Salta gli elementi di navigazione
banner
logo ridotto
logo-salomone
DIMAI Dipartimento di Matematica e Informatica 'Ulisse Dini'
Home page > Ricerca > Dottorato  > Attività didattica (seminari, incontri, corsi)

Attività didattica (seminari, incontri, corsi)

Anno accademico 2019/2020                                                     

Anno accademico 2018/2019

Anno accademico 2017/2018

Anno accademico 2016/2017

Anno accademico 2015/2016

Anno accademico 2014/2015

Primo semestre 2014

 

 

Attività Seminariale

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

DOTTORATO CONSORTILE FIRENZE-PERUGIA-INDAM

Matematica, Informatica, Statistica”

 

 

 

Anno Accademico 2019/2020 – XXXV Ciclo

Elenco Provvisorio dei Corsi Offerti

 

 

  

Indice:

Curriculum in Matematica

Curriculum in Informatica

Curriculum in Statistica

 

  

I corsi qui listati vengono tutti tenuti al DiMaI di Firenze o al DMI di Perugia.

Per informazioni sui corsi si prega di usare il link associato o di contattare i docenti tramite la loro e-mail.

 

 

 

  

CURRICULUM IN MATEMATICA

 

Si ricorda che, ai sensi del regolamento, "i corsi e  gli  esami  previsti
nel piano di studi devono inserirsi in almeno due tematiche diverse"; per tematica si intende settore scientifico disciplinare (N.B. i ssd della matematica sono i seguenti: MAT01 Logica Matematica, Mat02 Algebra, MAT03 Geometria, MAT04 Matematiche complementari, Mat05 Analisi matematica, Mat06 Probabilità e statistica matematica, Mat07 Fisica Matematica, Mat08 Analisi Numerica, Mat09 Ricerca Operativa, quindi ad esempio Algebra e Geometria sono due diversi ssd..)

 

 

 

Corsi Offerti per l’anno 2019/2020

 

Titolo: Fluid Mechanics and Human Circulation

Docente  ANGIOLO FARINA – Università di Firenze

Ore/CFU: 20 ore – 4 CFU

Periodo: SECONDO SEMESTRE

Programma:

ABSTRACT

In the proposed course we focus our attention on one of the most intriguing branches of medicine: hematology. Many experimental studies over the years have shown that blood flow exhibits extremely complex characteristics In this framework mathematics can play an important role, setting up reliable and, at the same time, “simple” models. Indeed, the more difficult are the phenomena to be studied, the more necessary is to simplify equations, and simplifications always need to be justified and kept within a tolerance degree guaranteeing that the model is still meaningful, at least for some specific target.

Blood-related topics are so numerous and each subject has been so widely studied that it is unthinkable to treat all of them in a short course. We just deal with some aspects, showing old and new approaches. Indeed, the main objective is to focus on some blood fluid dynamics problems and to illustrate the relative mathematical models, trying to emphasize both the physical aspects and the mathematical techniques. In summary, we analyze some blood flow in specific body vessels. However, as preliminary discussion, we recall some issues concerning the constitutive models that can be used to describe the peculiar blood rheology.

TENTATIVE COURSE PLAN

1.The Human Circulatory System

2.Hemorheology and Hemodynamics, Blood Rheology, Constitutive Models for Blood, Microcirculation and vasomotion

3.Blood Filtration in Kidneys, General Structure of Kidneys, Calculating Glomerular Filtration Rate, The Steady Flow and the Glomerular Filtration Rate

Bibliography: Fasano A., Sequeira A.: Hemomath. The Mathematics of Blood. Springer (2017).

