorziata). In seguito sono stata membro prima del collegio del programma di dottorato in matematica dell’Università di Torino e poi di quello del programma in Matematica Pura e Applicata dell’Università e del Politecnico di Torino. Coordino il programma di dottorato in Modeling and Data Science dell'università di Torino.

Tesi di laurea Magistrale

Negli anni ho seguito decine di tesi laurea magistrale. Numerosi tra i miei laureati sono stati ammessi in prestigiosi programmi di dottorato all’estero e sono ora post-doc o ricercatori presso università straniere (Linz, Leeds, Politecnico di Zurigo, Oxford, Bath, …) o lavorano presso banche, assicurazioni, aziende in Italia (alcuni tra i più lontani, con posizioni di rilievo in azienda).

Tesi di laurea Triennale

Seguo regolarmente tesi di laurea triennale e in alcuni casi la tesi triennale è stata propedeutica a quella magistrale e poi a studi di dottorato (in genere all’estero).

Responsabilità scientifiche e amministrative

1999 - Promotore dello sviluppo e della crescita del gruppo di Probabilità e Statistica dell’Università di Torino. Al mio arrivo al Dipartimento di Matematica ero l’unica del settore e l’offerta didattica della Facoltà di Scienze non comprendeva quasi insegnamenti in tali settori. Attualmente il gruppo è composto da 4 ricercatori a tempo indeterminato (di cui due abilitati alla posizione di professore associato), un professore associato, due dottorandi e una post-doc. Attualmente gli insegnamenti nel settore sono 14, in genere con corsi frequentati da almeno 50 studenti ciascuno.
2000-2006 Vice-direttore del Dipartimento di Matematica “ G. Peano” dell’Università di Torino.
2006 -2009 Presidente del consiglio dei corsi di laurea in Matematica dell’Università di Torino (una triennale e una magistrale)
2006 -2010 Presidente del consiglio del corso di laurea Magistrale in Matematica dell’Università di Torino
2012-2015 Presidente del consiglio dei corsi di laurea in Matematica dell’Università di Torino (2 triennali e una magistrale)
2009-2015 Responsabile della qualità dei corsi di laurea in Matematica. Nel 2015 il corso di laurea triennale in matematica è stato soggetto alla visita per l’accreditamento venendo giudicato positivamente dagli accreditatori.
2015- Propone e cura l’attivazione del corso di laurea Magistrale in Stochastics and Data Science, progetto interdisciplinare cui partecipano tre dipartimenti (matematica, informatica e di Scienze economico sociali e matematico.statistiche). La laurea rilasciata è in classse matematica e gli insegnamenti sono erogati in inglese.
2015- Presidente del corso di laurea magistrale in Stochastics and Data Science
2017- Coordinatore del Programma di Dottorato Industriale in Modeling and Data Science


Organizzazione convegni

- Comitato scientifico e organizzatore della quinta e della nona edizione del convegno internazionale Neuronal Coding svoltisi ad Aulla (MS) nel 2003 e a Lymassol (Cipro), nel 2010, rispettivamente.
- Ho organizzato la scuola internazionale ''Does noise simplify or complicate the dynamics of non linear systems?'' (Torino, 13-17 aprile, 2004) e ho presieduto il convegno ''Noise and biological Systems'' (Torino 19-21 aprile, 2004) .
- Ho organizzato il minisymposium “Stochastic Models in Computational Neuroscience” European Conference on Mathematical and Theoretical Biology, Cracow, June 2011
- Ho organizzato il convegno internazionale Biocomp 2005 e l’edizione Biocomp 2012, dedicata alla memoria del Prof. Luigi M. Ricciardi, a Vietri sul Mare nel giugno 2012.
- Ho organizzato due edizioni del convegno the "Torino-Juelich Workshop on Computational Neuroscience" (2013 e 2015)
- Dal 2011 organizzo annualmente il convegno Welcome Home, un convegno che si svolge alla vigilia delle vacanze natalizie e che coinvolge ex-studenti della laurea in matematica che ora sono dottorandi o dottori di ricerca presso università all’estero. Il programma di conferenze coinvolge gli attuali studenti delle lauree magistrali.
- Ho organizzato una giornata su Metodi e Modelli predittivi per il fashion retail insieme alla ditta Evopricing;
- Ho organizzato il “First Italian Meeting on Probability and Mathematical Statistics” che si è svolto a Torino dal 19 al 22 giugno, che ha raccolto oltre 200 partecipanti.
- Nel settembre 2018 presiederò il XIII Workshop on Neural Coding che si svolgera' a Torino dal 9 al 14 settembre.


