Concorso di ammissione 38° ciclo


Obiettivi formativi del dottorato

La Data Science è un campo di studi interdisciplinare che si è affermato negli ultimi anni al fine di offrire gli strumenti metodologici e le tecnologie utili per la gestione e l’analisi dei big data e la loro valorizzazione nell’industria, nei servizi, e nella ricerca. Il fenomeno dei big data ha rivoluzionato innumerevoli settori di attività economico-sociale ed ha modificato profondamente le metodologie di ricerca e le tecnologie in numerose discipline scientifiche ed applicazioni di grande impatto economico e sociale. L'obiettivo principale del Dottorato di Ricerca in Data Science è quindi lo sviluppo di progetti di ricerca sugli aspetti metodologici fondamentali della Data Science (machine learning, analisi statistica e computazionale dei dati, gestione dei big data) e sull'utilizzo dei big data nei seguenti campi di applicazione:

i) Piattaforme digitali avanzate,
ii) Gestione degli spazi urbani e delle risorse ambientali
iii) Medicina e salute
iv) Analisi Economica e Sociale.

La Data Science riceve il contributo determinante dell’informatica, della Statistica, dell’ingegneria, della matematica applicata, e delle discipline accademiche che aiutano a comprendere l’impatto dei big data nelle applicazioni. Sia le discipline ore della Data Science che le discipline relative ai campi di applicazione sono estesamente rappresentate nei Settori Scientifici Disciplinari che compongono il Collegio dei Docenti.

Specifiche economiche

Tipologia 1: DM118
Transizione digitale Generiche Pubblica Amministrazione Patrimonio culturale

Tipologia 2: DM117 Tipologia 3: PE/PNC/CN/TP Tipologia 4:Enti terzi
PE/PNC CN/TP
5 0 4

Tipologia 5: Sapienza Senza borsa
3 2

Tematiche, curriculum e competenze specifiche
Themes, curriculum and specific competence

PNRR351 TECHNOPOLE - non associata a curriculum

- Roma Technopole - Digital Transition, FP2 - Energy transition and digital transition in urban regeneration and construction
Competenze richieste: nessuna competenza specifica richiesta
- Roma Technopole - Digital Transition, FP2 - Energy transition and digital transition in urban regeneration and construction
Required skills: no specific skill required

PNRR352 - non associata a curriculum

- Machine learning e manutenzione predittiva per soluzioni sulla mobilità del futuro
Competenze richieste: nessuna competenza specifica richiesta
- Machine learning and predictive maintenance for mobility solutions of the future
Required skills: no specific skill required

PNRR352 - non associata a curriculum

- Sensor fusion per la mobilità del futuro: applicazioni automobilistiche dell' Intelligenza artificiale per veicoli e infrastrutture stradali
Competenze richieste: nessuna competenza specifica richiesta
- Sensors fusion for the mobility of the future: automotive application of Artificial Intelligence for vehicle and road infrastructure
Required skills: no specific skill required

PNRR352 - non associata a curriculum

- Metodi e rappresentazioni in Graph Machine Learning ed elaborazione del linguaggio naturale per applicazioni biomediche
Competenze richieste: nessuna competenza specifica richiesta
- Methods and Representations in Graph Machine Learning and Natural Language Processing for Biomedical Applications
Required skills: no specific skill required

PNRR352 - non associata a curriculum

- Elaborazione ottimale dei dati per applicazioni di osservazione della Terra da sensori iperspettrali
Competenze richieste: nessuna competenza specifica richiesta
- Optimal Data Processing for Earth Observation Applications from Hyperspectral Sensors
Required skills: no specific skill required

PNRR352 - non associata a curriculum

- Apprendimento dai dati di modelli ad agenti per l’evoluzione della dinamica delle opinioni
Competenze richieste: nessuna competenza specifica richiesta
- Learning Agent-Based Models of Opinion Dynamics from Data
Required skills: no specific skill required

INFRASTRUTTURE - non associata a curriculum

- Fairness, Bias, and Explainability of ML systems
Ente finanziatore: SoBigData
Competenze richieste: nessuna competenza specifica richiesta
- Fairness, Bias, and Explainability of ML systems
Funded by: SoBigData
Required skills: no specific skill required

INFRASTRUTTURE - non associata a curriculum

- Explainability in Graph Neural Networks
Ente finanziatore: SoBigData
Competenze richieste: nessuna competenza specifica richiesta

ENTI TERZI - non associata a curriculum

- Robustezza di algoritmi di deep learning ad attacchi adversarial e corruzioni nonlineari
Ente finanziatore: LEONARDO Spa
Competenze richieste: nessuna competenza specifica richiesta
- Deep learning Robustness to adversarial samples and nonlinear corruptions
Funded by: LEONARDO Spa
Required skills: no specific skill required

ENTI TERZI - non associata a curriculum

- Geometric Deep Learning per la Comprensione dei Terremoti
Ente finanziatore: ISTITUTO NAZIONALE DI GEOFISICA E VULCANOLOGIA
Competenze richieste: nessuna competenza specifica richiesta
- Geometric Deep Learning for Understanding Earthquakes
Funded by: ISTITUTO NAZIONALE DI GEOFISICA E VULCANOLOGIA
Required skills: no specific skill required

ENTI TERZI - non associata a curriculum

- Modellazione dell'accoppiamento litofera-atmosfera-ionosfera con tecniche di ML
Ente finanziatore: ISTITUTO NAZIONALE DI GEOFISICA E VULCANOLOGIA
Competenze richieste: nessuna competenza specifica richiesta
- ML based modelling of the lithosphere-atmosphere-ionosphere coupling
Funded by: ISTITUTO NAZIONALE DI GEOFISICA E VULCANOLOGIA
Required skills: no specific skill required

