Concorso di ammissione 39° ciclo

Bando ordinario (scaduto il 22/06/2023)


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
1 1 1 0

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

Tipologia 5: Sapienza Senza borsa
2 3

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

DM118 P.A. - non associata a curriculum

- 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

DM118 GENERICHE - non associata a curriculum

- 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

DM118 TRANSIZIONE - non associata a curriculum

- 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

DM117 - non associata a curriculum

- 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.

DM117 - non associata a curriculum

- 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.

ENTI TERZI - non associata a curriculum

- 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.

ENTI TERZI - non associata a curriculum

- 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

ENTI TERZI - non associata a curriculum

- non indicata
Ente finanziatore: AMAZON
Competenze richieste: nessuna competenza specifica richiesta

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 una presentazione
con slides della 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 30 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 INGLESE


Informazioni e recapiti Email: dottoratods@diag.uniroma1.it Web: https://phd.uniroma1.it/web/DATA-SCIENCE_nD3565_IT.aspx

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
8000 caratteri, spazi inclusi, riferimenti bibliografici esclusi., da caricare entro 22/06/2023 ore 14:00 (ora italiana)

§ prima lettera di presentazione (a cura di un docente)
non obbligatorio, la lettera dovrà essere caricata dal docente sull'apposita piattaforma entro il 30/06/2023 ore 14:00 (ora italiana)

§ seconda lettera di presentazione (a cura di un docente)
non obbligatorio, la lettera dovrà essere caricata dal docente sull'apposita piattaforma entro il 30/06/2023 ore 14:00 (ora italiana)

§ Curriculum Vitae et Studiorum
obbligatorio, da caricare entro 22/06/2023 ore 14:00 (ora italiana)

Competenza linguistica richiesta ai candidati

Il candidato dovrà obbligatoriamente conoscere le seguenti lingue:
INGLESE

Diario delle prove concorsuali

Valutazione titoli
giorno03/07/2023
notenon indicato
pubblicazione sull'alboNO
pubblicazione sul sito internetSI
indirizzo del sitohttps://phd.uniroma1.it/web/DATA-SCIENCE_nD3565.aspx
giorno della pubblicazione04/07/2023
info e recapitidottoratods@diag.uniroma1.it

Prova orale
giorno06/07/2023
noteLe prove continueranno il giorno successivo alle ore 09:00 ove necessario. Il Diario delle prove orali sarà pubblicato il 04/07/2023
ora09:00
aulaB101 - Dipartimento di Ingegneria Informatica, Automatica, e Gestionale
indirizzoVia Ariosto 25, 00152, Roma
pubblicazione sull'alboNO
pubblicazione sul sito internetSI
indirizzo del sitohttps://phd.uniroma1.it/web/DATA-SCIENCE_nD3565.aspx
giorno della pubblicazione10/07/2023
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