Significative Visite per attività di ricerca:
- Dept. of Statistics, North Carolina State University at Raleigh, NC-US, 1 anno (1999-2000);
- R, Dal 2006 ho trascorso periodi di ricerca all'Academy of Sciences Prague, con periodi di diversa durata
- Laboratoire de Probabilités et Modèles Aléatoires, Paris VI, 1 mese (2008),
- SAMSI e Università di Durham e di Chapel Hill (NC-US), 1 mese (2010),
- AIM a Palo Alto 1 settimana (Febbraio 2012),
- Nonlinear Dynamics group at Kyoto University, 1 settimana (Ottobre 2012),
- Plymouth University 1 settimana (Febbraio 2015),
- Academy of Sciences, Prague, 10 giorni (Maggio 2015)
- University of British Columbia and Banff Center, due settimane (Febbraio 2017)

Finanziamenti (recenti)

Su base competitiva:
- “AMALFI: Advanced Methods for the Analysis of Future Internet” Progetto finanziato dalla Compagnia San Paolo (2012-2015)
- PRIN 2008-2012: “Stochastic Methods for the information transmission in neural simulated or observed neural networks”. Coordinatore locale
- “Does noise simplify or complicate the dynamics of nonlinear systems?”, 2004, INDAM (Italian Institute for High Mathematics)
- "Start up della Laurea Magistrale in Stochastics and Data Science" (2015) Fondazione CRT
- "Consolidamento dell’Internazionalizzazione della Laurea Magistrale in Stochastics and Data Science in un panorama di eccellenza" (2017) Fondazione CRT

Altri progetti finanziati:
- “Mathematical methods to analyze the information content of interspike time series in small simulated or observed neural networks.”, 2005-2007 project funded by Italian Ministry for Research (MIUR);
- “Numerical, analytical and simulation methods to recognize the phenomena that causes the reliability in the neuronal signal transmission.”, 2003-2005 project funded Italian Ministry for Research (MIUR)
- “Coupling of stochastic phenomena with copulae”, 2007 project funded by Torino University

Altri finanziamenti (da privati)

- Percorso di ricerca congiunto Università-Intesa San Paolo: “Big Data e Internet delle cose” (2016)
- Progetto di ricerca nell’ambito della collaborazione con la Start Up Evopricing (2015 e 2018)
- Finanziamento delle ricerche da parte della società Proxima Centauri
Alcune conferenze su invito:

• “A sharp bound on the expected number of upcrossings of an L2-bounded martingale” Napoli, 27 Aprile 2017
• “On a class of Time-fractional Continuous-state Branching Processes” Salerno, 28 aprile 2017
• “Integrate and Fire like models with stable distributions for the Interspike Intervals” Banff (Canada) 28 febbraio 2017
• “The Gamma renewal process as an output of the diffusion leaky integrate and fire neuronal model Forshungs Zentrum Institute of Computational Neuroscience and Medicine Aprile 2016
• “Copulas: a powerful tool to investigate dependencies between random variables” February 18, 2015 Dept of Plymouth University (Royal Mathematical Society seminars)
• “ First passage times of stochastic processes through boundaries and their applications” February 15, 2015; School of Computing, Electronics and Mathematics, of Plymouth University
• “On firing rate estimation for dependent interspike intervals” Copenhagen July 2, 2014 (Mathematical modelling and Statistical Analysis in Neuroscience Workshop)
• “A new estimator for Mutual Information” Salerno University April 2, 2014
• Invited talk “On Mutual Information estimation” Prague July 3, 2014 (Beyond Shannon workshop)
• “Super Brownian Motion as a Model for Information Dissemination between Mobile Devices” Planet Earth Conference- INDAM, May 27-29, 2013
• “Super Brownian Motion as a Model for Information Dissemination between Mobile Devices” Copenhagen January, 31 2013
• “First passage times of stochastic processes through boundaries and their applications” and “A Copulas Approach to the Analysis of dependences between Interspikes Intervals” Kyoto October-November 2012
• “Stochastic Dynamics: Molecular Motors, Neuron Models and Epidemics on Networks” SAMSI, (NC-US), April 15-17, 2010
• Talk at “Emerging topics in dynamical Systems and Partial Differential Equations” SIAM Meeting, Barcellona May 31-June 4, 2010
• “Stochastic Models in Computational Neuroscience”, CIRM, Marseille, January 18-22, 2010
.
Temi di ricerca

Tematiche attuali e passate delle mie ricerche comprendono:

