Dottorato in informatica
Dottorato
A.A. 2019/2020
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
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. Paolo Boldi
paolo.boldi@unimi.it - Sito web del corso
http://dottorato.di.unimi.it/
| Titolo | Docente/i |
|---|---|
| Tecniche di monitoraggio di security/performance assurance per sistemi cloud bassati su analitiche big data
Requisiti: Architettura Cloud, nozioni di base sulle pipeline Big Data, basi di Sicurezza informatica |
|
| Tecniche di assurance per l'Internet of Things.
Requisiti: Conoscenza delle principali tecnologie cloud e IoT. |
|
| Sviluppo e valutazione di interfacce musicali innovative
Requisiti: Programmazione audio e MIDI; Metodi sperimentali in HCI |
|
| Sonificazione interattiva e tecnologie assistive per utenti non-vedenti
Requisiti: Programmazione audio e MIDI; metodi sperimentali in HCI |
|
| Tecniche avanzate di sintesi e rendering 3D del suono in contesti interattivi
Requisiti: Elaborazione del segnale, programmazione audio |
|
| Navigazione multistrato in contenuti musicali | |
| Tecniche di AI per il riconoscimento di attività basato su sensoristica | |
| Protezione dei dati personali in ambienti intelligenti
Requisiti: Sicurezza e privatezza; Sistemi distribuiti; IOT |
|
| Applicazioni eHealth di sistemi intelligenti pervasivi | |
| Modellazione stocastica di sistemi dinamici a variabili latenti con applicazione a modelli di computazione affettiva e di attenzione visiva in contesti sociali
Requisiti: Metodi probabilistici per l'informatica, Visione computazionale, Modelli di computazione affettiva, Metodi statistici per l'apprendimento |
|
| E-Health: integrazione di domotica, robot di servizi, exer-games, comunità virtuali e web-services mediante sistemi intelligenti per il supporto delle persone pre-fragili a casa. | |
| Sviluppo di reti neurali profonde basati su strati convolutivi per la classificazioni di sottoinsiemi di immagini appartenenti a domini piu’ ampi: analisi della struttura e studio del problema dell’”open set”. | |
| Musica e riabilitazione: sviluppo di modelli associate alla comprensione della musica e possible ruolo nella cura delle sindromi dello spettro autistico. | |
| Metodi e tecniche di Data Science per il reperimento, l'integrazione e l'esplorazione di dati eterogenei | |
| Product Line per Linguaggi basate sugli aspetti semantici e modelli di variabilità multi-dimensionale | |
| Classificazione di porzioni di codice usando tecniche di apprendimento automatico per la costruzione automatizzata di software product line. | |
| Algoritmi di Online Process Mining | |
| Progetto e analisi di algoritmi di apprendimento con feedback parziale
Requisiti: Analisi di algoritmi, probabilità e statistica, combinatorica, algebra lineare |
|
| Progetto e analisi di algoritmi di apprendimento per problemi multipli
Requisiti: Analisi di algoritmi, probabilità e statistica, combinatorica, algebra lineare |
|
| Data driven mathematical programming: il tema di ricerca propone lo studio di metodologie per l'integrazione di tecniche di programmazione matematica e machine learning.
Requisiti: Programmazione matematica, statistica, machine learning, progettazione ed analisi di algoritmi |
|
| Large Scale Prescriptive Analytics: sviluppo di metodologie per la risoluzione di problemi di ottimizzazione complessi in contesti reali, in cui taglia, dinamicità ed etoregeneità dei dati non permetta l'utilizzo delle tecniche classiche.
Requisiti: Modellazione matematica, ricerca operativa, statistica, simulazione, progettazione ed analisi sperimentale di algoritmi. |
|
| Formalizzazione ed analisi di sistemi ed applicazioni basate su blockchain | |
| Sintesi logica approssimata per circuiti multilivello | |
| Sintesi di circuiti per le tecnologie emergenti | |
| Algoritmi di Ottimizzazione Combinatoria per problemi decisionali complessi
Requisiti: Fondamenti di Ricerca Operativa, Algoritmi e strutture dati, Programmazione C |
|
| Modellazione multiagente e simulazione di reti multilayer per casi di contagio sociale , diffusione di conoscenza/innovazione, sicurezza informatica. | |
| Modelli e tecniche per Artificial Intelligence as a Service.
