Dottorato in informatica
Dottorato
A.A. 2023/2024
Area
Tecnico scientifica
Coordinatore di Dottorato
Il dottorato di ricerca in Informatica ha l'obiettivo di fornire ai dottorandi conoscenze scientifiche, metodologiche e tecnologiche avanzate proprie del settore scientifico-disciplinare dell'Informatica, di quelli affini e delle relative applicazioni. Queste conoscenze sono finalizzate alla formazione e all'avviamento alla ricerca teorica e applicata, con attenzione agli aspetti di interdisciplinarietà e internazionalizzazione, con ampia capacità di indagine e autonomia scientifica e culturale che consentano di produrre risultati originali e significativi per la comunità scientifica internazionale e per le aziende.
Il dottorato di ricerca in Informatica mira a conseguire:
- Una solida conoscenza ad ampio spettro sui fondamenti delle scienze, delle metodologie e delle tecnologie dell'informazione e affini,
- Avanzate e approfondite competenze su specifici aspetti disciplinari,
- Conoscenze inter-disciplinari per sfruttare sinergie culturali e metodologiche,
- Una solida preparazione metodologica allo svolgimento della ricerca nonché alla sua organizzazione, gestione, e diffusione,
- Opportunità di formazione a livello internazionale,
- Una migliore qualificazione dei dottori di ricerca e del loro inserimento professionale nella ricerca accademica e nelle aziende.
Il corso di dottorato è erogato interamente in lingua inglese.
Il dottorato di ricerca in Informatica mira a conseguire:
- Una solida conoscenza ad ampio spettro sui fondamenti delle scienze, delle metodologie e delle tecnologie dell'informazione e affini,
- Avanzate e approfondite competenze su specifici aspetti disciplinari,
- Conoscenze inter-disciplinari per sfruttare sinergie culturali e metodologiche,
- Una solida preparazione metodologica allo svolgimento della ricerca nonché alla sua organizzazione, gestione, e diffusione,
- Opportunità di formazione a livello internazionale,
- Una migliore qualificazione dei dottori di ricerca e del loro inserimento professionale nella ricerca accademica e nelle aziende.
Il corso di dottorato è erogato interamente in lingua inglese.
Tutte le classi di laurea magistrale - All classes of master's degree
Dipartimento di Informatica "Giovanni degli Antoni" - Via Celoria, 18 - Milano
- Sede amministrativa
Dipartimento di Informatica "Giovanni degli Antoni" - Via Celoria, 18 - Milano - Coordinatore del corso: prof. Roberto Sassi
[email protected] - Sito web del corso
http://www.di.unimi.it/ecm/home/didattica/dottorato/
| Titolo | Docente/i |
|---|---|
| Verifiche non funzionali basate su intenti in contesti di Continuum Cloud Edge
Requisiti: Conoscenza delle principali tecniche di verifica, monitoraggio e testing non funzionale. Conoscenza delle architetture Cloud e Edge. |
|
| Certificazione e valutazione del rischio di modelli Machine Learning/Intelligenza Artificiale.
Requisiti: Conoscenza delle principali tecniche di machine learning e intelligenza artificiale. Conoscenza delle principali tecniche di assurance e gestione del rischio. |
|
| Sintesi e rendering 3D del suono per Realtà Virtuale e Aumentata
Requisiti: Conoscenza nell' elaborazione numerica dei segnali; Programmazione audio |
|
| Sviluppo e validazione di interfacce musicali accessibili
Requisiti: Conoscenza della programmazione audio e MIDI; metodi sperimentali in HCI |
|
| Tecniche interpretabili di AI per il riconoscimento di comportamenti umani in ambienti sensorizzati | |
| Riconoscimento di comportamenti anomali in smart-home con applicazioni alla sanità digitale | |
| Metodi basati su IA per il planning autonomo con agenti e robot mobili.