• Equazioni differenziali stocastiche in presenza di barriere, tecniche di soluzione e di simulazione;
• Approssimazioni diffusive di processi markoviani (eventualmente multivariati) e relativi tempi di primo passaggio
• Trasformazioni spazio temporali e/o di misura tra processi;
• Metodi statistici per il riconoscimento di dipendenze tra processi di punto;
• Copule e loro utilizzo nella modellistica di reti;
• Problemi di primo passaggio diretto e inverso;
• Stima dei parametri di processi di diffusione limitati da barriere;
• Limiti a tempo continuo di processi di diramazione;
• Modelli stocastici per la dinamica di neuroni singoli o di reti neuronali;
• Modelli matematici dell’errore di orologi atomici
• Misure di informazione e relative stime;
• Modelli per reti internet e relativo comportamento per grandi tempi;
• Limiti continui di modelli di reti, con applicazione a reti sociali
• Reti Bayesiane per modelli di rischio in ambito industriale


Attività di reviewer per riviste scientifiche

Mathematical Review, Physica D, Journal of applied probability; Biosystems; Biological Cybernetics, Physica A; Advances in Applied probability; Methodology and Computing in Applied Probability; Mathematical Biosciences; Mathematical Biosciences for Engineering; Neural Computation; Journal of Computational Applied Mathematics

Co-autori

P. Lansky (academy of Sciences, Prague), Cindy Greenwood (University of British Columbia), Isaac Meilijson (University of Tel Aviv), David Gilat (University of Tel Aviv), R. Kenett (Technion, Israel), C.E. Smith (North Carolina State University), A. E. P. Villa (Université de Lausanne), M. Jacobsen (Copenhagen University), S. Sato (Osaka University), P. Rodriguez (INRIA, Marseille), M. Tamborrino (Linz University), E. Torre (ETH, Zurich), I. Meilijson (Tel Aviv University), D. Gilat (Tel Aviv University), L.M. Ricciardi (Università di Napoli), N. Buonocore (Università di Napoli); A.G. Nobile (Università di Salerno), V. Giorno (Università di Salerno), M.T. Giraudo (Università di Torino), C. Zucca (Università di Torino), A. Pachon Pinzon (Università di Torino), S. Yang (Università di Torino), E. Benedetto (Università di Torino), F. Polito (Università di Torino), L. Favella (Università di Torino), N. Balossino (Università di Torino), M.T. Reineri (Università di Torino), D. Bonino (Istituto Astronomico, Torino), M. Sereno (Università di Torino), O.Telve (Università di Torino), R. Sirovich (Università di Torino), A. Halabi (Università di Torino), R. Mininni (Università di Bari), M. Gai (OATo, Torino), M. Garetto (Università di Torino), G. Cerbone (Università di Salerno), E. Bibbona (Politecnico di Torino), L. Andreis (University of Berlin).


2. Esperienza di coordinamento centrale o di unità di gruppi di ricerca e/o di progetti nazionali o internazionali competitivi negli ultimi 10 anni


Progetto di ricerca nazionale (es. PRIN, FIRB, Fondazioni ecc.)
 
se valorizzato:   Coordinatore locale 

Progetto di ricerca internazionale (es. FP7, ERC, NIH, ecc.)
 
se valorizzato:    

3. Partecipazione a comitati di direzione o di redazione di riviste A/ISI/Scopus

3a. Direzione di riviste, collane editoriali, enciclopedie nell'ultimo decennio

Responsabilità Titolo editoriale Anno inizio Anno fine


3b. Partecipazione a comitati di redazione

n. Responsabilità Titolo editoriale Anno inizio Anno fine



Membri del collegio (Personale Docente e Ricercatori delle Università Italiane)