Requisiti: Conoscenza delle principali tecniche di machine learning and artificial intelligence._x000D_ Conoscenza dei principali tool per l'analisi di grandi quantità di dati (Big Data). |
|
| AI e analisi di dati di mobilità
Requisiti: Robuste competenze di programmazione |
|
| Sicurezza e privatezza dei dati in scenari emergenti | |
| Biometria multi-modale e fusione multi-sensoriale | |
| Biometria scarsamente vincolata | |
| Esecuzione collaborativa e controllata di interrogazioni in sistemi distribuiti | |
| Riconoscimento automatico di informazione musicale da partiture e segnali audio | |
| Adattamento automatico delle caratteristiche di un video game basato sulla risposta emotiva dei giocatori
Requisiti: Buone capacità di programmazione. Conoscenza di tecniche di implementazione di Video Game. Capacità nei campi di Affective Computing e Signal Processing possono essere un valore aggiunto |
|
| Reti sociali decentralizzate | |
| Modellizzazione e Analisi dei Big Data
Requisiti: Competenze in Modellizzazione Probabilistica e Analisi Dati |
|
| Intelligenza Computazionale e applicazioni
Requisiti: Competenze in Modellizzazione Probabilistica e Analisi Dati |
|
| Uso di tecniche di compilazione per mettere in sicurezza codice Java in ambiente Android contro attacchi di deserializzazione dati untrusted
Requisiti: Buon background di system security incluse discipline di computer science quali: linguaggi di programmazione, Architetture degli elaboratori, Sistemi operativi e networking. |
|
| Progettazione di una nuova famiglia di analizzatori di malware per Android environment che usano HW features come PT-Intel and SGX technology contro l'evasion.
Requisiti: Buon Background in system security. Conoscenza approfondite nell'ambito dei Sistemi Operativi, Architetture degli elaboratori, e reti di computer |
|
| 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) |
|
| Induzione di insiemi fuzzy tramite tecniche di apprendimento automatico
Requisiti: Apprendimento automatico, calcolo delle probabilità e statistica matematica, programmazione |
|
| Compressione di reti neurali profonde
Requisiti: Apprendimento automatico, programmazione |
|
| Tecniche di rendering distribuito per ambienti virtuali collaborativi multi-utente su larga scala. | |
| Innovazione dello streaming di applicazioni di entertainment. | |
| Tecnologie assistive su dispositivi mobili | |
| Definizione di servizi a supporto degli sviluppatori di applicazioni IoT in ambienti eterogenei | |
| Utilizzo di linguaggi funzionali con tipi dipendenti (Coq, Agda, Idris, Liquid Haskell, F*) per la programmazione certificata, la dimostrazione assistita di teoremi e il property-based testing, con applicazioni nello studio della semantica dei linguaggi di programmazione.
Requisiti: Programmazione funzionale, elementi di logica |
|
| L'apprendimento dell'informatica e del pensiero computazionale nel primo ciclo di istruzione | |
| Modelli e Tecniche di Data-Science per le Digital Humanities e la Storia della Scienza
Requisiti: Inglese fluente. Solido background in informatica, con particolare riferimento a machine learning e gestione dei dati. |
|
| Apprendimento della distribuzione di eventi acustici in ambienti in evoluzione
Requisiti: Elaborazione del segnale digitale, machine learning, python, matlab |
|
| Classificazione automatica e annotazione del contenuto musicale
Requisiti: Elaborazione del segnale digitale, machine learning, python, matlab |
|
| Algoritmi distribuiti per sciami di robot
Requisiti: Conoscenza approfondita di teoria degli algoritmi e informatica teorica |
|
| Sistemi formali e complessità. La ricerca riguarda i modelli di calcolo e i loro comportamenti (descritti in genere mediante linguaggi formali), le relazioni e simulazioni tra modelli e formalismi differenti, i relativi aspetti di complessità.
