Study plan for the academic year 2024/2025


Elenco delle attività formative previste per i dottorandi del primo anno
Deep Generative View on Continual Learning
data presunta: Marzo 2024 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 24
docente del corso: Tomasz Trzciński qualifica: Professore affiliazione: Estera
programma delle attività: Neural networks suffer from catastrophic forgetting, defined as an abrupt performance loss on previously learned tasks when acquiring new knowledge. For instance, if a network previously trained for detecting virus infections is now retrained with data describing a recently discovered strain, the diagnostic precision for all previous ones drops significantly. To mitigate that, we can retrain the network on a joint dataset from scratch, yet it is often infeasible due to the size of the data, or impractical when retraining requires more time than it takes to discover a new strain. The catastrophic forgetting severely limits the capabilities of contemporary neural networks and continual learning aims to address this pitfall. During the course, we will introduce continual learning as a domain of machine learning, define its main challenges and existing methods. We will then look at the approaches inspired by recent neuroscientific works, specifically at the generative models employed in continual learning scenario. Based on our research where we hypothesize that the unsupervised way of incorporating knowledge by generative models corresponds to the way biological systems continually learn, we will introduce generative replay as a method to overcome catastrophic forgetting. We will then further explore the landscape of continual learning from a deep generative modeling point of view.
modalità di accertamento finale: Esame alla fine del corso
Challenges in Modern Web Search
data presunta: Aprile 2024 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 24
docente del corso: Franco Maria Nardini qualifica: Ricercatore affiliazione: Italiana
programma delle attività: This PhD course focuses on Web search and discusses the challenges in the three main areas of Web search: i) crawling, ii) indexing, and iii) query processing. The course introduces each area by discussing the state of the art in the field and by presenting the open research questions. The course emphasizes query processing, an area where machine learning is important to advance the state of the art. After introducing the different query processing techniques, the course i) introduces supervised techniques explicitly focused on targeting the ranking problem, ii) discusses several efficiency/effectiveness trade-offs in query processing, and iii) analyze several related optimization techniques. The course will also provide an overview of the role of pre-trained large language models in query processing techniques. Two hands-on sessions will cover indexing and query processing of public Web collections.
modalità di accertamento finale: Esame finale
Explainable and Interpretable AI
data presunta: Maggio 2024 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 24
docente del corso: Simone Scardapane e Gabriele Tolomei qualifica: Professore affiliazione: Italiana
programma delle attività: The course will introduce basic concepts related to explaining and debugging machine learning and artificial intelligence models. In particular, we will cover feature attribution methods, data attribution methods, and counterfactual explanations. The course will have both theory and practical sessions, as long as possible guest speakers.
modalità di accertamento finale: Esame alla fine del corso
An introduction to (Multiple) Changepoint detection
data presunta: Giugno 2024 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 24
docente del corso: Guillem Rigail qualifica: Professore affiliazione: Italiana
programma delle attività: In recent years, there has been a proliferation of methods for detecting changepoints (also known as breakpoints or structural breaks) in data streams. This surge has been driven by the wide range of applications where changepoint methods are needed, including genomics, neuroscience, climate science, finance, and econometrics, among others. This course serves as an introduction to multiple changepoint detection methods. Initially, I will address the simpler task of detecting a single changepoint in the mean of a univariate data stream. This is crucial for understanding several state-of-the-art approaches designed for detecting multiple changepoints. Subsequently, I will delve into the fundamentals of two classical approaches for multiple changepoint detection: (1) binary segmentation and (2) dynamic programming. I will review their statistical and computational properties and explain some of their recent improvements. I will illustrate the application of these approaches to genomic datasets using the R programming language.
modalità di accertamento finale: Esame alla fine del corso

Eventuali maggiori informazioni piano form. 1°a Sono riportati i corsi specialistici di dottorato che saranno erogati da Docenti di altissima qualificazione del
collegio dei Docenti ed esterni ad esso al fine di sviluppare un forte rapporto di collaborazione con il Dottorato di Ricerca in Data Science.
Le attività seminariali saranno invece definite contestualmente durante lo svolgimento del primo anno di dottorato.

I dottorandi del 1° anno svolgono le seguenti attività:

- frequentano i corsi specialistici di dottorato organizzati dal Dottorato in Data Science; Tali corsi saranno in special modo
rivolti all'approfondimento dei campi di applicazione della Data Science rilevanti per i progetti di tesi di Dottorato

- approfondiscono le tematiche specifiche relative ad ambiti di ricerca di loro interesse anche attraverso la partecipazione a
scuole internazionali rivolte ai dottorati tra cui la Scuola Italia di Dottorato in Data Science organizzata in collaborazione con gli
studi di Dottorato in Data Science di Pisa.

- partecipano ai seminari di studiosi italiani e stranieri organizzati dal Dottorato oppure seminari organizzati dai Dipartimenti e
degli Istituti di Ricerca dei docenti partecipanti al Collegio dei Docenti che vengono recepiti all'interno dell'offerta formativa del
Dottorato.

