Dottorato in informatica
Dottorato
A.A. 2024/2025
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 |
|---|---|
| Certificazione di modelli Machine Learning/Intelligenza Artificiale.
Requisiti: Conoscenza delle principali tecniche di machine learning and intelligenza artificiale. Conoscenza delle principali tecniche di assurance. Conoscenza delle principali regolamentazioni su AI (es. AI Act). |
|
| Tecniche di data governance innnovative per ambienti Big Data e AI
Requisiti: Conoscenza delle principali architetture e tecnologie big data e intelligenza artificiale. Conoscenza delle principali soluzioni di data governance per architetture big data. Conoscenza dell'architettura big data Apache. |
|
| Certificazione di Sicurezza per sistemi edge IoT
Requisiti: Conoscenza delle principali tecniche di certificazione e assurance. Conoscenza delle architetture e dei sistemi edge IoT. |
|
| Verifiche non funzionali su sistemi di continuum edge-cloud basati su 5G
Requisiti: Conoscenza delle principali tecniche di verifica e monitoraggio e testing non funzionale. Conoscenza delle architetture di telecomunicazione mobile e dei paradigmi Cloud e Edge. |
|
| Sintesi e rendering del suono per l'interazione
Requisiti: Elaborazione numerica dei segnali; Programmazione audio |
|
| Sviluppo e validazione di interfacce musicali accessibili
Requisiti: Programmazione audio e MIDI; metodi sperimentali in HCI |
|
| Metodi basati su IA per il planning autonomo con agenti e robot mobili.
Requisiti: Fondamenti di algoritmi, ottimizzazione e machine learning |
|
| Tecniche interpretabili di AI per il riconoscimento di comportamenti umani in ambienti sensorizzati
Requisiti: Fondamenti di Machine Learning, Programmazione Python |
|
| Riconoscimento di comportamenti anomali in smart-home con applicazioni alla sanità digitale
Requisiti: Fondamenti di Machine Learning, Programmazione Python |
|
| Integrazione probabilistica di attenzione visiva e modelli di linguaggio
Requisiti: Conoscenze di base di statistica e analisi dei dati, apprendimento statistico, visione computazionale |
|
| Tecniche inferenziali per la contestualizzazione di modelli affettivi e modelli di linguaggio
Requisiti: Conoscenze di base di statistica, apprendimento statistico, computazione affettiva, elaborazione dei segnali (biologici, voce e video) |
|
| Centralità geometriche
Requisiti: Algoritmi; teoria dei grafi |
|
| Approcci innovativi sui serious games applicati al trattamento dei bambini con disabilità, basati sull'integrazione di intelligenza emotiva, game design e machine learning
Requisiti: Fondamenti di statistica |
|
| Modelli di personalità ed emozioni per agenti interattivi in ambienti di realtà virtuale
Requisiti: buona conoscenza di: - progettazione e sviluppo di applicazioni in ambito VR e gaming - C++ - tecniche e modelli di ML - Human-computer -interaction |
|
| Algoritmi efficienti per l'apprendimento automatico su grafi
Requisiti: Fondamenti di apprendimento automatico. Progetto e analisi di algoritmi. |
|
| Algoritmi per il campionamento e conteggio in ipergrafi massivi
Requisiti: Solide basi di teoria. Progetto ed analisi di algoritmi. |
|
| Sviluppo di metodi basati su grafi per l'integrazione, predizione e interpretazione di dati biomedici
Requisiti: Forti basi matematiche, machine learning, python, pytorch |
|
| Language Server Protocol e Debugger Adapter Protocol Universali per Language Workbench Modulari | |
| Modelli ad agenti guidati dai dati nella simulazione di processo
Requisiti: Conoscenze di base nell'ambito del Process Mining e del Agent-based modeling |
|
| 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 |
|
| Data driven mathematical programming: integrazione di programmazione matematica, machine learning e metodi probabilistici.