Requisiti: Fondamenti di algoritmi, ottimizzazione e machine learning |
|
| Centralità e simmetrie di ipergrafi | |
| E-Health: integrazione di domotica, robot di servizi, exer-games, comunità virtuali e web-services mediante sistemi intelligenti e intelligenza emotiva per il supporto delle persone pre-fragili a casa. | |
| Sviluppo di reti neurali profonde basate su strati convolutivi per l’apprendimento con rinforzo: estrazioni di pattern di stato-azione a partire da applicazioni in domini diversi. | |
| Approcci innovativi sui serious games applicati al trattamento dei bambini con disabilità, basati sull'integrazione di intelligenza emotiva, game design e machine learning | |
| AI per la modellazione di dinamiche ambientali cicliche per utilizzi a lungo termine di robot di servizio mobili e autonomi. | |
| Confidential Computing | |
| Metodi di AI per l'integrazione di dati clinici, biologici, multi-omici
Requisiti: Solide basi matematiche, machine learning |
|
| LSP e DAP universali per language workbench modulari
Requisiti: Buone conoscenze di problem solving e programmazione |
|
| Graph-based Process Mining
Requisiti: Nozioni di base di Process Mining e Programmazione |
|
| Progetto e analisi di algoritmi adattivi per decisioni sequenziali
Requisiti: Fondamenti di apprendimento automatico. Progetto e analisi di algoritmi. |
|
| Progetto e analisi di algoritmi per apprendimento attivo e semi-supervisionato
Requisiti: Fondamenti di apprendimento automatico. Progetto e analisi di algoritmi |
|
| Large Scale Prescriptive Analytics: risolvere problemi di ottimizzazione in contesti reali dove dati di larga scala, dinamici ed eterogenei rendono le tecniche classiche inutilizzabili
Requisiti: Modellazione matematica, ricerca operativa, statistica, simulazione, progettazione ed analisi sperimentale di algoritmi |
|
| Modellazione delle proprietà di sicurezza e delle applicazioni per distributed ledger | |
| Studio ed analisi di tecniche di malware detection che preservano la privacy e federated learning | |
| Sintesi logica approssimata e applicazione alle nuove tecnologie | |
| Sintesi logica per circuiti quantistici | |
| Algoritmi per problemi di Ottimizzazione Combinatoria applicati a decisioni complesse
Requisiti: Conoscenze di algoritmi e strutture dati, Ricerca Operativa, Programmazione C |
|
| Algoritmi di ottimizzazione discreta per applicazioni industriali
Requisiti: Conoscenze di algoritmi e strutture dati, Ricerca Operativa, Programmazione C |
|
| Gestione intelligente di orchestrazioni di servizi dinamiche in reti moderne
Requisiti: Conoscenza delle principali tecniche di deployment di servizi containerizzati. Conoscenza delle infrastrutture e dei servizi cloud-edge e 5G. |
|
| Mobility data science | |
| Sicurezza e privatezza dei dati in scenari emergenti | |
| Sistemi di riconoscimento biometrico scarsamente vincolati | |
| Sicurezza e privatezza nei sistemi biometrici | |
| Metodi di deep learning per l’estrazione di conoscenza da fonti dati non strutturate.
Requisiti: Buona conoscenza dei fondamenti dell’apprendimento automatico, NLP e deep learning, programmazione in Python |
|
| Modelli linguistici multimodali per la pragmatica del linguaggio, interpretabilità e inferenza causale
Requisiti: Buona conoscenza dei fondamenti dell’apprendimento automatico, NLP e deep learning, programmazione in Python |
|
| Esecuzione collaborativa e controllata di interrogazioni in sistemi distribuiti | |
| Metodi di apprendimento semi-supervisionato basati su reti di Hopfield parametriche per problemi di classificazione con dati sbilanciati | |
| Architetture cloud ibride orientate alla grafica
Requisiti: Competenze in cloud computing, grafica |
|
| Apprendimento non supervisionato per intelligenza artificiale: addestramento di modelli senza usare ground truth | |
| Monitoraggio scarsamente vincolato nell'Industria 4.0 tramite tecniche di elaborazione di segnali, immagini, intelligenza artificiale e machine learning | |
| Intelligenza Computazionale e applicazioni
Requisiti: Competenze in Modellizzazione Probabilistica e Analisi Dati. Conoscenza di base dell'Apprendimento Computazionale. Buona familiarità con Python. |
G. Gianini
|
| Segnali multimodali per la computazione affettiva e percettiva
Requisiti: Competenze in elaborazione dei segnali, apprendimento automatico, computazione affettiva |
|
| Visione artificiale e modelli di apprendimento per l’analisi del comportamento umano
Requisiti: Conoscenze visione Artificiale, Intelligenza Artificiale |
|
| Malware Analysis | |
| Protezione Software | |
| L‘ impatto dei generatori di codice ad architettura GPT sulla didattica della programmazione | |
| Tecnologie informatiche per la didattica della musica
Requisiti: Conoscenze informatiche di base (programmazione, basi di dati, ecc.) e conoscenze musicali di base (teoria musicale, armonia) |
|
| Tecnologie digitali assistive per la musica
Requisiti: Conoscenze informatiche di base (programmazione, basi di dati, ecc.) e conoscenze musicali di base (teoria musicale, armonia) |
|
| Streaming di ambienti 3D virtuali interattivi
Requisiti: Competenze in reti, grafica, realtà virtuale |
|
| Architetture distribuite per l'entertainment
Requisiti: Competenze in reti, sistemi distribuiti |
|
| Data driven mathematical programming: integrare mathematical programming, machine learning e metodi probabilistici.