Ateneo in cui si svolgera' il corso: Universita’ Di Firenze – Dipartimento Di Matematica

 

 

Titolo: Teoria geometrica del controllo e introduzione alla geometria subriemanniana
Docente: Francesca Carlotta Chittaro (UTLN) e Laura Poggiolini (UniFi)
Ore/CFU: 25/5
Periodo: Maggio 2019
Programma: 

Campi di vettori, equazioni differenziali ordinarie su variet flussi di campi vettoriali. Distribuzioni. Controllabilità: Parentesi di Lie, Teorema di Rashevski-Chow, Teorema delle Orbite, Teorema di
Frobenius. Geometria subriemanniana: distanza SubRiemanniana, varieta subriemanniane. 

Esempi. Approssimazioni del primo ordine: ordine nonolonomo coordinate privilegiate, approssimazione nilpotente, Teorema Ball-Box, stime sulla distanza subriemanniana. 
Applicazioni a problemi di motion planning.
Ateneo in cui si svolgerà il corso: Firenze
Pagina personale: http://www.lsis.org/chittarof/,  http://www.dma.unifi.it/~poggiolini/

 

 

Titolo: Character theory of finite groups

Docente: Noelia Rizo

Ore/cfu: 30/6

Periodo: primavera 2020

Programma:

We present three different options for this course, depending on the previous background of the

students and their interests.

Option A

The aim of this course is to introduce the basics of the character theory of finite groups. We

will cover essential results in representation theory as Wedderburn’s theorem, Schur’s theorem or

Maschke’s theorem. The ultimate goal will be to prove Burnside’s famous theorem on the solvability of groups of order p a q b, for pq primes.

Option B

Clifford theory is a powerful tool used frequently in the inductive processes of the reduction the-

orems of some important problems nowadays. This course is aimed to students with a previous

knowledge on character theory. We will go through the Clifford theoretic aspects of character theory.

Option C

In this course we will introduce modular representation theory and Brauer p-blocks, from a charac-

ter theoretical point of view. The ultimate goal of this course is to prove Brauer’s first main theorem.

Ateneo in cui si svolgerà il corso: Università di Firenze

 

 

Titolo: I testi matematici e la loro tradizione: esempi e casi di studio
Docente: Veronica Gavagna (Università di Firenze
Ore/CFU15 ore/ 3 CFU
Periodo: metà marzo - aprile 2020
Programma: Come si sono trasmessi i testi matematici nel corso dei
secoli? Sappiamo che le opere originali della classicità non sono
sopravvissute fino ai giorni nostri, ma che rapporto esiste tra le
edizioni moderne e le fonti originali?
Nel corso si cercherà di dare una (parziale) risposta alla domanda,
presentando due esempi emblematici e piuttosto diversi tra loro: la
tradizione testuale archimedea e quella euclidea.
A questa parte introduttiva seguirà l'analisi sui testi di due esempi
rinascimentali di "restitutio" del testo euclideo degli Elementi: il
primo, che rappresenta la cosiddetta "via filologica", di Federico
Commandino, il secondo, che rappresenta la cosiddetta "via matematica",
di Francesco Maurolico.
Gli studenti si confronteranno con fonti rinascimentali autentiche (a
stampa e manoscritte) e con i loro problemi - filologici, matematici ed
ecdotici - relativi all'interpretazione del testo e alla costituzione di
testo critico.
Ateneo in cui si svolgerà il corso: Ateneo di Firenze
Pagina personalehttps://www.unifi.it/p-doc2-2019-0-G-3f2b342f382831-0.html

 

 

Titolo: Apprendimento per rinforzo / Reinforcement Learning
Docente Maurizio Parton, Università di Chieti-Pescara
Ore/CFU: 30 ore, 6 CFU
Periodo: tra marzo e luglio 2020
Programma:
1) I processi decisionali di Markov (MDP): cosa sono e come si usano nell'apprendimento per rinforzo.
2) Il problema della predizione: come calcolare il valore di uno stato o di un'azione in un MDP?
3) Il problema del controllo: come trovare le azioni ottimali in un MDP?
----------Il caso model-free---------------------------------
4) L'eterno dilemma esplorazione-sfruttamento dell'apprendimento.
4) Senza conoscere la distribuzione di probabilità che governa la dinamica dell'MDP, come si affrontano predizione e controllo?
5) Il caso non tabellare: predizione e controllo con approssimazione tramite funzioni lineari e reti neurali.
6) Metodi che imparano direttamente le azioni ottimali, senza passare per la predizione.
7) Metodi che imparano direttamente la dinamica dell'MDP, e la usano per il controllo.
8) Esempio: l'apprendimento per rinforzo e i giochi a somma zero.
Ateneo in cui si svolgerà il corso: il docente non ha preferenze
Pagina personale: https://www.unich.it/ugov/person/1741

