MINISTERO DELL'UNIVERSITÀ E DELLA RICERCA


Modulo Proposta Anagrafe dei dottorati - a.a. 2020/2021
codice = DOT1731345




1. Informazioni generali



Corso di Dottorato

Il corso è: Rinnovo  
Denominazione del corso MODELING AND DATA SCIENCE  
Cambio Titolatura? NO  
Ciclo 36  
Data presunta di inizio del corso 01/10/2020  
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? SI  
se SI quale SCUOLA DI DOTTORATO DELL'UNIVERSITA' DEGLI STUDI DI TORINO  
Presenza di eventuali curricula? NO  
Sito web dove sia visibile l'offerta formativa prevista ed erogata https://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     %  14,24   ANALISI MATEMATICA, PROBABILITÀ E STATISTICA MATEMATICA   01/A - MATEMATICA  
01 - Scienze matematiche e informatiche
 
2. INF/01     %  33,40   INFORMATICA   01/B - INFORMATICA  
01 - Scienze matematiche e informatiche
 
3. SECS-S/01     %  28,54   STATISTICA   13/D - STATISTICA E METODI MATEMATICI PER LE DECISIONI  
13a - Scienze economiche e statistiche
 
4. FIS/01     %  9,54   FISICA SPERIMENTALE DELLE INTERAZIONI FONDAMENTALI   02/A - FISICA DELLE INTERAZIONI FONDAMENTALI  
02 - Scienze fisiche
 
5. MED/42     %  4,76   IGIENE GENERALE E APPLICATA, SCIENZE INFERMIERISTICHE E STATISTICA MEDICA   06/M - SANITA’ PUBBLICA  
06 - Scienze mediche
 
6. M-PSI/01     %  4,76   PSICOLOGIA GENERALE, PSICOBIOLOGIA E PSICOMETRIA   11/E - PSICOLOGIA  
11b - Scienze psicologiche
 
7. M-FIL/06     %  4,76   STORIA DELLA FILOSOFIA   11/C - FILOSOFIA  
11a - Scienze storiche, filosofiche e pedagogiche
 
  TOTALE    %  100,00          


Descrizione e obiettivi del corso

Il programma coglie le opportunità offerte dallo studio dei Big Data e dell'Intelligenza Artificiale 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, mirando ad innalzare la capacità di promuovere “big data innovation and research” (PQ europei) nel sistema economico- 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 (economico, medico, psicologico, digital cultural heritage) consente di inquadrare le ricerche in un’ottica interdisciplinare anche 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; innalzerà il livello tecnico e sarà 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 un 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, eventualmente 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 5  
Sede Didattica Torino  


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: 28/04/2020   numero di cicli di dottorato:1  
(eventuale)      


Altri Enti/Imprese consorziati/convenzionati

n. Denominazione del soggetto Tipologia del soggetto Pubblico/Privato Consorziato/ Convenzionato Paese Sede di attività formative N° di borse finanziate Eventuale Istituto (solo se Ente VQR)
1. CERVED   Impresa che svolge attività di ricerca e sviluppo   PRIVATO   Convenzionato   Italia   NO   1    



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


Impresa: 1 CERVED
Nome dell'istituzione CERVED  
Partecipazione con esito positivo a progetti di ricerca nazionali e internazionali Nome progetto:
eubusinessgraph (progetto n. 732003) - Horizon 2020
 
Anno:
2017
 
Descrizione:
(max 500 caratteri)
euBusinessGraph mira a creare un grafico della conoscenza tra aziende internazionali,insieme a una serie di prodotti innovativi basati sul grafico della conoscenza.Il lavoro si basa sulla conoscenza dei dati da fonti pubbliche. L'azienda partecipa anche ad altri progetti Horizon 2020 (per esempio, n. No 780247 periodo 2018-20)
 
Risultati ottenuti in termini di brevetti depositati negli ultimi 5 anni (2015-2020)      
Presenza di sezioni aziendali dedicate alla R&S Denominazione Sezione:
Ufficio Studi - https://company.cerved.com/it/cosa-facciamo
 
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)
Esiste un accordo di collaborazione tra Università di Torino -dipartimento di Informatica e Cerved. Attualmente è in corso uno studio congiunto sull'impatto economico dell'epidemia COVID-19 in Italia. Lo studio utilizza il potente GPU-accelerated HPC4AI dell'ateneo per studiare la catena di approvvigionamento italiana.
Avere uno studente di dottorato concentrato su tematiche di comune interesse faciliterà il raggiungimento di obiettivi di ricerca di comune interesse.
 