Lo studente sarà tenuto a svolgere le attività formative per un totale di 30 CFU di cui 12 CFU per corsi ufficiali delle lauree
magistrali, 12 CFU per corsi specialistici di dottorato, e 6 CFU per attività seminariali e scuole internazionali.
La divisione dei crediti tra le tre tipologie di attività potrà essere modificato per tenere contro delle specifiche esigenze
formative del dottorando.
Modalità di scelta dell'argomento della tesi: La scelta dell'ambito di ricerca nel quale sviluppare la tesi avviene attraverso il confronto e la discussione degli studenti con i
membri del Collegio dei docenti e attraverso l'approfondimento di temi di ricerca presentati all'interno dei corsi specialistici di dottorato,
dei seminari, e di scuole di dottorato internazionali.

Durante i primi sei mesi del primo anno e comunque non oltre il primo anno di corso lo studente dovrà individuare tra i
membri del Collegio dei docenti un docente di riferimento. Per lo svolgimento della tesi. Alla fine del 1° anno, il Collegio dei
docenti designa formalmente un supervisore scelto tra i suoi membri, eventualmente affiancato da un co-tutore interno o
esterno al collegio di dottorato.

Ai docenti del Collegio dei Docenti sarà richiesto anche di formalizzare delle proposte di Tesi di Dottorato che saranno
presentate agli studenti in appositi seminari.
Modalità delle verifiche per l'ammissione all'anno successivo Viene effettuata la verifica:

1) della frequentazione dei corsi dei dottorato e degli insegnamenti scelti dal dottorando, e del superamento dei relativi esami
di valutazione.
2) dello svolgimento di attività di studio generale e finalizzato e della frequentazione dei seminari inseriti all'interno delle
attività didattiche del Dottorato.
3) della individuazione dell'ambito di ricerca nel quale verrà sviluppata la tesi di dottorato.

Il numero di crediti complessivo per il primo anno è di 30 CFU di cui: 2 insegnamenti ufficiali per un totale di 12CFU, 12 CFU
per corsi di dottorato specialistici, 6 CFU per attività seminariali e partecipazione a scuole di dottorato internazionali. Tutte le
attività formative dovranno essere completate dallo studente entro il 30 Settembre del primo anno di corso.
Entro il 15 Ottobre del primo anno il dottorando deve presentare una relazione sull'attività svolta, sulla base della quale il
Collegio esprime un giudizio di merito e concede (o meno) l'ammissione all'anno successivo.
Momenti di presentazione, di scambio e di discussione dei risultati di ricerca da parte dei dottorandi Si prevede l'organizzazione, con cadenza mensile o bimestrale, di incontri di discussione collettiva dedicati ai lavori di ricerca in corso, ai risultati conseguiti e ai potenziali sviluppi futuri di tali attività. Questi appuntamenti rappresenteranno un'occasione cruciale per promuovere lo scambio di competenze ed esperienze tra gli studenti del corso di dottorato, nonché per stimolare la nascita di nuove collaborazioni e l'esplorazione di ulteriori opportunità di ricerca.
Attività formative, non incluse nella didattica programmata di cui ai punti precedenti, di docenti con affiliazione estera e/o di studiosi ed esperti sia italiani che stranieri provenienti da enti di ricerca, aziende e da istituzioni culturali e sociali

Elenco delle attività formative previste per i dottorandi del secondo anno
Crafting Tech: Conceiving, Designing, and Communicating Tech Ideas
data presunta: Luglio 2024 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 24
docente del corso: Daniele Quercia qualifica: Studioso o esperto di aziende o istituzioni culturali o sociali affiliazione: Estera
programma delle attività: This course empowers you with the essential tools to conceive innovative business or scientific ideas for emerging technologies, teaching you how to articulate and present them persuasively. Moreover, you will assess the ethical implications and societal impact of your proposed ideas, ensuring a comprehensive understanding of the responsible deployment of emerging technologies. The hands-on practical activities culminate in producing either a compelling Business Feasibility Study or a rigorous Scientific Paper.
modalità di accertamento finale: Esame alla fine del corso
Online Learning in Games and Markets
data presunta: Settembre 2024 - tipologia: riconducibile al progetto formativo - modalità di erogazione: Ex-cathedra - numero ore: 24
docente del corso: Nicolò Cesa Bianchi; Federico Fusco e Stefano Leonardi qualifica: Professore affiliazione: Italiana
programma delle attività: The PhD course 'Online Learning in Games and Markets' explores the intersection between game theory, economics, and machine learning, with a particular emphasis on online learning. This emerging field focuses on studying and analyzing how intelligent agents can learn and make optimal decisions in dynamic and often uncertain environments, such as financial markets or online trading platforms.
modalità di accertamento finale: Esame alla fine del corso