 

 

Titolo: Applicazioni delle simmetrie di Lie alle equazioni differenziali

Docente: Maria Clara Nucci, Universita` degli Studi di Perugia
Ore/CFU: 30/6

Periodo: da Febbraio a Maggio
Programma: Simmetrie classiche: (a) metodo di riduzione (b) integrabilita` e

linearizzabilita` (c) applicazioni a problemi di fisica e biologia.

Simmetrie non classiche: (a) equazioni eredi (b) soluzioni di problemi al

contorno (c) soluzioni di blow-up (d) applicazioni a problemi di fisica e biologia.

Questo corso e` incentrato sulle ricerche correnti del docente.
Ateneo in cui si svolgerà il corso: Universita` degli Studi di Perugia

Pagina personale: https://www.unipg.it/personale/mariaclara.nucci

 

 

Titolo: Combinatorial game theory and elements of social choice
Docente: Luca Ferrari
Ore/CFU: 15/3
Periodo: tarda primavera 2020
Programma: combinatorial games (game trees, Zermelo’s theorem, strategy);
normal-play games (positions and their types, sums of positions, equivalence);
impartial games (Nim, the Sprague-Grundy theorem, applying the MEX principle);
Hackenbush and partizan games (Hackenbush, dyadic numbers and positions, the
simplicity principle); elements of social choice theory (Arrow’s impossibility
theorem).
Note: il corso è adatto sia per il curriculum in Informatica che per il curriculum in matematica.
Sede del corso: Università di Firenze
Pagina personale: http://web.math.unifi.it/users/ferrari/

 

 

Titolo: Funzioni di variabile complessa e ipercomplessa

Docente: Caterina Stoppato

Periodo: da concordare

Ore/CFU: 30/6

Programma: Il corso verte sulla teoria delle funzioni di una variabile in ambito (iper)complesso.

Dopo opportuni richiami sulle funzioni olomorfe di una variabile complessa, presenta alcuni

risultati classici come il teorema della mappa di Riemann, la classificazione delle superfici di

Riemann e la relativa dinamica. Prevede poi la presentazione della teoria delle funzioni regolari in

ambito quaternionico e ipercomplesso, che è un ambito di ricerca corrente assieme alle sue

applicazioni ad altri ambiti della matematica.

Università: Firenze

Pagina personale: http://web.math.unifi.it/users/stoppato/

 

 

Titolo: Introduction to tensor spaces.

Docente: Giorgio Ottaviani (Firenze)
Ore/CFU: 15/3
Periodo: Dicembre-Febbraio, da concordare
Programma:

Setting: Tensor spaces are the basic objects in multilinear algebra and have
several engineering applications. Tensor decomposition is a basic technique
which allows to write a tensor as a sum of decomposable ones (the rank one
tensors). On the geometric side, tensor decomposition is understood through
the secant varieties.
Content : Tensor rank and tensor decomposition. Secant varieties and
Terracini Lemma. Symmetric rank.  Apolarity Lemma and the Sylvester

algorithm. GL(m)-modules and Schur functors. Koszul resolution and Young
flattenings. Vector bundles and their applications to Tensor Decompositions.
Nonabelian apolarity.
Ateneo in cui si svolgera' il corso: Firenze
Pagina personale: www.math.unifi.it/users/ottavian

 

 

Titolo: Controllo ottimo e applicazioni

Docente: Alessandra Cretarola

Ore/CFU: 20 ore

Periodo: aprile/maggio 2020

Programma:

▪ Controllo ottimo deterministico: problemi ad orizzonte

temporale finito, principio della programmazione dinamica,

equazione della programmazione dinamica, programmazione

dinamica e principio di Pontryagin, problemi ad orizzonte

temporale infinito, problemi di calcolo delle variazioni.