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   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 21 marzo, 2019)

 SCOPUS
NUMERO DI ARTICOLI: 67
NUMERO DI CITAZIONI: 874
H-INDEX: 17

 GOOGLE SCHOLAR
NUMERO DI CITAZIONI: 1643
H-INDEX: 21

WOS (from 1985)
NUMERO DI ARTICOLI: 60
NUMERO DI CITAZIONI: 615
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, 2018
10. Emanuele Lucrezia, Unversità 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 con posizioni di rilievo in azienda o presso banche/assicurazioni)

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 ricercatore a t.d. di tipo B (già abilitato) un professore associato, un dottorando e un 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 ho organizzato e presieduto il XIII Workshop on Neural Coding svoltosi a Torino dal 9 al 14 settembre. Numerosi partecipanti sono arrivati da Giappone, Canada, Stati Uniti oltre che da varie nazioni europee.

Comitato editoriale di riviste Scientifiche:

- 2020- Mathematics (Section Probability and Statistics)

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)
- BCAM (Bilbao) Settembre 2018

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 (University of South Wales), 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).



Qualificazione scientifica del coordinatore

1. avere diretto per almeno un triennio comitati editoriali o di redazione di riviste scientifiche di classe A (per i settori non bibliometrici) o presenti nelle banche dati WoS e Scopus (per i settori bibliometrici) NO    
2. avere svolto il coordinamento centrale di gruppi di ricerca e/o di progetti nazionali o internazionali competitivi SI   descrizione: (max (1.000 caratteri)
Coordino il gruppo di Calcolo delle Probabilità e Statistica Matematica del Dipartimento di Matematica dell'Università di Torino, attualmente costituito da 2 ricercatori a tempo indeterminato, un ricercatore a tempo determinato (tipo B), tre professori associati un assegnista e un dottorando. Preciso che il gruppo si è interamente formato sotto la mia direzione nell'arco dei quasi vent'anni da quando nel 2000 sono divenuta professore ordinario. Precedentemente nella mia sede ero l'unico professore (associato) in probabilità.
Ho coordinato le ricerche dell'unità matematica del progetto "Amalfi", finanziato dalla Compagnia San Paolo e di alcuni progetti PRIN (unità locale). Inoltre sono stata responsabile di alcuni progetti finanziati dalla Fondazione CRT, cosa che mi ha permesso di invitare a Torino numerosi scienziati di fama internazionale. In passato sono stata responsabile locale di progetti PRIN e ho coordinato attività con finanziamenti dell'Istituto per l'alta Matematica
 
3. avere partecipato per almeno un triennio al Collegio dei docenti di un Dottorato di ricerca SI   descrizione: (max (1.000 caratteri)
Negli ultimi due anni sono stata coordinatrice del dottorato in Modeling and Data Science dell'Università di Torino. In precedenza ero stata membro del collegio del Dottorato in Matematica Pura e Applicata del consorzio Università-Politecnico di Torino. In un passato più lontano ero stata membro del collegio del dottorato in Matematica dell'Università di Torino e, prima ancora, del collegio docenti del programma dottorale in Statistics, Numerical Analysis and Computer Science dell’Università di Milano (Torino sede consorziata)
 