n. Cognome Nome Ateneo Dipartimento/ Struttura Ruolo Qualifica Settore concorsuale Area CUN-VQR SSD Stato conferma adesione
1. SACERDOTE   Laura Lea   TORINO  Matematica Giuseppe Peano  Coordinatore  Professore Ordinario  01/A3   01   MAT/06   ha aderito 
2. DI NARDO   Elvira   TORINO  Matematica Giuseppe Peano  Componente del gruppo dei 16  Professore Associato (L. 240/10)  01/A3   01   MAT/06   ha aderito 
3. SEMPLICE   Matteo   TORINO  Matematica Giuseppe Peano  Componente del gruppo dei 16  Ricercatore confermato  01/A5   01   MAT/08   ha aderito 
4. PENSA   Ruggero Gaetano   TORINO  Informatica  Componente del gruppo dei 16  Ricercatore confermato  01/B1   01   INF/01   ha aderito 
5. MAGGIORA   Marco   TORINO  Fisica  Componente del gruppo dei 16  Professore Associato confermato  02/A1   02   FIS/01   ha aderito 
6. RUGGIERO   Matteo   TORINO  Scienze economico-sociali e matematico-statistiche  Componente del gruppo dei 16  Professore Associato (L. 240/10)  13/D1   13   SECS-S/01   ha aderito 
7. DE BLASI   Pierpaolo   TORINO  Scienze economico-sociali e matematico-statistiche  Componente del gruppo dei 16  Professore Associato (L. 240/10)  13/D1   13   SECS-S/01   ha aderito 
8. FAVARO   Stefano   TORINO  Scienze economico-sociali e matematico-statistiche  Componente del gruppo dei 16  Professore Associato (L. 240/10)  13/D1   13   SECS-S/01   ha aderito 
9. PASINI   Enrico   TORINO  Filosofia e scienze dell'educazione  Altro Componente  Professore Associato confermato  11/C5   11a   M-FIL/06   ha aderito 
10. COSTA   Giuseppe   TORINO  Scienze cliniche e biologiche  Altro Componente  Professore Ordinario  06/M1   06   MED/42   ha aderito 
11. BRISCHETTO COSTA   Tommaso Carlo   TORINO  Psicologia  Altro Componente  Ricercatore confermato  11/E1   11b   M-PSI/01   ha aderito 
12. SAPINO   Maria Luisa   TORINO  Informatica  Componente del gruppo dei 16  Professore Ordinario  01/B1   01   INF/01   ha aderito 
13. ARGIENTO   Raffaele   TORINO  Scienze economico-sociali e matematico-statistiche  Componente del gruppo dei 16  Ricercatore a t.d. (art. 24 c.3-b L. 240/10)  13/D1   13   SECS-S/01   ha aderito 
14. ANSELMA   Luca   TORINO  Informatica  Componente del gruppo dei 16  Ricercatore confermato  01/B1   01   INF/01   ha aderito 
15. ALDINUCCI   Marco   TORINO  Informatica  Componente del gruppo dei 16  Professore Associato (L. 240/10)  01/B1   01   INF/01   ha aderito 


Membri del collegio (Personale non accademico dipendente di altri Enti e Personale docente di Università Straniere)

n. Cognome Nome Ruolo Tipo di ente: Ateneo/Ente di appartenenza Paese Dipartimento/ Struttura Qualifica Codice fiscale SSD Attribuito Area CUN-VQR attribuita N. di Pubblicazioni (*)
1. CANDAN  Kasim Selcuk  Comp. gruppo dei 16  Università straniera  ARIZONA STATE UNIVERSITY  Stati Uniti d'America  School of Computing, Informatics, and Decision Systems Engineering  Professore di Univ.Straniera    INF/01  01  35 
2. DE KOKER  LOUIS  Altro Componente  Università straniera  LA TROBE UNIVERSITY  Australia  la Trobe Law School  Professore di Univ.Straniera    IUS/16  12  37 
3. MEILIJSON  Isaac  Comp. gruppo dei 16  Università straniera  TEL AVIV UNIVERSITY  Israele  Department of Statistics and Operations Research  Professore di Univ.Straniera    SECS-S/01  13  10 
4. RINOTT  Joseph  Comp. gruppo dei 16  Università straniera  HEBREW UNIVERSITY OF JERUSALEM  Israele  Department of Statistics  Professore di Univ.Straniera    SECS-S/01  13  11 
5. VANNESCHI  Leonardo  Comp. gruppo dei 16  Università straniera  UNIVERSIDADE NOVA DE LISBOA  Portogallo  NOVA Information Management School  Professore di Univ.Straniera    INF/01  01  55 


(*) se è di un settore bibliometrico, inserire il numero di prodotti pubblicati negli ultimi cinque anni (dal 2013 ad ora) su riviste scientifiche contenute nelle banche dati internazionali “Scopus” e “Web of Science”
(*) se è di un settore non bibliometrico, inserire il numero di prodotti pubblicati negli ultimi dieci anni (dal 2008 ad ora) in riviste di classe A




Principali Atenei e centri di ricerca internazionali con i quali il collegio mantiene collaborazioni di ricerca (max 5) con esclusione di quelli di cui alla sezione 1

n. Denominazione Paese Tipologia di collaborazione
1. FORSHUNGSZENTRUM JUELICH-COMPUTATIONAL AND SYSTEMS NEUROSCIENCE (INM-6) & THEORETICAL NEUROSCIENCE (IAS-6)  Germania  (max 500 caratteri)
Il centro studia i dati provenienti da registrazioni dell'attività cerebrale (in genere di macachi) Dispongono di grandi moli di dati, relativi a registrazioni simultanee da gruppi di neuroni. Scopo dello studio è cercare di ricostruire la rete neuronale sottostante, basandosi sui dati osservati. La collaborazione è ufficializzata con un accordo tra il nostro ateneo e il centro di ricerca tedesco (uno dei centri di eccellenza europei per questo tipo di studi)
 
2. ARM LIMITED LTD, CAMBRIDGE  Regno Unito  (max 500 caratteri)
ARM Limited Ltd e' leader mondiale nel design di semiconduttori per mobile, embedded e IoT. Prof. Marco Aldinucci del Dipartimento di Informatica ha recentemente stabilito una stretta collaborazione nel ambito del High Performance Computing e Programming Models per sistemi multi-cores e many-cores. Tale collaborazione si estenderà anche nel ambito IoT e coinvolgerà anche altri centri del ateneo torinese, incluso il recente dottorato in Modeling and Data Science.
 
