Dottorato in informatica
Dottorato
A.A. 2025/2026
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 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 basati su LLM
Requisiti: Conoscenza delle principali tecniche di verifica e monitoraggio e testing non funzionale. Conoscenza sui modelli LLM e metodologie di adattamento quali fine-tuning prompting e RAG |
|
| Tecniche innovative di data governance e trust basate su AI per pipeline Big Data
Requisiti: Conoscenza delle principali architetture e tecnologie big data e intelligenza Artificiale. Conoscenza delle principali soluzioni di data governance per architetture big data. Conoscenza dei sistemi e protocolli di trust management. |
|
| Certificazione di Sistemi Distribuiti basati su Machine Learning/Intelligenza Artificiale
Requisiti: Conoscenza delle principali tecniche di machine learning and intelligenza artificiale. Conoscenza delle principali tecniche di assurance/certificazione. |
|
| Tecniche robuste di apprendimento automatico per la classificazione di artefatti del patrimonio archeologico e artistico: affrontare le sfide specifiche del dominio nel contesto del patrimonio culturale
Requisiti: Esperienza in Computer Vision e Machine Learning. Competenza nella programmazione in Python ed esperienza pratica con librerie di Deep Learning. |
|
| Tecniche di sintesi procedurale e rendering spaziale del suono
Requisiti: Elaborazione numerica dei segnali; Programmazione audio |
|
| Sviluppo e validazione di interfacce musicali accessibili
Requisiti: Programmazione audio e MIDI; metodi sperimentali in HCI |
|
| Tecniche di apprendimento e planning per robot e agenti autonomi
Requisiti: Fondamenti di algoritmi e machine learning |
|
| Tecniche interpretabili di AI per il riconoscimento di comportamenti umani in ambienti sensorizzati | |
| Centralità geometriche: distinguibilità ed espressività | |
| Approcci innovativi sui serious games applicati al trattamento dei bambini con disabilità, basati sull'integrazione di intelligenza emotiva, smart objects, social robots, game design e machine learning | |
| Generazione automatica dello storytelling per 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, LLM |
|
| Apprendimento di Rappresentazioni Interpretabili di Strutture Gerarchiche tramite Embedding Iperbolici e Quantum-Inspired per l’Integrazione e la Predizione su Dati Biomedici
Requisiti: Basi matematiche, Teoria dei grafi, analisi di grafi, apprendimento supervisionato |
|
| Graph representation learning per applicazioni biomediche
Requisiti: Basi matematiche, teoria e analisi di grafi, apprendimento supervisionato |
|
| LSP e DAP Universali per Language Workbench Modulari | |
| Modularizzazione, Composizione e Poliglottismo per Language Features in Linguaggi di Programmazione Compilati come Rust | |
| Integrazione di Large Language Models nel Process Mining per il supporto decisionale
Requisiti: Esperienza in Python e framework NLP |
|
| Algoritmi per la minimizzazione del regret in contesti strategici
Requisiti: Fondamenti teorici dell'apprendimento automatico. Fondamenti di teoria dei giochi. Progetto e analisi di algoritmi. |
|
| Algoritmi di decisione sequenziale in contesti multi-agente
Requisiti: Fondamenti teorici dell'apprendimento automatico. Progetto e analisi 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 computazione sicura e applicazioni con blockchain | |
| Tecniche di machine learning che preservano la privacy dei dati e applicazioni | |
| Progettazione di circuiti per le tecnologie emergenti e la computazione quantistica | |
| Sintesi logica per la sicurezza informatica | |
| Algoritmi di ottimizzazione discreta per applicazioni industriali
Requisiti: Algoritmi e strutture dati, Ricerca Operativa, Programmazione C |
|
| Algoritmi per problemi di Ottimizzazione Combinatoria applicati a decisioni complesse
Requisiti: Algoritmi e strutture dati, Ricerca Operativa, Programmazione C |
|
| Affidabilità di modelli di intelligenza artificiale discriminativi, predittivi e generativi. | |
| Distillazione efficiente di modelli di intelligenza artificiale di grandi dimensioni per ambienti con vincoli computazionali. | |
| Sicurezza e privatezza dei dati in scenari emergenti | |
| Sicurezza e privatezza nei sistemi biometrici | |
| Sistemi di riconoscimento biometrico scarsamente vincolati | |
| Bias e questioni etiche in NLP e visual transformers
