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 |
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 |
Ateneo Proponente: | Università degli Studi di TORINO |
---|---|
N° di borse finanziate | 2 |
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) |
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 |
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) |
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. |
Cognome | Nome | Ateneo Proponente: | Dipartimento/ Struttura | Qualifica | Settore concorsuale | Area CUN-VQR |
---|---|---|---|---|---|---|
SACERDOTE | Laura Lea | TORINO | Matematica Giuseppe Peano | Professore Ordinario | 01/A3 | 01 |
Progetto di ricerca nazionale (es. PRIN, FIRB, Fondazioni ecc.) |
se valorizzato: | Coordinatore locale |
Progetto di ricerca internazionale (es. FP7, ERC, NIH, ecc.) |
se valorizzato: |
Responsabilità | Titolo editoriale | Anno inizio | Anno fine |
---|
n. | Responsabilità | Titolo editoriale | Anno inizio | Anno fine |
---|
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. - t.pieno (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 |
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 |
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. |
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 |
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... |
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 | |||
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 |
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 |
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 |
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: |
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 |
• 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 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 |
• 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. |