3. IRSTEA MONTPELLIER  Francia  (max 500 caratteri)
La collaborazione ha per oggetto lo studio di metodi di apprendimento (semi-)supervisionati (quali: reti neurali profonde, algoritmi per il rilevamento delle anomalie) per l'analisi di grandi moli di dati eterogenei.
In particolare, i principali obiettivi della collaborazione sono la classificazione di serie di immagini satellitari per il riconoscimento di particolari fenomeni ambientali e la predizione dell’occupazione del suolo attraverso dati di telerilevamento
 
4. DEPARTMENT OF STATSITCS, OXFORD UNIVERSITY  Regno Unito  (max 500 caratteri)
La collaborazione, che sussiste dal 2012, riguarda un’attività di ricerca su aspetti teorici, metodologici e computazionali della statistica Bayesiana nonparametrica. Tale attività si concentra su problematiche che emergono nell’ambito dell’informatica, delle scienze biologiche, della linguistica e della teoria dell’informazione. A consolidamento di tale collaborazione Stefano Favaro è recentemente diventato “Associate Member” di tale dipartimento.
 
5. ERASMUS UNIVERSITY, ROTTERDAM - DEPARTMENT OF PUBLIC HEALTH  Paesi Bassi  (max 500 caratteri)
The Turin University since the last two decades collaborates to creating, updating and analysing a multicenter collaborative network of the main European longitudinal studies on social determinants of health. This research infrastructure is a main asset for the most relevant European projects aiming to assess the causes of health inequalities and the health equity impact of the main policies and interventions.
 


Descrizione della situazione occupazionale dei dottori di ricerca che hanno acquisito il titolo negli ultimi tre anni

(max 1.500 caratteri)
Si tratta di un nuovo programma industriale, su una tematica nuova per l’Italia, non sono quindi disponibili dati sul passato. E’ determinato da un forte interesse delle aziende per innalzare il livello delle competenze dei loro dipendenti, anche a causa della carenza di esperti già formati. Analoga esigenza esiste a livello accademico, quanti lavorano sul tema sono autodidatti; sono studiosi originariamente impegnati sulle tematiche che hanno determinato lo sviluppo del Data Science e delle attività di modellizzazione.
I data scientists sono richiesti da industrie, enti pubblici o privati, banche e primeggiano in molte classifiche:
- CareerCast [1] indica il Data Scientist e gli Statistici come le prime due professioni nel 2016;
- McKinsey [2] definisce i Big data come la prossima frontier per innovazione, competizione produttività;
- LinkedIn [3] classifica l’analisi statistica a il data mining come le abilità più richieste nel 2014;
- Il New York Times [4] sostiene che la statistica Bayesiana Bayesian sta pervadendo tutto dalla fisica alla ricerca sul cancro, dall’ecologia alla psicologia.
Anche i giornali italiani segnalano la necessità di immettere sul mercato del lavoro esperti in Data Science e nella formulazione di modelli. Per il Sole 24 [5] ore i Data Scientist e gli statistici stanno osservando una rapida crescita delle offerte di lavoro. La Stampa [6] pubblica che in Italia mancano competenze e capacità per i Big Data


Note

(MAX 1.000 caratteri):
[1 http://www.careercast.com/jobs-rated/best-jobs-2016
[2] http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation
[3] https://www.slideshare.net/linkedin/the-25-hottest-skills-of-2014-on-linkedin
[4] https://www.nytimes.com/2014/09/30/science/the-odds-continually-updated.html?&_r=1
[5] http://www.ilsole24ore.com/art/notizie/2015-09-07/data-science-e-statistica-discipline-sexy-danno-lavoro-9-laureati-10-210933.shtml?uuid=ACebmdt

3. Eventuali curricula
Curriculum dottorali afferenti al Corso di dottorato
La sezione è compilabile solo se nel punto "Corso di Dottorato" si è risposto in maniera affermativa alla domanda "Presenza di eventuali curricula?"