Requisiti: NLP e machine learning |
|
| Teoria della dimostrazione e procedure di decisione per Justification Logic
Requisiti: Conoscenza delle nozioni di base sulla semantica e teoria della dimostrazione per la logica classica. |
|
| Gestione delle risorse nel rispetto della sicurezza in scenari di cloud-fog computing | |
| Modelli di apprendimento automatico succinti
Requisiti: Conoscenze preliminari di apprendimento automatico e ottimizzazione. |
|
| Strutture dati apprese
Requisiti: Conoscenze preliminari di apprendimento automatico. |
|
| Architetture distribuite per applicazioni di entertainment
Requisiti: reti, sistemi distribuiti |
|
| Problematiche di interconnessione, sicurezza e privacy per dispositivi portatili a uso personale
Requisiti: reti, sistemi distribuiti, sicurezza |
|
| 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 | |
| Apprendimento Ipercomplesso per la Visione Artificiale
Requisiti: Visione Artificiale, Geometria Computazionale |
|
| Sviluppo e Ottimizzazione di Tecniche di Fuzzing per la Scoperta Automatica di Vulnerabilità nei Sistemi Software
Requisiti: - Conoscenza avanzata della sicurezza informatica, in particolare delle vulnerabilità software e delle tecniche di exploit. - Competenze di programmazione in linguaggi a basso livello, come C e C++, e familiarità con la gestione della memoria. - Esperienza con strumenti di analisi dinamica e fuzzing, come AFL, LibFuzzer, o strumenti basati su QEMU. |
|
| Tecniche Avanzate per la Sicurezza nei Sistemi Embedded: Analisi, Difesa e Resilienza contro Minacce Hardware e Software
Requisiti: - Conoscenze solide di architetture embedded (es. ARM, RISC-V) e sistemi operativi real-time (RTOS). - Esperienza in programmazione a basso livello e firmware development, inclusa la manipolazione diretta dell’hardware. - Competenze in sicurezza hardware e software, incluse tematiche come attacchi side-channel, sicurezza del bootloader e protezione dei dati sensibili. |
|
| 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'. |
|
| L'introduzione dell'informatica nella scuola del primo ciclo: progettazione, analisi, e sperimentazione di metodologie e materiali didattici
Requisiti: programmazione, fondamenti di didattica dell'informatica |
|
| Modelli computazionali per l’analisi e la rappresentazione dell’informazione musicale: approcci musicologici e tecnologie digitali
Requisiti: Fondamenti di teoria musicale (conoscenza di base dell’armonia, del ritmo, della notazione e delle strutture musicali); elementi di musicologia (familiarità con metodi analitici tradizionali e nozioni di storia della musica); competenze in informatica musicale (esperienza nell’uso di software per l’analisi e l’elaborazione musicale); programmazione (conoscenza di base dei linguaggi di programmazione, preferibilmente con applicazioni in ambito musicale); conoscenza di formati e standard per la rappresentazione musicale (MIDI, MusicXML, MEI, IEEE 1599 o altri formati strutturati). |
|
| Tecnologie digitali per l’educazione musicale
Requisiti: Fondamenti di teoria musicale; fondamenti di pedagogia musicale; competenze in informatica musicale; programmazione; conoscenza di formati e standard per la rappresentazione musicale. |
|
| interfacce Text-to-Spatial SQL | |
| Machine learning in scenari emergenti
Requisiti: Prerequisiti: Statistica, machine learning, programmazione |
|
| Metodi di intelligenza artificiale per il rilevamento di anomalie
Requisiti: Statistica, machine learning, programmazione |
|
| Applicazioni del data management e dell'intelligenza artificiale in medicina | |
| Tecnologie assistive | |
| Linguaggi Formali e Automi Classici e Quantistici
Requisiti: Informatica Teorica, Linguaggi Formali e Automi |
|
| Applicazione di tecniche LLM per l'estrazione di conoscenza da documentazione bio-medica
Requisiti: Conoscenze base di machine learning e gestione della conoscenza |
|
| Valutazione di plausibilità nel contesto di link prediction su bio-medical knowledge graph
Requisiti: Conoscenze di base di machine learning e gestione della conoscenza |
|
| L'apprendimento della programmazione: identificazione delle difficoltà e di tecniche per superarle, studio della relazione con gli strumenti di generazione automatica di codice
Requisiti: Programmazione, Didattica dell'informatica |
|
| Scrittura collaborativa e intelligenza artificiale