Eventuali maggiori informazioni piano form. 2° Gli studenti seguiranno due corsi di dottorato nel II anno di corso. I due corsi potranno essere eventualmente sostituiti
da scuole internazionali di dottorato o altre attività formative a livello di dottorato se impegnato in un periodo di ricerca
all'estero. Il Dottorando seguirà anche le attività seminariali organizzate dal Dottorato di Ricerca.
Modalità delle verifiche per l'ammissione all'anno successivo Entro il mese di Aprile del 2° anno, il dottorando deve presentare le linee generali del progetto di tesi contenente i seguenti
punti: definizione dell’ambito di ricerca, lineamenti delle principali problematiche emergenti dalla letteratura, tipologia della
tesi, obiettivi del lavoro con possibili linee di approfondimento.
Entro il 20 Ottobre del 2° anno presenterà una relazione sull'attività svolta, sulla base della quale il Collegio esprime un
giudizio di merito e concede (o meno) l'ammissione all'anno successivo. Deve altresì svolgere un seminario conoscitivo sullo stato di
avanzamento del lavoro di ricerca ed avere conseguito e sugli obbiettivi di ricerca da perseguire nel terzo anno di dottorato.
Deve inoltre avere acquisito 6 CFU attraverso la frequentazione di due corsi di dottorato o scuole internazionali.
Momenti di presentazione, di scambio e di discussione dei risultati di ricerca da parte dei dottorandi Si prevede l'organizzazione, con cadenza mensile o bimestrale, di incontri di discussione collettiva dedicati ai lavori di ricerca in corso, ai risultati conseguiti e ai potenziali sviluppi futuri di tali attività. Questi appuntamenti rappresenteranno un'occasione cruciale per promuovere lo scambio di competenze ed esperienze tra gli studenti del corso di dottorato, nonché per stimolare la nascita di nuove collaborazioni e l'esplorazione di ulteriori opportunità di ricerca.
Attività formative, non incluse nella didattica programmata di cui ai punti precedenti, di docenti con affiliazione estera e/o di studiosi ed esperti sia italiani che stranieri provenienti da enti di ricerca, aziende e da istituzioni culturali e sociali

Nessun corso indicato.

Eventuali maggiori informazioni piano form. 3° Le attività seminariali incluse nell'offerta formativa del Dottorato verranno definite nel corso dell'anno.
Modalità di ammissione all'esame finale L'esame finale dovrebbe essere completato entro il 28 febbraio dell'anno successivo a quello in cui cade la fine del terzo anno.
Segue una possibile scansione delle scadenze rilevanti per lo svolgimento del progetto finale di tesi di dottorato.
Entro luglio del terzo anno, per ogni studente, il Collegio dei Docenti proporrà i nomi di due revisori esterni italiani o stranieri.
Entro il 31 ottobre Lo studente preparerà una prima versione della tesi in inglese, e la invierà a ciascun ciascun revisore esterno, al
coordinatore e al proprio tutore. Questa versione della tesi è quella che verrà valutata dai revisori esterni.
Entro il 15 novembre le relazioni dei revisori esterni devono raggiungere il coordinatore.
Entro la metà di dicembre, nel caso in cui i revisori ritengano che la tesi non sia adeguata per una difesa finale, possono assegnare
fino a 6 mesi aggiuntivi allo studente per rivederla. Dopo questo periodo, lo studente presenterà nuovamente la tesi per una nuova
valutazione da parte di revisori esterni. In questo caso, la difesa finale sarà spostata in avanti in base ai mesi aggiuntivi consentiti
allo studente per la revisione della tesi.
La consegna e la valutazione della versione finale della tesi avverrà entro il 15 gennaio dell'anno successivo al terzo anno di
dottorato.

Lo studente presenta la Tesi in un seminario a una commissione interna nominata dal Collegio dei Docenti. L'ammissione all'esame
finale viene decisa dal Collegio dei docenti, sulla base delle relazioni dei Revisori esterni, del tutore e dell'eventuale co-tutore
interno o esterno al Collegio dei Docenti.
Modalità di svolgimento dell'esame finale Entro il 28 febbraio, lo studente sarà tenuto a presentare e discutere la tesi di fronte alla Commissione di Dottorato di Ricerca,
formato da Docenti degli SSD del Dottorato di Ricerca in Data Science attivi nella ricerca nel campo della Data Science, che ha il
potere di rilasciare il titolo di Dottore in Ricerca. Entro questa data gli studenti devono anche presentare la versione finale della tesi,
in cui incorporano le modifiche suggerite dai revisori o dalla commissione interna.
Momenti di presentazione, di scambio e di discussione dei risultati di ricerca da parte dei dottorandi Si prevede l'organizzazione, con cadenza mensile o bimestrale, di incontri di discussione collettiva dedicati ai lavori di ricerca in corso, ai risultati conseguiti e ai potenziali sviluppi futuri di tali attività. Questi appuntamenti rappresenteranno un'occasione cruciale per promuovere lo scambio di competenze ed esperienze tra gli studenti del corso di dottorato, nonché per stimolare la nascita di nuove collaborazioni e l'esplorazione di ulteriori opportunità di ricerca.
Attività formative, non incluse nella didattica programmata di cui ai punti precedenti, di docenti con affiliazione estera e/o di studiosi ed esperti sia italiani che stranieri provenienti da enti di ricerca, aziende e da istituzioni culturali e sociali

© Università degli Studi di Roma "La Sapienza" - Piazzale Aldo Moro 5, 00185 Roma