Note


4. Struttura formativa

Attività didattica disciplinare e interdisciplinare

Insegnamenti ad hoc previsti nell'iter formativo Tot CFU: 40  n.ro insegnamenti: 4  di cui è prevista verifica finale: 2 
Insegnamenti mutuati da corsi di laurea magistrale SI  n.ro: 4  di cui è prevista verifica finale: 4 
Insegnamenti mutuati da corsi di laurea (primo livello) SI  n.ro: 1  di cui è prevista verifica finale: 1 
Cicli seminariali SI 
Soggiorni di ricerca SI  ITALIA- al di fuori delle istituzioni coinvolte
ESTERO - al di fuori delle istituzioni coinvolte
 
Periodo medio previsto (in mesi per studente): 6 


Descrizione delle attività di formazione di cui all’art. 4, comma 1, lett. f)

Tipologia  Descrizione sintetica (max 500 caratteri per ogni descrizione)
Linguistica Studio di articoli nel campo di ricerca, pubblicati in lingua straniera, principalmente inglese. Frequenza ai seminari di esperti internazionali e interazione con loro. Visite a istituzioni estere per collaborazioni. Accertamento del grado di conoscenza della lingua inglese (livello B2) da parte del Centro Linguistico di Ateneo CLA per tutti i dottorandi iscritti
al primo anno di corso. Corsi di lingua (anche italiana) appositamente offerti per i dottorandi dall'università.
 
Informatica L'informatica è parte integrante della formazione del data scientist. Lo studente potrà approfittare dell'esistenza di corsi attivi presso i diversi corsi di laurea per migliorare le sue competenze informatiche di base, se necessario prima di affrontare le tematiche avanzate della gestione dati, della relativa analisi e della simulazione. 
Gestione della ricerca, della conoscenza dei sistemi di ricerca e dei sistemi di finanziamento L'Ateneo organizza seminari e brevi corsi. Prevede interventi su temi specifici (come: I bandi europei per la mobilità dei giovani ricercatori; Il curriculum vitae di un ricercatore: dalla teoria alla pratica; Dall’idea al progetto: come scrivere una proposta di successo in risposta ad un bando di ricerca internazionale; Fare rete per poter partecipare alle possibilità di finanziamento internazionali; Il management di un progetto: dall’impostazione del budget alle regole di ge... 
Valorizzazione dei risultati della ricerca e della proprietà intellettuale I dottorandi mireranno primariamente a pubblicare su riviste internazionali referate e/o a brevettare possibili algoritmi sviluppati nell'ambito delle loro attività. Potranno partecipare alle azioni dell'ateneo sul fare impresa e sulla protezione della proprietà intellettuale, intese a fornire la cultura brevettuale e
di tutela del trasferimento tecnologico dei risultati della ricerca (brevetti e valorizzazione del patrimonio
brevettuale dei docenti/ricercatori universitari; creazione societ...
 


Note


5. Posti, borse e budget per la ricerca

Posti, borse e budget per la ricerca

Descrizione Ciclo 34° Anagrafe dottorandi (33°) Ciclo 33°
A - Posti banditi
(messi a concorso)
 
1. Posti banditi con borsa   N. 2  2  2  
2. Posti coperti da assegni di ricerca     0   
3. Posti coperti da contratti di apprendistato     0   
Sub totale posti finanziati (A1+A2+A3)   N. 2  N. 2  N. 2 
4. Eventuali posti senza borsa     1   
B - Posti con borsa riservati a laureati in università estere     0   
C - Posti riservati a borsisti di Stati esteri     0   
D - Posti riservati a borsisti in specifici programmi di mobilità internazionale     0   
E - Posti riservati a dipendenti di imprese impegnati in attività di elevata qualificazione (dottorato industriale) o a dipendenti di istituti e centri di ricerca pubblici impegnati in attività di elevata qualificazione (con mantenimento di stipendio)   N. 2  5  4  
F - Posti senza borsa riservati a laureati in Università estere     0   
TOTALE = A + B + C + D + E + F   N. 4  N. 8  N. 6 
DI CUI CON BORSA = TOTALE – A4 - F   N. 4  N. 7  N. 6 
Importo della borsa
(importo annuale al lordo degli oneri previdenziali a carico del percipiente)
 
Euro: 15.343,28     
Budget pro-capite annuo per attività di ricerca in Italia e all’Estero
(a partire dal secondo anno, in termini % rispetto al valore annuale della borsa al lordo degli oneri previdenziali a carico del percipiente)
 
(min 10% importo borsa): 10,00     
Importo aggiuntivo alla borsa per mese di soggiorno di ricerca all’estero
(in termini % rispetto al valore mensile della borsa al lordo degli oneri previdenziali a carico del percipiente)
 
(MAX 50% importo borsa): 50,00     
BUDGET complessivamente a disposizione del corso per soggiorni di ricerca all'estero
(importo lordo annuale comprensivo degli oneri previdenziali a carico del percipiente)
 
Euro: 7.671,64     
 


Fonti di copertura del budget del corso di dottorato (incluse le borse)

