Dottorato in informatica
Dottorato
A.A. 2021/2022
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 |
|---|---|
| Tecniche di assurance avanzate per computazioni Big Data
Requisiti: Sicurezza informatica e architetture distribuite |
|
| Certificazione di modelli Machine Learning/Intelligenza Artificiale.
Requisiti: Conoscenza delle principali tecniche di machine learning e di intelligenza artificiale. Conoscenza delle principali tecniche di assurance. |
|
| Sintesi e rendering 3D del suono per Realtà Virtuale e Aumentata
Requisiti: Elaborazione numerica dei segnali; Programmazione audio |
|
| Modeling room and listener acoustics for binaural sound rendering | |
| Sviluppo e validazione di interfacce musicali innovative
Requisiti: Programmazione audio e MIDI; metodi sperimentali in HCI |
|
| Sviluppo di metodi basati sull'Intelligenza Artificiale per il planning autonomo in sistemi multi-agente e sistemi multi-robot
Requisiti: Fondamenti di algoritmi, algebra lineare, conoscenze di base degli approcci dell'Intelligenza Artificiale |
|
| Z-fast trie e altre strutture dati ispirate agli alberi di van Emde Boas | |
| Approcci stocastici e variazionali per l'inferenza bayesiana in sistemi intelligenti
Requisiti: Statistical machine learning, Metodi probabilistici per l'informatica |
|
| Programmazione Bayesiana e reti neurali Bayesiane per la visione computazionale e la computazione affettiva
Requisiti: Statistical machine learning, Visione computazionale, Modelli di computazione affettiva |
|
| 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. | |
| Stimolazione multi-modale nella cura delle sindromi dello spettro autistico. Exer-game e musica: sviluppo di modelli associati all’ascolto della musica e possibili applicazioni al trattamento dell’autismo. | |
| AI per la modellazione di dinamiche ambientali cicliche per utilizzi a lungo termine di robot di servizio mobili e autonomi. | |
| Valutazione neuropsicologica mediante l’uso di test cognitivi digitali | |
| Sfruttare l'apprendimento automatico nel Process Mining
Requisiti: Fondamenti di informatica e programmazione |
|
| Algoritmi per l'apprendimento automatico sequenziale
Requisiti: Rudimenti di apprendimento automatico |
|
| Progetto e analisi di algoritmi efficienti di apprendimento automatico
Requisiti: Rudimenti di apprendimento automatico |
|
| Data driven mathematical programming: integrare mathematical programming and machine learning
Requisiti: Programmazione matematica, statistica, machine learning, progettazione ed analisi sperimentale 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 |
|
| Metodi computazionali avanzati per l'Industria 4.0
Requisiti: Information Management, Programmazione Avanzata, Statistica, Modellazione Matematica |
|
| Modelli di Computational Intelligence spiegabili |
A. Ciaramella
|
| Computazione sicura e applicazioni
Requisiti: Crittografia |
|
| Blockchain: aspetti formali e applicazioni
Requisiti: Crittografia |
|
| Progettazione di circuiti per le tecnologie emergenti | |
| Sintesi logica approssimata | |
| Algoritmi per problemi di Ottimizzazione Combinatoria applicati a decisioni complesse
Requisiti: Algoritmi e strutture dati, Ricerca Operativa, Programmazione C |
|
| Tecniche di Testing indipendenti dal linguaggio di programmazione usato per scrivere il software da testare | |
| Sintesi di programmi per GPU/TPU e high performance computing che utilizzino ragionamento automatico, programmazione vincolata e property checking | |
| La comprensione del movimento umano in spazi complessi
Requisiti: Competenze di programmazione |
|
| Comportamento mobile in ambienti indoor
Requisiti: Buone competenze di programmazione |
|
| Sicurezza e privatezza dei dati in scenari emergenti | |
| Sistemi di riconoscimento biometrico scarsamente vincolati | |
| Sicurezza e privatezza nei sistemi biometrici | |
| Interpretabilità dei modelli statistici e neurali del linguaggio naturale
Requisiti: Conoscenze preliminari di Natural Language Processing e apprendimento automatico |
|
| Esecuzione collaborativa e controllata di interrogazioni in sistemi distribuiti | |
| Metodi di apprendimento automatico per la classificazione di dati sbilanciati | |
| Algoritmi di compressione per reti neurali profonde | |
| Metodi di apprendimento automatico per la biologia computazionale | |
| Evoluzione di reti complesse | |
| 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 e intelligenza computazionale | |
| Intelligenza Computazionale e applicazioni
Requisiti: Competenze in Modellizzazione Probabilistica e Analisi Dati. Conoscenza di base dell'Apprendimento Computazionale. Familiarità con C/C++ e Python. |
G. Gianini
|
| Protezione e Analisi di Vulnerabilità all'interno del Software
Requisiti: Buona conoscenza dei sistemi di analisi del codice (e.g, Fuzzing, symbolic execution) e degli attacchi che sfruttano le vulnerabilita` all'interno del codice stesso. |
|
