Borse Ex D.M. 692: 3
|
Borse Ex D.M. 630: 2
|
DM118 P.A.
- Trasparenza, robustezza, ed efficienza di sistemi di intelligenza artificiale basati sul machine learning per la trasformazione digitale e la pubblica amministrazione
Ente finanziatore: PNRR
Competenze richieste: Apprendimento automatico, analisi algoritmica e statistica dei dati, gestione dei big data
- Transparency, robustness, and efficiency of machine learning-based AI systems for digital transformation and public administration
Funded by: PNRR
Required skills: Machine learning, Algorithmic and statistical data analysis, big data management
Descrizione: La tematica di dottorato riguarda la trasparenza, la robustezza, e l’efficienza nei sistemi di intelligenza artificiale basati sul machine learning, sull’analisi algoritmica e statistica dei dati, e sulla gestione efficiente dei big data. Obiettivo sarà progettare strumenti che permettano di comprendere come e perché una previsione è stata formulata attraverso meccanismi di apprendimento automatico (eXplainable AI - XAI), il progetto di meccanismi algoritmici di decisione equi e trasparenti, la sicurezza e la riservatezza dei sistemi di AI/ML. Si punta a produrre risultati di ricerca sia teorici che pratici nei seguenti ambiti: trasformazione digitale, miglioramento della trasparenza e della responsabilità nei servizi digitali della pubblica amministrazione e delle attività economiche e sociali, sostenibilità ambientale, progresso della ricerca biomedica e della sanità digitale.
Description: The doctoral research theme focuses on transparency, robustness, and efficiency in artificial intelligence systems based on machine learning, algorithmic and statistical data analysis, and efficient management of big data. The goal is to design tools to understand how and why a prediction was made through machine learning mechanisms (eXplainable AI - XAI), the design of fair and transparent algorithmic decision mechanisms, and the security and privacy of AI/ML systems. The aim is to produce both theoretical and practical research results in the following areas: digital transformation, improving transparency and accountability in digital services provided by public administration and economic and social activities, environmental sustainability, progress in biomedical research, and digital healthcare.
|
DM118 GENERICHE
- Trasparenza, robustezza, ed efficienza di sistemi di intelligenza artificiale basati sul machine learning per la trasformazione digitale e la pubblica amministrazione
Ente finanziatore: PNRR
Competenze richieste: Apprendimento automatico, analisi algoritmica e statistica dei dati, gestione dei big data
- Transparency, robustness, and efficiency of machine learning-based AI systems for digital transformation and public administration
Funded by: PNRR
Required skills: Machine learning, Algorithmic and statistical data analysis, big data management
Descrizione: La tematica di dottorato riguarda latrasparenza, la robustezza, e l’efficienza nei sistemi di intelligenza artificiale basati sul machine learning, sull’analisi algoritmica e statistica dei dati, e sulla gestione efficiente dei big data. Obiettivo sarà progettare strumenti che permettano di comprendere come e perché una previsione è stata formulata attraverso meccanismi di apprendimento automatico (eXplainable AI - XAI), il progetto di meccanismi algoritmici di decisione equi e trasparenti, la sicurezza e la riservatezza dei sistemi di AI/ML. Si punta a produrre risultati di ricerca sia teorici che pratici nei seguenti ambiti: trasformazione digitale, miglioramento della trasparenza e della responsabilità nei servizi digitali della pubblica amministrazione e delle attività economiche e sociali, sostenibilità ambientale, progresso della ricerca biomedica e della sanità digitale.
Description: The doctoral research theme focuses on transparency, robustness, and efficiency in artificial intelligence systems based on machine learning, algorithmic and statistical data analysis, and efficient management of big data. The goal is to design tools to understand how and why a prediction was made through machine learning mechanisms (eXplainable AI - XAI), the design of fair and transparent algorithmic decision mechanisms, and the security and privacy of AI/ML systems. The aim is to produce both theoretical and practical research results in the following areas: digital transformation, improving transparency and accountability in digital services provided by public administration and economic and social activities, environmental sustainability, progress in biomedical research, and digital healthcare.
|
DM118 TRANSIZIONE
- Trasparenza, robustezza, ed efficienza di sistemi di intelligenza artificiale basati sul machine learning per la trasformazione digitale e la pubblica amministrazione
Ente finanziatore: PNRR
Competenze richieste: Apprendimento automatico, analisi algoritmica e statistica dei dati, gestione dei big data
- Transparency, robustness, and efficiency of machine learning-based AI systems for digital transformation and public administration
Funded by: PNRR
Required skills: Machine learning, Algorithmic and statistical data analysis, big data management
Descrizione: --inserire la La tematica di dottorato riguarda la trasparenza, la robustezza, e l’efficienza nei sistemi di intelligenza artificiale basati sul machine learning, sull’analisi algoritmica e statistica dei dati, e sulla gestione efficiente dei big data. Obiettivo sarà progettare strumenti che permettano di comprendere come e perché una previsione è stata formulata attraverso meccanismi di apprendimento automatico (eXplainable AI - XAI), il progetto di meccanismi algoritmici di decisione equi e trasparenti, la sicurezza e la riservatezza dei sistemi di AI/ML. Si punta a produrre risultati di ricerca sia teorici che pratici nei seguenti ambiti: trasformazione digitale, miglioramento della trasparenza e della responsabilità nei servizi digitali della pubblica amministrazione e delle attività economiche e sociali, sostenibilità ambientale, progresso della ricerca biomedica e della sanità digitale. --
Description: The doctoral research theme focuses on transparency, robustness, and efficiency in artificial intelligence systems based on machine learning, algorithmic and statistical data analysis, and efficient management of big data. The goal is to design tools to understand how and why a prediction was made through machine learning mechanisms (eXplainable AI - XAI), the design of fair and transparent algorithmic decision mechanisms, and the security and privacy of AI/ML systems. The aim is to produce both theoretical and practical research results in the following areas: digital transformation, improving transparency and accountability in digital services provided by public administration and economic and social activities, environmental sustainability, progress in biomedical research, and digital healthcare.