FONTE  Importo (facoltativo) Descrizione Tipologia
(max 200 caratteri)
Fondi Ministeriali   Fondi MIUR assegnazione FFO Post-Lauream 
Progetti competitivi o fondi messi a disposizione dal proponente    
Fondi di ateneo   Fondi di Ateneo 
Finanziamenti esterni   Fondazione Ricerca e Talenti 
Altro   Posti riservati a dipendenti di imprese o enti di ricerca convenzionati in attività impegnati di alta qualificazione 


Note


6. Strutture operative e scientifiche

Strutture operative e scientifiche

Tipologia Descrizione sintetica (max 500 caratteri per ogni descrizione)
Attrezzature e/o Laboratori   I diversi Dipartimenti dell'ateneo di Torino metteranno a disposizione le risorse di Calcolo disponibili. In particolare i Dipartimenti di Matematica, di Fisica e di Informatica hanno possono mettere a disposizione laboratori per simulazione, calcolo scientifico, elaborazione di dati. I sistemi operativi supportati variano da Windows 10 a MacOs X a Linux. Sono presenti diverse soluzioni di virtualizzazione e clustering per offrire servizi di HPC e calcolo parallelo. 
Patrimonio librario   consistenza in volumi e copertura delle tematiche del corso   L'ateneo di Torino ha un enorme patrimonio librario di oltre 2100 K volumi, suddiviso tra più biblioteche riunite in un unico sistema bibliotecario di ateneo. Molte di queste sono biblioteche di lunga tradizione con un patrimonio librario che varia dai 62 K volumi del Dipartimento di Matematica "G. Peano" ai 12 K di Informatica, 18 K di Fisica e 270 K di economia. Il patrimonio librario degli ambiti umanistici è grandissimo e potrà risultare utilissimo per particolari ricerche interdisciplinari. 
abbonamenti a riviste (numero, annate possedute, copertura della tematiche del corso)   Nel complesso l'Università di Torino 2100 K riviste.Di queste una fetta importante riguarda temi strettamente collegati al programma di dottorato: 40 K a Matematica con 758 titoli singoli, 62 K a Informatica 9800 con con 180 titoli singoli, a Fisica 10 K con 350 titoli singoli Economia circa 280 K con oltre 2000 testate di periodici, di cui 170 in corso. 
E-resources   Banche dati (accesso al contenuto di insiemi di riviste e/o collane editoriali)   L'ateneo torinese dispone di una grande mole di riviste elettroniche con 66,2 K titoli singoli e 124,4 K e-book. Inoltre lo studente potrà accedere a banche dai scientifiche quali Scopus o WoS, PubMed, ISI-Journal, Jstore, Citation Report ma anche a banche dati economico-finanziarie o giuridiche quali AMECO, Banca Mondiale-eLibrary, AIDA, OECD iLibrary, IUSIMPRESA, DoGi e molte altre 
Software specificatamente attinenti ai settori di ricerca previsti   R, SAS, MathLab, Maple, C++, Mathematica, Python, SciPy, LaTeX citando i più diffusi 
Spazi e risorse per i dottorandi e per il calcolo elettronico   Sede: spazi dedicati presso Collegio Carlo Alberto. Risorse calcolo: 1. servizi di calcolo scientifico ad alte prestazioni del C3S, http://c3s.unito.it. 2. cluster di calcolo ad alte prestazioni OCCAM (40 nodi computazionali, con 1088 CPU e 8 GPU). 3. risorse computazionali del nuovo centro di competenza in “High-Performance Computing for Artificial Intelligence” (HPC4AI) saranno rese fruibili in modo semplice, dal II semestre 2019, mediante il cloud GARR (oltre 5000 CPU, 100 GPU, 5PB storage). 
Altro    


Note


7. Requisiti e modalità di ammissione

Requisiti richiesti per l'ammissione

Tutte le lauree magistrali: SI, Tutte 
se non tutte, indicare quali:  
Altri requisiti per studenti stranieri: (max 500 caratteri):
Una lettera di motivazione e due lettere di referenza da parte di docenti di materie legate ai contenuti principali del programma di dottorato.
 
Eventuali note (max 500 caratteri):
Per l'ammissione è necessario che lo studente possieda competenze sufficienti per poter apprendere con profitto le metodologie avanzate che saranno necessarie per lo sviluppo del suo programma di ricerca. Deve essere in grado di comprendere ed utilizzare concetti matematici e statistici ed avere capacità informatiche sufficienti; su almeno una di queste tematiche dovrà avere anche conoscenze specialistiche che gli consentano di direzionare rapidamente lo studio verso tematiche più avanzate.
 