Il candidato sceglierà una tematica in fase di presentazione della candidatura on line


Procedura concorsuale

Valutazione titoli La commissione di ammissione assegna
a ciascun candidato un punteggio
massimo di 60 punti. I punteggi sono
assegnati in base ai criteri di valutazione
definiti dal Collegio dei Docenti del
Dottorato in Data Science riportati di
seguito:
- fino a 30 punti per la valutazione del
curriculum (compresa la carriera
accademica e ogni altro titolo), le lettere
di raccomandazioni a sostegno del
candidato e le pubblicazioni presentate
dal
candidato;
- fino a 30 punti per la proposta di
ricerca presentata dal candidato. In
particolare, la
commissione valuta la descrizione dello
stato dell'arte, l'originalità e la natura
innovativa della proposta, la chiarezza e
la completezza degli obiettivi, le
metodologie e i risultati
potenziali, la rilevanza della proposta
rispetto ai temi e gli obiettivi del
dottorato programma. I candidati che
ottengono un punteggio minimo di 36/60
nella valutazione delle qualifiche e della
proposta di ricerca sono invitati per un
colloquio.

Prova orale Il Comitato di ammissione assegna un
massimo di 60 punti a ciascun
candidato ammesso al colloquio. Un
punteggio di almeno 36 è richiesto
perl'ammissione. L'intervista è in inglese
e
ha lo scopo di valutare le conoscenze,
le capacità e l'attitudine dei candidati a
svolgere attività di ricerca nelle aree
scientifiche della Data Science. La
prova orale include anche una
discussione sulla proposta di ricerca
preparata dal candidato e sulle
motivazioni personali per la richiesta di
una posizione di dottorato. La durata
dell'intervista è al massimo di 45 minuti
(la presentazione della proposta di
ricerca da parte del candidato non deve
superare i 15 minuti). Il punteggio
complessivo minimo per l'ammissione al
dottorato in Data Science è 72/120.
lingua ITALIANO


Informazioni e recapiti Email: dottoratods@diag.uniroma1.it. Referente Dottorato presso il Dipartimento di Ingegneria Informatica, Automatica, e Gestionale Antonio Ruberti: Stefano Leonardi: 06 77274022 Sito Web: https://phd.uniroma1.it/web/DATA-SCIENCE_nD3565_IT.aspx
Eventuali ulteriori informazioni Lo scopo dell'esame di ammissione è di stabilire le capacità del
candidato di lavorare nell'area della Data Science relativa al progetto
di ricerca da lui presentato e le motivazioni per intraprendere il
percorso di dottorato.

Curriculum studiorum

data e voto di laurea (obbligatorio)
elenco degli esami sostenuti per la laurea MAGISTRALE e relative votazioni (obbligatorio)
elenco degli esami sostenuti per la laurea TRIENNALE e relative votazioni
data e voto della laurea TRIENNALE
elenco cronologico di Borse di studio, Assegni di ricerca (et similia) percepiti
Diplomi/certificati di conoscenza lingue estere
Diplomi/attestati di partecipazione di corsi universitari post-lauream
Attestati di partecipazione a gruppi di ricerca
Attestati di partecipazione a stage
Altri riconoscimenti (p. es.: premiazione in concorsi, seconda laurea)
Conoscenze informatiche

Ulteriore documentazione richiesta ai candidati

§ progetto di ricerca (research project)
obbligatorio
Il progetto non dovrà superare la lunghezza massima di
8000 caratteri (spazi inclusi).
, da caricare entro 25/08/2022

§ prima lettera di presentazione (a cura di un docente)
non obbligatorio, la lettera dovrà essere caricata dal docente sull'apposita piattaforma entro il 05/09/2022 ore 14.00

§ seconda lettera di presentazione (a cura di un docente)
non obbligatorio, la lettera dovrà essere caricata dal docente sull'apposita piattaforma entro il 05/09/2022 ore 14.00

§ lettera di motivazione (a cura del candidato) motivation letter (by the candidate)
non obbligatorio, da caricare entro 25/08/2022

§ Curriculum Vitae et Studiorum
obbligatorio
Al più due pagine , da caricare entro 25/08/2022

Competenza linguistica richiesta ai candidati

Il candidato dovrà obbligatoriamente conoscere le seguenti lingue:
INGLESE

Diario delle prove concorsuali

Valutazione titoli
giorno06/09/2022
notenon indicato
pubblicazione sull'alboNO
pubblicazione sul sito internetSI
indirizzo del sitohttps://phd.uniroma1.it/web/DATA-SCIENCE_nD3565.aspx
giorno della pubblicazione07/09/2022
info e recapitidottoratods@diag.uniroma1.it

Prova orale
giorno08/09/2022
noteLe prove continueranno il giorno successivo in Aula B203 ove necessario
ora14:00
aulaB222 oppure B203
indirizzoVia Ariosto 25, 00185 Roma, II piano
pubblicazione sull'alboNO
pubblicazione sul sito internetSI
indirizzo del sitohttps://phd.uniroma1.it/web/DATA-SCIENCE_nD3565.aspx
giorno della pubblicazione12/09/2022
info e recapitidottoratods@diag.uniroma1.it

Griglia di valutazione

file:visualizza il file
file (eng):visualizza il file (eng)

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