|
DM117
- Intelligenza Artificiale per il settore zootecnico
Competenze richieste: Conoscenza di Python o di altri linguaggi di programmazione equivalenti; competenze di machine learning e deep learning, in particolare reti neurali; conoscenza ed esperienze nel settore agrifood sono valutate positivamente ma non necessarie.
- Artificial intelligence applied to animal husbandry
Required skills: Knowledge of Python or other equivalent programming languages; machine learning and deep learning skills, in particular neural networks; knowledge and experience in the agrifood sector are positively evaluated but not required.
Descrizione: --inserire la descrizione--Le tematiche oggetto della ricerca vertono sulla digitalizzazione e l’innovazione del settore agrifood con tecniche di IA ed in particolare identificazione e tracciabilità animale, e salute e benessere animale. Esse rappresentano sfide complesse per garantire la salute e la tutela del patrimonio zootecnico. La società è da anni impegnata nello sviluppo di soluzioni che assicurano una migliore capacità di identificare e tracciare gli animali ed i loro prodotti, garantire una pianificazione e controllo della filiera agroalimentare, e rilevare in automatico lesioni, di origine infettiva o legate a problemi di benessere. Farm4trade ha sviluppato soluzioni tecnologiche automatizzate che, attraverso l’impiego di robot e tecniche di CV, si prestano a risolvere quesiti diagnostici in modo ripetitivo. L’obiettivo della ricerca è di ampliare il campo di applicazione delle tecnologie sviluppate per migliorare le soluzioni sia in ambito sanitario che zootecnico e relativamente al benessere animale.
Description: The research concerns the digitization and innovation of the agrifood sector with AI techniques, and in particular animal identification and traceability, and animal health and welfare. These represent complex challenges to ensure the health and protection of livestock. For years, the company has been committed to developing solutions that ensure a better ability to identify and trace animals and their products, guarantee planning and control of the agrifood chain, and automatically detect injuries, of infectious origin or related to welfare issues . Farm4trade has developed automated technological solutions which, using robots and CV techniques, lend themselves to solving diagnostic questions in a repetitive way. The aim of the research is to broaden the field of application of these technologies to improve solutions in both the health and zootechnical fields and concerning animal welfare.
|
DM117
- Sviluppo di algoritmi e metodi di AI per l'analisi dei dati acquisiti con tecniche di remote sensing, finalizzati al controllo del territorio e al monitoraggio delle infrastrutture
Competenze richieste: Conoscenza di Python o di altri linguaggi di programmazione equivalenti; competenze di machine learning e deep learning, in particolare reti neurali; conoscenza di remote sensing ed analisi di immagini spettrali sono valutate positivamente ma non necessarie.
- AI algorithms for data acquired via remote sensing methods, for land and infrastructure management
Required skills: Knowledge of Python or other equivalent programming languages; machine learning and deep learning skills, in particular neural networks; knowledge of remote sensing and analysis of spectral images are positively evaluated but not required.
Descrizione: Il percorso di dottorato riguarda lo sviluppo di tecniche di intelligenza artificiale per l'analisi e l'interpretazione di dati acquisiti attraverso tecniche di remote sensing, per migliorare il controllo del territorio e il monitoraggio delle infrastrutture strategiche, come ponti, viadotti, gallerie e reti ferroviarie, utilizzando dati provenienti da diverse piattaforme satellitari e terrestri. Verrà posta particolare attenzione all'integrazione di dati provenienti da diverse piattaforme, sensori e bande spettrali, al fine di sfruttare la complementarità delle informazioni nelle analisi. I nuovi algoritmi e metodi sviluppati verranno confrontati con le tecniche tradizionali di analisi dei dati e validati attraverso dati di campo e di laboratorio e informazioni provenienti da altre fonti (ad esempio, dati geologici, geotecnici, ecc.). Le soluzioni AI verranno testate in applicazioni reali, come la valutazione della stabilità dei pendii, il monitoraggio delle deformazioni delle infrastrutture e la previsione di eventi di frana.