Requisiti: Conoscenza di programmazione matematica, statistica, machine learning, progettazione ed analisi sperimentale di algoritmi. |
|
| Modelli e tecniche per l'apprendimento di strutture dati succinte | |
| Modelli e metodi per l'apprendimento automatico di insiemi fuzzy.
Requisiti: Conoscenza di machine learning, statistica. |
|
| Tecnologie assistive per dispositivi mobili | |
| Applicazioni del data management e dell'intelligenza artificiale in medicina | |
| Costruzione e analisi di grafi semantici per applicazioni biomediche
Requisiti: Conoscenza di sistemi di gestione dati basati a grafo, buone conoscenze di tecniche di Machine Learning, buone capacità di programmazione in Python |
|
| Verifica e convalida della teoria dei linguaggi di programmazione
Requisiti: Conoscenza di logica, programmazione funzionale |
|
| Identificare e superare le difficoltà nell'imparare a programmare | |
| Data Science per le Scienze Sociali e Umanistiche
Requisiti: Solido background in informatica, con particolare riferimento a machine learning e gestione dei dati. |
|
| Deep learning per l'elaborazione di segnali audio e musicali
Requisiti: Statistiche avanzate, machine learning, python |
|
| Cloud/Fog/Edge Computing affidabili e sostenibili: Intelligenza Artificiale per allocazione di risorse e task per prestazioni, consumo energetico, tolleranza ai guasti e resilienza. | |
| Sistemi intelligenti per applicazioni industriali e ambientali basati su architetture IoT e intelligenza artificiale | |
| Metodi formali per sistemi sicuri
Requisiti: Competenze in metodi formali e logiche temporali. Competenze di sicurezza dei sistemi |
|
| Metodi formali in Digital Twin
Requisiti: Competenze in metodi formali e logiche temporali |
|
| Algoritmi di ottimizzazione combinatoria
Requisiti: Ricerca operativa, algoritmi e strutture-dati |
|
| Valutazione dinamica e non intrusiva dell’impatto emozionale indotto dai contenuti di ambienti virtuali interattivi per consentirne l’evoluzione in tempo reale al fine di adattarli al singolo utente.
Requisiti: Buona conoscenza di game design, game programming, realtà virtuale e intelligenza artificiale per video giochi |
|
| Progettazione di algoritmi di intelligenza artificiale basati su grafi per l’analisi di segnali e immagini biomedicali
Requisiti: Si consigliano competenze di intelligenza artificiale e teoria dei grafi |
|
| Un modello innovativo del daltonismo | |
| Gestione ed elaborazione sicura e privata di dati distribuiti ad elevata efficienza energetica | |
| Analisi di segnali biomedicali a supporto di una digital health centrata sul paziente | |
| Progettazione di algoritmi di analisi del segnale elettrocardiografico per l'estrazione di digital biomarker
Requisiti: Si consigliano competenze di analisi del segnale e di intelligenza artificiale |
|
| Ambienti intelligenti: analisi dei dati e apprendimento automatico per ambienti autoadattativi | |
| Deep learning: apprendimento ed explainability | |
| Strutture dati scalabili per modelli 3D ad alto dettaglio
Requisiti: Esperienze in Geometry processing, e/o computer graphics. Competenza in programmazione / GPU programming è un titolo di preferenza |
|
| Intelligenza Artificiale per la Sanità
Requisiti: Si consigliano competenze di Machine Learning e Deep Learning |
|
| Algoritmi per processi evolutivi biologici
Requisiti: Capacità di programmazione e analisi di algoritmi |
|
| Algoritmi di AI applicati all'analisi di dati in Terapia Intensiva
Requisiti: Basi di machine learning e deep learning |
|
| Metodi di Deep Learning per la Medicina Genomica | |
| La sicurezza delle primitive crittografiche
Requisiti: Competenze gradite: algebra e conoscenze crittografiche |
|
| Tecniche di elaborazione computazionale nei moderni sistemi crittografici
Requisiti: Competenze gradite: algebra e conoscenze crittografiche |
|