Requisiti: Nozioni di Natural Language Processing (NLP) |
|
| Apprendimento profondo spiegabile per l'elaborazione del segnale audio (bioacustica e acustica medica)
Requisiti: Apprendimento automatico, Elaborazione dei Segnali, Statistica |
|
| Sistemi Formali e Complessità
Requisiti: Automi e linguaggi formali |
|
| Sistemi intelligenti per applicazioni industriali e ambientali basati su architetture IoT e intelligenza artificiale | |
| Soluzioni di intelligenza artificiale per Cloud/Fog/Edge Computing affidabili e sostenibili | |
| Nuovi paradigmi di manipolazione e sintesi sonora
Requisiti: A seconda dei progetti proposti, saranno privilegiati i profili che si concentrano maggiormente sull'elaborazione matematica del segnale, sulla programmazione di algoritmi audio in tempo reale o sulla progettazione di sistemi interattivi. |
|
| Creatività Computazionale e Intelligenza Artificiale per Suono e Musica
Requisiti: Sono necessarie competenze matematiche e competenze di base di intelligenza artificiale, sono altresì gradite conoscenze di elaborazione dei segnali, programmazione, acustica e competenze musicali. |
|
| Orchestrazione e ottimizzazione di servizi in reti mobili 5G/6G
Requisiti: Reti Wireless e Mobili, Machine Learning, Edge Computing, Ricerca operativa,Simulazione |
|
| Metodi formali in Digital Twin
Requisiti: Competenze in metodi formali e logiche temporali |
|
| Metodi formali per sistemi critici sicuri
Requisiti: Competenze in metodi formali e logiche temporali, Competenze di sicurezza dei sistemi |
|
| Algoritmi di ottimizzazione per il coordinamento di agenti autonomito
Requisiti: Ricerca operativa, Programmazione matematica, Algoritmi |
|
| Ottimizzazione su grafo
Requisiti: Ricerca operativa, Programmazione matematica, Algoritmi |
|
| 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 |
|
| Progettazione e realizzazione di smart objects per la riabilitazione | |
| Progettazione e sviluppo di algoritmi di intelligenza artificiale per l'analisi dell'elettrocardiogramma
Requisiti: Si consigliano competenze di analisi dei segnali e/o di intelligenza artificiale |
|
| Modelli computazionali per l'analisi tecnica dei fattori umani e di resa cromatica nei sistemi di illuminazione
Requisiti: colorimetria |
|
| Metodi di analisi e formalizzazione computazionale di giochi da tavolo | |
| Modellazione e calcolo quantistico per il suono, la musica e l'interazione multisensoriale
Requisiti: Elementi di algebra lineare e di elaborazione del segnale audio |
|
| Definizione di spazi sensoriali e controllo di traiettorie per l’interaction design
Requisiti: Elementi di interazione persona-computer, di elaborazione del segnale e di apprendimento statistico |
|
| Privatezza dei dati e intelligenza artificiale | |
| Metodi di elaborazione di segnali biomedicali per una digital health centrata sul paziente | |
| Apprendimento multimodale per l’adattabilita' e la comprensione contestuale in modelli di intelligenza artificiale | |
| Deep learning: apprendimento ed explainability | |
| Geometry processing: trattamento di dati superficiali e volumetrici 3D per rendering real-time, simulazione fisica, digital fabrication, animation, e supporto al design. | |
| Architetture e algoritmi per il pattern matching genomico ad alte prestazioni ed efficienza energetica | |
| Sviluppo di algoritmi efficienti per la ricostruzione filogenetica da dati genomici su larga scala | |
| Modelli Fondazionali Efficienti e Spiegabili per la Prioritizzazione di Varianti Patogeniche nelle Malattie Rare tramite Integrazione Genomica Multi-Modale
Requisiti: Basi matematiche, apprendimento supervisionato, conoscenza basilare du transformers |
|
| Modelli LLMs per la medicina di precisione
Requisiti: basi matematiche, apprendimento supervisionato, conoscenze di base su LLMs |
|
| Tecniche di elaborazione computazionale nei moderni sistemi crittografici
Requisiti: Competenze gradite: algebra e conoscenze crittografiche |
|
| Analisi di sicurezza delle primitive crittografiche
Requisiti: Competenze gradite: algebra e conoscenze crittografiche |
Immatricolazione
Posti disponibili: 8
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 15/05/2025 al 13/06/2025
Domanda di immatricolazione: dal 14/07/2025 al 18/07/2025
Allegati e documenti
Seguire il percorso di dottorato
Contatti e aiuto
Gli uffici che forniscono assistenza ai dottorandi e agli enti finanziatori.