▪ Soluzioni di viscosità: definizione, esempi, programmazione

dinamica e proprietà di viscosità, proprietà delle soluzioni di

viscosità, controllo ottimo deterministico e soluzioni di

viscosità, continuità della funzione valore.

▪ Controllo ottimo stocastico per processi di Markov: processi

di Markov e relative proprietà, processi di diffusione ed

equazioni differenziali stocastiche, programmazione

dinamica, teorema di verifica, problemi ad orizzonte

temporale finito e infinito, soluzioni di viscosità.

▪ Applicazioni alla Finanza: problema di Merton, prezzo di

indifferenza di derivati, scelta di portafoglio ottimo con costi

di transazione, super-hedging con vincoli di portafoglio. Nella

scelta delle applicazioni da approfondire, il docente terrà in

particolare considerazione i diversi interessi degli studenti.

Sede del corso: Università di Perugia

Pagina personale: http://www.dmi.unipg.it/alessandra.cretarola/

Index.html

 

 

Titolo: Proprietà qualitative ed aspetti geometrici delle soluzioni  di equazioni alle derivate parziali non lineari di tipo ellittico.

Docente: Alberto Farina (Université di Picardie "Jules Verne" - Alberto.Farina@u-picardie.fr 

Ore/CFU: 15-20/3-4

Periodo: Marzo 2020

Programma: Nel corso presenterò alcuni risultati recenti relativi alle  proprietà qualitative ed agli aspetti geometrici delle soluzioni di  equazioni alle derivate parziali non lineari di tipo ellittico. Mi  concentrerò su modelli che compaiono in modo naturale in numerosi  problemi ed applicazioni : transizione di fase, ottimizzazione di  forma, problemi inversi,... Dimostrerò alcuni risultati di  classificazione e di rigidità in dominî non limitati (monotonia e  simmetria delle soluzioni, Congettura di Gibbons, problemi  sovradeterminati alla Serrin in epigrafici e Congettura di De Giorgi).  Ne discuterò l'ottimalità e presenterò alcuni problemi aperti. 

Sede del corso: Università di Firenze

Pagina personale: https://www.lamfa.u-picardie.fr/farina/

 

 

Titolo: Local Approximation and Numerical Differentiation by Polynomial and Kernel Methods 

Docente: Prof. Oleg Davydov, University of Giessen, Germany

Ore/CFU: 25 ore (5 CFU)

Periodo: 24 Febbraio – 20 Marzo 2020

Programma:

1. Interpolation problem and Mairhuber's theorem. 2. Multivariate polynomials: basic properties; spaces of polynomials of a given total degree. 3. Interpolation and least squares fitting with multivariate polynomials: existence, Lebesgue constants, error bounds. 4. Numerical differentiation with polynomials. 5. Introduction into positive definite kernels and reproducing kernel Hilbert spaces. 6. Kernel-based interpolation and numerical differentiation: optimal recovery, mini- mum norm property, error bounds. 7. Introduction in meshless finite difference methods for the numerical solution of PDEs.