| Machine learning su grafo per blockchain networks
Requisiti: Conoscenza di base di machine learning applicato ai grafi e di tecnologie basate su blockchain |
|
| Sviluppo di modelli computazionali per la costruzione e analisi di “knowledge graphs” in ambito oncologico (ex DM 117/2023)
Requisiti: analisi di dati biomedici, conoscenze basilari di algoritmi di data fusion, conoscenze basilari nel campo dell'immunologia |
|
| Sviluppo di sistemi per il riconoscimento automatico di reperi facciali antropometrici in telemedicina (ex DM 117/2023)
Requisiti: Development of systems for the automatic recognition of anthropometric facial landmarks in telemedicine |
|
| Sviluppo di modelli di apprendimento basato su reti neuronali per lo studio del comportamento umano e processi cognitivi (ex DM 117/2023)
Requisiti: Buone conoscenze di matematica e statistica, conoscenza e pratica nelll'uso di modelli per l'apprendimento automatico (deep learning), computer vision. |
|
| Intelligenza Artificiale per la modellazione di conoscenza e la trasformazione digitale nell'ambito delle scienze umanistiche e sociali (ex DM 118/2023)
Requisiti: Solido background in informatica, con particolare riferimento a machine learning e gestione dei dati. |
|
| Valutazione dell'efficacia dei metodi di analisi dinamica e statica nel rilevare malware avanzati che sfruttano le nuove tecnologie hardware emergenti
Requisiti: Conoscenza dei fundamental cybersecurity, skill tecnici programmativi, attitudine al lavoro in team. |
|
| Metodi e tecnologie informatiche per la trasparenza nella Pubblica Amministrazione (ex DM 118/2023)
Requisiti: Skill di programmazione e attitudine al lavoro di gruppo |
Elenco insegnamenti
dicembre 2023
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Advanced topics in signal processing | 2 | 10 | Inglese | |
| Data visualization | 2 | 10 | Inglese | |
gennaio 2024
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Mateuristiche per problemi di ottimizzazione combinatoria (Modulo 1) | 2 | 10 | Italiano | |
| Methods for statistical model fitting | 2 | 10 | Inglese | |
| Sequential decision-making with applications to digital markets | 2 | 10 | Inglese | |
febbraio 2024
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Artificial intelligence for network medicine | 4 | 20 | Inglese | |
| Deep learning in bioinformatics | 4 | 21 | Inglese | |
| Leveraging machine learning in process mining | Gianini Gabriele
|
2 | 10 | Inglese |
| Mateuristiche per problemi di ottimizzazione combinatoria (Modulo 2) | 2 | 10 | Inglese | |
marzo 2024
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Advanced artificial intelligence models and methods | 2 | 10 | Inglese | |
| Architetture e tecnologie di data warehouse: soluzioni e questioni ancora aperte | 4 | 16 | Inglese | |
| Network design (modeling, analysis and optimization of networks part 2) | 2 | 10 | Inglese | |
giugno 2024
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Autonomous mobile robotics and embodied agents | 2 | 10 | Inglese | |
| Data security and privacy in emerging scenarios | 2 | 10 | Inglese | |
| Efficacy and efficiency evaluation of machine learning models | 3 | 15 | Inglese | |
luglio 2024
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Resources allocation in mobile edge computing | 2 | 10 | Inglese | |
Immatricolazione
Posti disponibili: 14
Bando di ammissione
Consulta il bando per scoprire le date e i contenuti del test e tutte le informazioni su come iscriverti.
Sessione: 1
Domanda di ammissione: dal 06/04/2023 al 05/05/2023
Domanda di immatricolazione: dal 06/06/2023 al 12/06/2023
Allegati e documenti
Sessione: 2
Domanda di ammissione: dal 27/06/2023 al 26/07/2023
Domanda di immatricolazione: dal 25/09/2023 al 07/10/2023
Allegati e documenti
Seguire il percorso di dottorato
Contatti e aiuto
Gli uffici che forniscono assistenza ai dottorandi e agli enti finanziatori.