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 - Scienze matematiche e informatiche   MAT/06   ha aderito  
2. MAGGIORA   Marco   TORINO   Fisica   Componente del gruppo dei 16   Professore Associato confermato   02/A1   02 - Scienze fisiche   FIS/01   ha aderito  
3. RUGGIERO   Matteo   TORINO   Scienze economico-sociali e matematico-statistiche   Componente del gruppo dei 16   Professore Ordinario (L. 240/10)   13/D1   13a - Scienze economiche e statistiche   SECS-S/01   ha aderito  
4. DE BLASI   Pierpaolo   TORINO   Scienze economico-sociali e matematico-statistiche   Componente del gruppo dei 16   Professore Associato (L. 240/10)   13/D1   13a - Scienze economiche e statistiche   SECS-S/01   ha aderito  
5. FAVARO   Stefano   TORINO   Scienze economico-sociali e matematico-statistiche   Componente del gruppo dei 16   Professore Ordinario (L. 240/10)   13/D1   13a - Scienze economiche e statistiche   SECS-S/01   ha aderito  
6. PASINI   Enrico   TORINO   Filosofia e scienze dell'educazione   Componente del gruppo dei 16   Professore Ordinario (L. 240/10)   11/C5   11a - Scienze storiche, filosofiche e pedagogiche   M-FIL/06   ha aderito  
7. COSTA   Giuseppe   TORINO   Scienze cliniche e biologiche   Altro Componente   Professore Ordinario   06/M1   06 - Scienze mediche   MED/42   ha aderito  
8. BRISCHETTO COSTA   Tommaso Carlo   TORINO   Psicologia   Altro Componente   Professore Associato (L. 240/10)   11/E1   11b - Scienze psicologiche   M-PSI/01   ha aderito  
9. SAPINO   Maria Luisa   TORINO   Informatica   Componente del gruppo dei 16   Professore Ordinario   01/B1   01 - Scienze matematiche e informatiche   INF/01   ha aderito  
10. ANSELMA   Luca   TORINO   Informatica   Componente del gruppo dei 16   Ricercatore confermato   01/B1   01 - Scienze matematiche e informatiche   INF/01   ha aderito  
11. ALDINUCCI   Marco   TORINO   Informatica   Componente del gruppo dei 16   Professore Ordinario (L. 240/10)   01/B1   01 - Scienze matematiche e informatiche   INF/01   ha aderito  
12. SPATARO   Stefano Giovanni   TORINO   Fisica   Componente del gruppo dei 16   Professore Associato (L. 240/10)   02/A1   02 - Scienze fisiche   FIS/01   ha aderito  
13. VENTURINI   Sergio   TORINO   Management   Componente del gruppo dei 16   Professore Associato (L. 240/10)   13/D1   13a - Scienze economiche e statistiche   SECS-S/01   ha aderito  
14. TOALDO   Bruno   TORINO   Matematica Giuseppe Peano   Componente del gruppo dei 16   Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)   01/A3   01 - Scienze matematiche e informatiche   MAT/06   ha aderito  
15. MEO   Rosa   TORINO   Informatica   Componente del gruppo dei 16   Professore Associato confermato   01/B1   01 - Scienze matematiche e informatiche   INF/01   ha aderito  
16. VERNERO   Fabiana   TORINO   Informatica   Componente del gruppo dei 16   Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)   01/B1   01 - Scienze matematiche e informatiche   INF/01   ha aderito  
17. DI NARDO   Elvira   TORINO   Matematica Giuseppe Peano   Componente del gruppo dei 16   Professore Associato (L. 240/10)   01/A3   01 - Scienze matematiche e informatiche   MAT/06   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   Altro Componente   Università straniera   Arizona State University   Stati Uniti d'America   School of computing Informatics and decision Systems   Professore di Univ.Straniera     INF/01   01   34  
2. GIL ALANA   Luis Aberiko   Comp. gruppo dei 16   Università straniera   University of Navarra   Spagna   Department of Economics,E-31009 Pamplona, Spain   Professore di Univ.Straniera     SECS-S/01   13a   133  
3. MEILIJSON   Isaac   Altro Componente   Università straniera   TEL AVIV UNIVERSITY   Israele   Department of Statistics and Operations Research   Professore di Univ.Straniera     SECS-S/01   13a   9  
4. VANNESCHI   Leonardo   Altro Componente   Università straniera   UNIVERSIDADE NOVA DE LISBOA   Portogallo   NOVA Information Management School   Professore di Univ.Straniera     INF/01   01   61  


(*) numero di prodotti scientifici pubblicati dotati di ISBN/ISMN/ISSN o indicizzati su WoS o Scopus negli ultimi cinque anni


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 STATISTCS, 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 2019, proseguendo in un'indicazione che perdura da diversi anni;
- McKinsey [2] considera l'AI la maggiore spinta all'economia per i prossimi 10 anni;
- LinkedIn [3] dichiara che c'e' ancora una grande richiesta di Data Scientist nonostante l'aumento di specialisti, la domanda è molto superiore all'offerta, soprattutto per candidati di alto profilo;
- Il New York Times [4] sostiene che la statistica Bayesiana 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. Il Sole 24 ore [5] nel marzo 2019 le imprese cercano un milione di data scientist.


Note

(MAX 1.000 caratteri):
[1 https://www.careercast.com/jobs-rated/best-jobs-of-2019
[2] https://www.mckinsey.it/idee/dallartificial-intelligence-una-spinta-poderosa-alleconomia
[3] https://www.geekwire.com/2017/hot-not-linkedin-data-shows-jobs-skills-rise-fading/
[4] https://www.nytimes.com/2014/09/30/science/the-odds-continually-updated.html?&_r=1
[5] https://www.ilsole24ore.com/art/imprese-ricerca-un-milione-scienziati-dati-ABwH5BdB


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: 15   n.ro insegnamenti: 4   di cui è prevista verifica finale: 0  
Insegnamenti mutuati da corsi di laurea magistrale SI   n.ro: 3   di cui è prevista verifica finale: 3  
Insegnamenti mutuati da corsi di laurea (primo livello) NO      
Cicli seminariali SI  
Soggiorni di ricerca (ITALIA - al di fuori delle istituzioni coinvolte) NO      
Soggiorni di ricerca (ESTERO nell’ambito delle istituzioni coinvolte) NO      
Soggiorni di ricerca (ESTERO - al di fuori delle istituzioni coinvolte) SI     Periodo medio previsto (in mesi per studente): 3  


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 gestione.  
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. Parteciperanno 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.  