Modalità di ammissione

Modalità di ammissione
Titoli
Prova orale
Progetto di ricerca
 
Per i laureati all'estero la modalità di ammissione
è diversa da quella dei candidati laureati in Italia?
NO 
se SI specificare:  


Attività dei dottorandi

È previsto che i dottorandi possano svolgere attività di tutorato SI
 
 
È previsto che i dottorandi possano svolgere attività di didattica integrativa SI
 
Ore previste: 40 


Note




Dottorato innovativo a caratterizzazione internazionale

• Dottorato in collaborazione con Università e/o enti di ricerca esteri   NO
 
 
• Dottorato relativo alla partecipazione a bandi internazionali (e.g. Marie Skłodowska Curie Actions, ERC)   NO   
• Collegio di dottorato composto per almeno il 25% da docenti appartenenti a qualificate università o centri di ricerca stranieri   SI   
• Presenza di eventuali curricula in collaborazione con Università/Enti di ricerca estere e durata media del periodo all'estero dei dottori di ricerca pari almeno a 12 mesi   NO
 
 
• Presenza di almeno 1/3 di iscritti al Corso di Dottorato con titolo d'accesso acquisito all'estero ***   NO   


Dottorato innovativo a caratterizzazione intersettoriale

• Dottorato in convenzione con Enti di Ricerca   SI
 
Motivazione:
Per le ricerche svolte presso ENEA è utile avere personale con alta formazione in ambito Data Science per poter prevedere consumi e ottimizzare la rete di distribuzione. Riuscire a gestire i dati per ottimizzare i processi è una necessità riconosciuta che può essere affrontata con personale interno con una formazione innovativa
 
• Dottorato in convenzione con le imprese o con enti che svolgono attività di ricerca e sviluppo   SI
 
Motivazione:
Il programma di tipo industriale è di enorme interesse per aziende che necessitano un forte innalzamento della preparazione scientifica dei dipendenti. In particolare, per gli addetti ad attività di ricerca su tematiche altamente innovative quali lo sviluppo di metodologie ad hoc per lo studio e la modellizzazione dei dati in possesso dell'azienda. L'introduzione di strumenti innovativi, quali quelli relativi ai Big Data e lo sviluppo di competenze informatiche e matematiche è riconosciuto dalle aziende convenzionate come aspetti fondamentali per una forte innovazione aziendale.
 
• Dottorato selezionato su bandi internazionali con riferimento alla collaborazione con le imprese   NO
 
 
• Dottorati inerenti alle tematiche dell’iniziativa “Industria 4.0  SI
 
Motivazione:
Industria 4.0 non può prescindere da un innalzamento nella gestione dei dati e, soprattutto, di grandi moli di dati.
 
• Presenza di convenzione con altri soggetti istituzionali su specifici temi di ricerca o trasferimento tecnologico e che prevedono una doppia supervisione   NO
 
 


Dottorato innovativo a caratterizzazione interdisciplinare

• Dottorati (con esclusione di quelli suddivisi in curricula) con iscritti provenienti da almeno 2 aree CUN, rappresentata ciascuna per almeno il 30% (rif. Titolo LM o LMCU )   NO   
• Corsi appartenenti a Scuole di Dottorato che prevedono contestualmente ambiti tematici relativi a problemi complessi caratterizzati da forte multidisciplinarità   NO
 
 
• Dottorati inerenti alle tematiche dei

Big Data
, relativamente alle sue metodologie o applicazioni
 
SI
 
Motivazione:
Il programma si prefigge di formare scienziati dei dati, capaci estrarre informazioni nascoste in grandi molti di dati e di formulare modelli di previsione che le utilizzino. La formazione comprenderà competenze di data mining, machine learning, statistical machine learning, tecniche statistiche classiche o Bayesiane. I diversi progetti di ricerca proposti dalle aziende mireranno allo sviluppo di modelli innovativi di interesse industriale e implicheranno lo sviluppo di nuove metodologie o l'adattamento di metodi esistenti per lo studio di problematiche specifiche dei dati disponibili.
 
• Dottorati che rispondono congiuntamente ai seguenti criteri      
presenza nel Collegio di Dottorato di docenti afferenti ad almeno due aree CUN, rappresentata ciascuna per almeno il 20% nel Collegio stesso   SI   
somma degli indicatori (R + X1 + I) almeno pari a 2,8 per ciascuna area   (dato disponibile successivamente alla valutazione di ANVUR)   
presenza di un tema centrale che aggreghi coerentemente discipline e metodologie diverse, anche con riferimento alle aree ERC   SI  Motivazione:
Big Data e modelli statistico-matematici sono il tema comune di ricerche con applicazioni in biologia, medicina, economia, psicologia,... Le metodologie relative allo studio dei dati e alla loro modellizzazione prescinde dal contesto applicativo. Tuttavia, per poter applicare proficuamente queste tecniche di analisi il dottore di ricerca dovrà essere in grado di dialogare con specialisti di discipline diverse, comprendendone le esigenze e le difficoltà insite in ogni studio specifico.
 


Chiusura proposta e trasmissione: 14/03/2018


.