Requisiti: Programmazione matematica, statistica, machine learning, progettazione ed analisi sperimentale di algoritmi. |
|
| Tecniche di machine learning che preservano la privacy dei dati e applicazioni | |
| Tecniche di computazione sicura e applicazioni con blockchain | |
| Sintesi logica per le nuove tecnologie | |
| Verifica polinomiale di circuiti booleani | |
| Algoritmi per problemi di Ottimizzazione Combinatoria applicati a decisioni complesse
Requisiti: Algoritmi e strutture dati, Ricerca Operativa, Programmazione C |
|
| Algoritmi di ottimizzazione discreta per applicazioni industriali
Requisiti: Algoritmi e strutture dati, Ricerca Operativa, Programmazione C |
|
| Sicurezza e privatezza dei dati in scenari emergenti | |
| Sistemi di riconoscimento biometrico scarsamente vincolati | |
| Sicurezza e privatezza nei sistemi biometrici | |
| Studio di bias e problemi etici posti da NLP e visual transformers
Requisiti: Esperienza in intelligenza artificiale, elaborazione del linguaggio naturale e/o trasformatori visivi e, facoltativamente, in etica dei dati e discipline umanistiche |
|
| Esecuzione collaborativa e controllata di interrogazioni in scenari emergenti | |
| Metodi di apprendimento semi-supervisionato basati su reti di Hopfield parametriche per problemi di classificazione con dati sbilanciati | |
| Soluzioni per la scalabilità delle simulazioni con grandi popolazioni di agenti tramite tecniche di programmazione parallela (GPU) e/o distribuita
Requisiti: conoscenze avanzate di programmazione, preferibilmente CUDA e GPU |
|
| 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 | |
| L'intelligenza artificiale nell'assistenza sanitaria e nella medicina
Requisiti: AI, computer vision, signal processing |
|
| Ottimizzazioni non-convesse nell'apprendimento automatico
Requisiti: Algoritmi di ottimizzazione e elaborazione del segnale |
|
| point cloud 3-dimensionali: acquisizione, segmentazione e loro classificazione
Requisiti: Intelligenza Artificiale, Visione Artificiale, Elaborazione dei segnali |
|
| Protezione degli smart contract con tecniche di analisi delle vulnerabilita`
Requisiti: Conoscenza delle basi delle Blockchain e degli smart contract, conoscenza delle tecniche di base attacco/difesa di software security, buona capacita` programmativa. |
|
| Supporto utente per il rilascio controllato di informazione privata e identificazione di informazione non genuina in scenari online
Requisiti: Conoscenza di base di tematiche di protezione dati (ad es., anonimizzazione, metriche di privacy, controllo dell'accesso) e/o algoritmi di base di NLP e tecniche di spiegabilita'. |
|
| Tecnologie digitali avanzate per la musica
Requisiti: Conoscenze informatiche di base (programmazione, basi di dati, ecc.) e conoscenze musicali di base (teoria musicale, armonia). |
|
| Architetture distribuite per l'entertainment
Requisiti: reti, sistemi distribuiti |
|
| Modelli e tecniche per l'apprendimento di strutture dati succinte
Requisiti: Apprendimento automatico. Progetto e analisi di algoritmi |
|
| Tecnologie assistive per dispositivi mobili | |
| Applicazioni del data management e dell'intelligenza artificiale in medicina | |
| Definizione di modelli ibridi che combinano large language models, grafi di conoscenza e tecniche di machine learning su grafi per la creazione, aggiornamento e analisi di grafi di conoscenza
Requisiti: Conoscenza di sistemi di gestione dati basati a grafo, buone conoscenze di tecniche di Machine Learning, buone capacità di programmazione in Python |
|
| Verifica formale della teoria del linguaggi di programmazione
Requisiti: programmazione funzionale, logica, informatica teorica |
|
| Identificare e superare le difficoltà nell'imparare a programmare | |
| Scrittura collaborativa e intelligenza artificiale
Requisiti: Conoscenza di tecniche di Natural Language Processing (NLP) |
|
| AI for sound and music computing
Requisiti: Machine learning, statistical signal processing |
|
| Sistemi formali e complessità
Requisiti: Automi e linguaggi formali |
|
| Cloud/Fog/Edge Computing affidabili e sostenibili: Intelligenza Artificiale per allocazione di risorse e task per prestazioni, consumo emergetico, tolleranza ai guasti e resilienza | |
| Sistemi intelligenti per applicazioni industriali e ambientali basati su architetture IoT e intelligenza artificiale | |
| Intelligenza artificiale per le reti di comunicazione: progettazione di algoritimi per una gestione efficace, automatica e predittiva di risorse di rete.