| Tecnologie informatiche per l'educazione musicale
Requisiti: Competenze di base in ambito informatico (linguaggi di programmazione, basi di dati, ecc.) e musicale (teoria musicale, fondamenti di armonia, ecc.) |
|
| Tecnologie informatiche per i beni culturali musicali
Requisiti: Competenze di base in informatica (linguaggi di programmazione, basi di dati, ecc.) e in musica (teoria musicale, fondamenti di armonia, ecc.) |
|
| Fruizione di servizi di entertainment in ambienti distribuiti
Requisiti: Reti |
|
| Profilazione e verifica in real-time di giocatori e Sport
Requisiti: Programmazione, Machine Learning |
|
| Tecnologie assistive per dispositivi mobili | |
| Applicazioni del data management e dell'intelligenza artificiale in medicina | |
| Verifica & convalida nella teoria dei linguaggi di programmazione
Requisiti: Logica base, programmazione dichiarativa |
|
| 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 del segnale audio e musica
Requisiti: Elaborazione del segnale audio, statistica, machine learning |
|
| Studio di nuove tecniche che stanno alla base della progettazione di algoritmi distribuiti per lo spostamento di Robot nello spazio, compresa la valutazione delle prestazioni e il confronto con gli algoritmi sequenziali. | |
| Sistemi formali e complessità
Requisiti: Automi e linguaggi formali |
|
| Cloud/Fog/Edge 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
Requisiti: Competenze in metodi formali e logiche temporali |
|
| Metodi formali per sistemi sicuri
Requisiti: Competenze di sicurezza dei sistemi e su metodi formali |
|
| Generazione procedurale di story-driven video games basata sullo stile di gioco dei giocatori
Requisiti: Buone conoscenze di progettazione e programmazione per videogiochi |
|
| Strumenti innovativi per il restauro digitale del colore | |
| Image enhancement per il medical imaging | |
| Protezione dati nel digital data market | |
| Teoria dei grafi ed elaborazione dei segnali per caratterizzare il funzionamento del cuore durante le aritmie atriali | |
| Comparazione e sviluppo di algoritmi diagnostici per la detezione di aritmie atriali da tracciati elettrocardiografici utilizzando tecniche di machine learning. | |
| Machine learning e analisi dei segnali biomedicali per una digital health centrata sul paziente | |
| Ambienti intelligenti: analisi dei dati e apprendimento automatico per ambienti autoadattativi | |
| Deep learning: apprendimento ed explainability | |
| Metodi interpretabili di Intelligenza Artificiale per la Medicina di Precisione
Requisiti: Conoscenze di Intelligenza artificiale e Machine learning |
|
| Metodi di Intelligenza Artificiale per la Network Medicine | |
| Social media basati su blockchain: aspetti temporali ed economici | |
| Tecniche di elaborazione computazionale nei moderni sistemi crittografici
Requisiti: Competenze gradite: algebra e/o crittografia |
|
| Crittoanalisi
Requisiti: Competenze gradite: algebra e/o crittografia |
Elenco insegnamenti
novembre 2021
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Ai methods for sensor-based activity recognition and context-awareness | 2 | 10 | Inglese | |
| Online learning: theory and algorithms | 2 | 10 | Inglese | |
dicembre 2021
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Security, privacy and data protection | 4 | 20 | Inglese | |
gennaio 2022
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Artificial intelligence for network medicine | 4 | 20 | Inglese | |
| Data visualization | 2 | 10 | Inglese | |
| Leveraging machine learning in process mining | Gianini Gabriele
|
2 | 10 | Inglese |
| Methods for statistical model fitting | 2 | 10 | Inglese | |
febbraio 2022
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Advanced topics in signal processing | 2 | 10 | Inglese | |
| Introduction to interactive theorem proving with coq | 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 | |
| Network design (modeling, analysis and optimization of networks part 2) | 2 | 10 | Inglese | |
maggio 2022
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Finite memory quantum computational devices: from theory to practice | 2 | 10 | Inglese | |
| Systematic debugging techniques | 2 | 10 | Inglese | |
giugno 2022
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Privacy and anonymity in data release | 2 | 10 | Inglese | |
| Resources allocation in mobile edge computing | 2 | 10 | Inglese | |
| Smart data integration and processing on service based environments: issues, challenges & contributions. | 3 | 16 | Inglese | |
agosto 2022
| Attività formative | Docente/i | Crediti | Ore totali | Lingua |
|---|---|---|---|---|
| Facoltativo | ||||
| Recent advancements in artificial intelligence: theoretical foundations, methodologies, technologies, and applications | 6 | 30 | Inglese | |
Seguire il percorso di dottorato
Contatti e aiuto
Gli uffici che forniscono assistenza ai dottorandi e agli enti finanziatori.