Note


5. Posti, borse e budget per la ricerca

Posti, borse e budget per la ricerca

Descrizione Ciclo 36° Anagrafe dottorandi (35°) Ciclo 35° (Tabella POSTI)
A - Posti banditi
(messi a concorso)
 
1. Posti banditi con borsa   N. 4   3   4 (4) (4)  
2. Posti coperti da assegni di ricerca     0    
3. Posti coperti da contratti di apprendistato     0    
Sub totale posti finanziati (A1+A2+A3)   N. 4   N. 3   4 (4)  
4. Eventuali posti senza borsa   N. 1   1    
B - Posti con borsa riservati a laureati in università estere   N. 1   0   1 (1) (1)  
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. 1   3   4 (4) (4)  
F - Posti senza borsa riservati a laureati in Università estere   N. 0   0    
TOTALE = A + B + C + D + E + F   N. 7   N. 7   9 (9)  
DI CUI CON BORSA = TOTALE – A4 - F   N. 6   N. 6   9 (9)  
Importo della borsa
(importo annuale al lordo degli oneri previdenziali a carico del percipiente)
 
Euro: 17.500,00      
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)



Nota: il budget complessivamente a disposizione del corso per soggiorni all’estero è calcolato considerando la percentuale di maggiorazione della borsa, il numero di mesi all’estero, il numero di anni del corso e il numero di studenti con borsa.
 
Euro: 65.625,00      
Eventuali note:
(max 500 caratteri)
Il BUDGET complessivamente a disposizione del corso per soggiorni di ricerca all'estero è stato calcolato considerando il periodo massimo di pagamento della maggiorazione della borsa: 18 mesi. Anche ai dottorandi che beneficiano di forme di sostegno equivalenti alle borse di dottorato (es. apprendistato, assegno di ricerca, e punti C, D ed E del prospetto di cui sopra) è garantita la copertura delle spese per attività all'estero.
 

Attenzione: i dati di questa sezione relativi agli iscritti al ciclo precedente vengono aggiornati utilizzando le informazioni inserite nella piattaforma ANS/PL fino al giorno della chiusura della scheda anagrafe .

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

FONTE  Importo (facoltativo) Descrizione Tipologia
(max 200 caratteri)
Fondi Ministeriali   Fondi derivanti da FFO MIUR risorse Post-laurea (co-finanziamento borse di Ateneo)  
Progetti competitivi o fondi messi a disposizione dal proponente   Fondi Dipartimento di Filosofia e Scienze dell'educazione nell'ambito del progetto MIUR "Dipartimenti di eccellenza"  
Fondi di ateneo   Fondi di Ateneo (co-finanziamento borse di Ateneo)  
Finanziamenti esterni   Compagnia di San Paolo (co-finanziamento borse di Ateneo)  
Altro   Convenzione con CERVED per posti riservati a dipendenti, che prevede l'erogazione di un contributo per le spese di funzionamento del Dottorato  


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   Spazi presso il Dip. di Matematica. 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 centro di competenza in “High-Performance Computing for Artificial Intelligence” (HPC4AI) fruibili in modo semplice 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?
SI  
se SI specificare:
Altro
 


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   NO    
• 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   NO
 
 
• 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 culturale nella gestione dei dati e, soprattutto, di grandi moli di dati. Inoltre industria 4.0 richiede le competenze e capacità di modellizzazione di alto livello e questo è un aspetto fortemente caratterizzante la preparazione dei dottorandi in Modeling and Data Science
 
• 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   SI
 
Motivazione:
Il Corso di Dottorato in Modeling and Data Science afferisce alla Scuola di Dottorato dell’Università degli Studi di Torino, recentemente istituita con l’obiettivo di favorire l’interdisciplinarietà, la creazione di percorsi intersettoriali e internazionali trai i 34 Corsi di Dottorato dell’Ateneo, così come previsto dai principi dei dottorati innovativi stabiliti dalle comunicazioni europee e dal MIUR.
La Scuola promuove l’interazione tra i Corsi di Dottorato, in particolare per lo sviluppo di temi relativi a problemi complessi rispetto a cui è proposto un approccio multidisciplinare.
La Scuola riunisce tutte le discipline promosse dai Corsi di Dottorato dell’Ateneo, assicurando un’offerta formativa ricca e multidisciplinare, corredata da un percorso di formazione sulle competenze complementari.
 
• 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    
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: 08/05/2020


.