Description: The PhD scholarship focuses on the development of artificial intelligence techniques for the analysis and interpretation of data acquired through remote sensing techniques, to improve the analysis of the terrain and the monitoring of strategic infrastructures, such as bridges, viaducts, tunnels and networks railways, using data from various satellite and terrestrial platforms. Particular attention will be paid to the integration of data from different platforms, sensors and spectral bands, in order to exploit the complementarity of information in the analyses. The newly developed algorithms and methods will be compared with traditional data analysis techniques and validated through field and laboratory data and information from other sources (e.g., geological, geotechnical data, etc.). The AI solutions will be tested in real applications, such as slope stability assessment, infrastructure deformation monitoring and landslide event prediction.
|
ENTI TERZI
- Valutare l'impatto di malattie infettive come COVID-19 nelle scuole e nelle famiglie attraverso la scienza dei dati e la modellizzazione
Ente finanziatore: FONDAZIONE ISI
Competenze richieste: Apprendimento automatico, modellazione matematica, analisi coputazionale dei dati.
- Assessing the impact of infectious diseases such as COVID-19 in schools and household through data science and modelling
Funded by: FONDAZIONE ISI
Required skills: Machine learning, mathematical modelling, computational data analysis.
Descrizione: L'obiettivo del progetto VERDI è di migliorare la comprensione dell'epidemiologia, degli esiti, della prevenzione e del trattamento delle malattie infettive come il SARS-CoV-2 tra i bambini e le donne in gravidanza come risposta globale alla pandemia, descrivendo l'impatto del ruolo dei bambini nella trasmissione, nelle loro case e nelle scuole attraverso una rete di coorti di popolazione ben consolidate dei partner coinvolti.
L'obiettivo di questo progetto di dottorato è di valutare l'impatto di malattie simili a SARS-CoV-2 nelle scuole e nelle famiglie utilizzando tecniche di modellizzazione matematica e scienza dei dati.
Lo studio utilizzerà dati disponibili da studi di coorte prospettici osservazionali, nonché fonti di dati non tradizionali da piattaforme digitali provenienti da paesi e regioni colpiti da COVID-19 in combinazione con algoritmi di apprendimento automatico e modelli matematici.
Lo studio fornirà importanti informazioni sull'impatto di malattie simili a SARS-CoV-2 in contesti sensibili come le scuole e le famiglie per informare le strategie di intervento sanitario pubblico e le strategie di preparazione alla pandemia.
Description: The VERDI project’s ambition is to enhance understanding of the epidemiology, outcomes, prevention and treatment of infectious diseases such as SARS-CoV-2 amongst children and pregnant women as a global response to the pandemic by describing the impact of the role of children in transmission, in their homes and schools through a network of well-established population-based cohorts of the partners involved.
The objective of this PhD project is to assess the impact of SARS-CoV-2 like diseases on schools and households using mathematical modeling and data science techniques. The study will use available data from observational prospective cohort studies as well as non traditional data sources from digital platforms from multiple countries and regions affected by COVID-19 in combination with machine learning algorithms and mathematical models. The study will provide important insights into the impact of SARS-CoV-2 like diseases in sensitive settings such as schools and households to inform public health interventions and pandemic preparedness strategies.
|
ENTI TERZI
- Tecniche di Deep Learning su dati multimodali per applicazioni a sistemi di ricerca e raccomandazione
Ente finanziatore: ISTI - CNR
Competenze richieste: Apprendimento automatico, Apprendimento profondo, Ricerca nel Web, Information Retrieval, Sistemi di raccomandazione
- Deep Learning techniques on multimodal data for search and recommender system applications
Funded by: ISTI - CNR
Required skills: Machine learning, Deep learning, Web search, Information Retrieval, Recommendation Systems
Descrizione: Il progetto di ricerca di dottorato proposto si concentra sullo sfruttamento delle tecniche di Deep Learning per migliorare la ricerca web e i sistemi di raccomandazione. Il progetto prevede la progettazione di nuovi algoritmi per migliorare l'accuratezza della ricerca e la pertinenza delle raccomandazioni, con una forte enfasi sulla personalizzazione e sul comportamento dell'utente. Esplora inoltre la scalabilità e la robustezza delle soluzioni quando si tratta di dati su larga scala, affrontando anche sfide come l'avvio a freddo degli elementi e gli attacchi avversari. Il progetto include inoltre il perfezionamento delle metriche di valutazione per rappresentare meglio le condizioni del mondo reale, contribuendo in modo significativo al campo dell'IA.
Description: The proposed PhD research project focuses on leveraging Deep Learning techniques to improve web search and recommender systems. The project involves designing new algorithms to enhance search accuracy and recommendation relevance, with a strong emphasis on user personalization and behavior. It also explores scalability and robustness of solutions when dealing with large-scale data, including addressing challenges such as item cold start and adversarial attacks. The project further includes refining evaluation metrics to better represent real-world conditions, contributing significantly to the field of AI.
|
ENTI TERZI
- non indicata
Ente finanziatore: AMAZON
Competenze richieste: nessuna competenza specifica richiesta
|
Il candidato sceglierà una o più tematiche in fase di presentazione della candidatura on line
|
Borse Sapienza: 2
|