Requisiti: Intelligenza Artificiale/Machine Learning, Analisi dei dati, Reti Wireless e Mobile, Edge Computing, Simulazione |
|
| Metodi formali per sistemi sicuri
Requisiti: Competenze in metodi formali e logiche temporali. Competenze di sicurezza dei sistemi |
|
| Metodi formali per Digital Twin
Requisiti: Competenze in metodi formali e logiche temporali. Competenze di sicurezza dei sistemi |
|
| Ottimizzazione su grafo
Requisiti: Ricerca operativa, algoritmi, programmazione |
|
| Algoritmi di ottimizzazione in logistica
Requisiti: Ricerca operativa, algoritmi, programmmazione |
|
| Generazione automatica dello storytelling for videogiochi basata sullo stile di gioco e le reazioni emotive dei giocatori
Requisiti: buona conoscenza di: progettazione e implementazione di videogiochi, tecniche di IA per videogiochi, approcci di HCI decision system |
|
| Progettazione e sviluppo di algoritmi di intelligenza artificiale per l'analisi delle aritmie cardiache
Requisiti: Si consigliano competenze di analisi dei segnali e/o di intelligenza artificiale |
|
| Colore, design, simulazione e accessibilità nei giochi | |
| Una nuova colorimetria centrata sulla visione nel contesto | |
| Privatezza dei dati e intelligenza artificiale | |
| Analisi di segnali biomedicali a supporto di una digital health centrata sul paziente | |
| Ambienti intelligenti: analisi dei dati e apprendimento automatico per ambienti autoadattativi | |
| Deep learning: apprendimento ed explainability | |
| Algoritmi di ottimizzazione in logistica
Requisiti: Ricerca operativa, algoritmi, programmmazione |
|
| Metodi di intelligenza artificiale per diagnostica precoce di patologie tumorali basata su immagini non etichettate
Requisiti: Conoscenze di base di intelligenza artificiale |
|
| Ricostruzione di alberi filogenetici: algoritmi e modelli | |
| Applicazioni dei Large Language Model alla Biologia Molecolare ed alla Medicina
Requisiti: Background in Machine Learning e programmazione in Python |
|
| Tecniche di elaborazione computazionale nei moderni sistemi crittografici
Requisiti: Competenze gradite: algebra e conoscenze crittografiche |
|
| Analisi di primitive crittografiche basata su machine learning
Requisiti: gradite conoscenze di crittografia e/o machine learning |
|
| Machine learning e network science per applicazioni graph-based | |
| Intelligenza Artificiale applicata a Problemi di Vehicle Routing (ex DM 630/2024)
Requisiti: statistica, simulazione, machine learning, ricerca operativa |
Immatricolazione
Posti disponibili: 11
Bando di ammissione
Consulta il bando per scoprire le date e i contenuti del test e tutte le informazioni su come iscriverti.
Domanda di ammissione: dal 29/05/2024 al 27/06/2024
Allegati e documenti
Seguire il percorso di dottorato
Contatti e aiuto
Gli uffici che forniscono assistenza ai dottorandi e agli enti finanziatori.