Requisiti: Informatica teorica e linguaggi formali |
|
| Cloud e Fog Computing affidabili: allocazione di risorse e task per tolleranza ai guasti, resilienza, e prestazioni | |
| Sistemi intelligenti per applicazioni industriali e ambientali basati su architetture IoT e intelligenza artificiale | |
| Modellazione e Verifica di Sistemi Adattativi | |
| Metodi formali per sistemi sicuri | |
| Processi di Sviluppo Rigorosi per l’Ingegneria del Software | |
| Generazione procedurale basata su stile di gioco e stato d'animo dei giocatori per video giochi story-driven.
Requisiti: Background su progettazione di videogiochi e di storytelling |
|
| Generazione automatica di contenuti per video giochi basata sulle preferenze dei giocatori.
Requisiti: Conoscenze di video game design e di AI per videogiochi |
|
| Metodologie innovative per tecniche di diagnostica medica basate sugli aspetti percettivi del sistema visivo | |
| Tecniche innovative per il controllo dell’apparenza cromatica nel settore della cosmesi | |
| Orchestrazione di risorse in Mobile Edge Computing
Requisiti: Mobile networks, mobile edge computing |
|
| Protezione dati nel digital data market | |
| Deep learning: apprendimento ed explainability | |
| Ambienti intelligenti: analisi dei dati e apprendimento automatico per ambienti autoadattativi | |
| Rappresentazione e processing di modelli 3D digitali per il redering in tempo reale
Requisiti: Grafica Computazionale |
|
| Computational fabrication: strumenti di grafica computazionale e geometry processing per la Computational fabrication.
Requisiti: Grafica Computazionale |
|
| Predizione di regioni regolatorie nel genoma umano con metodi di Apprendimento Automatico
Requisiti: Background in Apprendimento Automatico e Bioinformatica |
|
| Metodi computazionali basati su grafi per la "Network Medicine"
Requisiti: Background in Bioinformatica |
|
| Metodi di apprendimento automatico per la Bioinformatica
Requisiti: Consigliata la conoscenza di base di metodi di apprendimento automatico |
|
| Studio e implementazione di tecniche di elaborazione computazionale nei moderni sistemi crittografici per velocizzare le operazioni di cifratura e decifrazione.
Requisiti: Competenze gradite: algebra o crittografia |
Elenco insegnamenti
gennaio
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Metodi di machine learning per individuare varianti genetiche deleterie o patogeniche a livello dell'intero genoma | 2 | 10 | Inglese | |
| Selezione e prioritizzazione del test di regressione | 2 | 10 | Inglese | |
| Sicurezza e privatezza dei dati in scenari emergenti | 2 | 10 | Inglese | |
febbraio
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Conformità e gestione del rischio in architetture distribuite | 2 | 10 | Inglese | |
| Deep learning. introduzione per la localizzazione, il riconoscimento e il camuffamento di volti in immagini o video | 3 | 15 | Inglese | |
| Image processing: demosaicking | 4 | 20 | Inglese | |
| Pattern architetturali per il deployment di applicazioni distribuite di machine learning | 4 | 20 | Inglese | |
aprile
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Network design (modeling, analysis and optimization of networks parte 2) | 2 | 10 | Inglese | |
giugno
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Calcolo quantistico: teoria, modelli e metodi | 3 | 20 | Inglese | |
novembre
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Bionica e intelligenza computazionale | 2 | 10 | Inglese | |
| Mateuristiche per problemi di ottimizzazione combinatoria (Modulo 1) | 2 | 10 | Italiano | |
| Mateuristiche per problemi di ottimizzazione combinatoria (Modulo 2) | 2 | 10 | Italiano | |
| Organizzare data lakes in architetture big data | 2 | 10 | Inglese | |
Iscriversi
Posti disponibili: 9
Come Iscriversi: Bando, Allegato 1, Valutazione titoli e calendario
Presentazione domanda di ammissione: 24/05/2019 al 24/06/2019
Presentazione domanda di immatricolazione: dal 23/09/2019 al 03/11/2019
Note:
Allegato 1: Decreto di ampliamento dei posti e delle borse messi originariamente a concorso.
Seguire il percorso di dottorato
Contatti e aiuto
Gli uffici che forniscono assistenza ai dottorandi e agli enti finanziatori.