Ateneo in cui si svolgera' il corso: Ateneno di Firenze (Ulisse Dini)

Pagina personalehttp://www.staff.uni-giessen.de/~gc1266/

 

Titolo: Stochastic filtering

Docente: Katia Colaneri, Università di Roma Tor Vergata

Ore/CFU: 20 ore, 4CFU

Periodo: Aprile-Giugno 2020

Programma:

Sistemi parzialmente osservabili

Filtrazione Globale e Osservazione

Filtraggio lineare: il filtro di Kalman (esistenza e unicità delle equazioni del filtro)

Filtraggio non lineare

Metodi numerici per la soluzione del problema di filtraggio

Testi di Riferimento:

Kallianpur, Stochastic filtering Theory

Bain and Crisan, Fundamentals of stochastic filtering

Ateneo in cui si svolgerà il corso: Università degli Studi di Perugia

Pagina Personale: https://economia.uniroma2.it/faculty/550/colaneri-katia

https://sites.google.com/site/katiacolaneri/

 

 

 

 

 

 

CURRICULUM IN INFORMATICA

 

 

Corsi Offerti per l’anno 2019/2020

Titolo: Advances in Neural Networks

Docente: V. Poggioni

Ore/CFU: 30/6CFU

Periodo: Gen-Marzo 2020

Programma:

Feed Forward Network: Multi-Layer Perceptron and Convolutional Neural Network; Recurrent Neural Network - Long Short Term Memory; Generative Models and Generative Neural Networks

Sede del corso: Università di Perugia

Pagina personale:

 

Titolo: Evolutionary computation and its applications to machine learning

Docente: M. Baioletti, V. Santucci

Ore/CFU: 30/6CFU

Periodo: Marzo-Maggio 2020

Programma:

Metaheuristics. Genetic Algorithms. Evolutionary Strategies. Differential Evolution. Particle Swarm Optimization. Ant Colony Optimization. Genetic Programming. Applications to Neural Networks Learning, Bayesian Learning, Feature Selection, Reinforcement Learning

Sede del corso: Università di Perugia

Pagina personale:

 

Titolo: Affective Computing & Emotion Recognition

Docente: A. Milani, V. Franzoni

Ore/CFU: 30/6CFU

Periodo: Febbrario-Aprile 2020

Programma:

Introduction to AI approach to Emotion Recognition (ER) and Affective Computing. Neurophysiological aspects, emotional models (Plutchik), applications.

Image based ER, CNN and knowledge transfer techniques. Sound baser ER, spectrogramization. ER in text, PoS, word-to-vec, semantic similarity. 

Sensors-based and PoB based ER. Insights on emotional intelligence, Mirror Neurons, Social Emotions, Errors, biases and overconfidence.

Sede del corso: Università di Perugia

Pagina personale:

 

 

Titolo: State-based

Docente: P. Lollini

Ore/CFU: 30/6CFU

Periodo: April – May 2020

Programma:

Introduction to validation, quantitative analysis techniques, key dependability concepts.

Basics on Markov processes: Discrete-Time Markov Chains, Continuous-Time Markov Chains, Transient and Steady-state analysis. 

Basics on Petri Nets: P/T Petri Nets, Timed Petri Nets, Stochastic Petri Nets.

Stochastic Activity Networks (SAN): Introduction, Definition, Completion rules, Stabilizing and Well-Specified SAN. Underlying stochastic process.

Guided practical modelling experiences using SAN and Möbius tool (lab sessions).

Advanced Model-Driven Engineering approaches for performability analysis: experiences and perspectives.

Sede del corso: Università di Firenze

Pagina personale:

 

 

Titolo: Methods for Parallel Programming

Docente: O. Gervasi

Ore/CFU: 18 ore di lezione e 12 ore di approfondimento/6cfu

Periodo: prima di Maggio 2020

Programma:

Parallel Computing, Message Passing Interface (MPI), Communicators, Parallelization strategies

Sede del corso: Università di Perugia

Pagina personale:

 

Corsi Attivati per l’anno 2019/2020

 

 

 

CURRICULUM IN STATISTICA

 

Corsi Offerti per l’anno 2019/2020

Titolo: Basi di informatica per il data scientist (Fundamentals of computer science for the data scientist)*

Docente (e sua università di appartenenza): M. Boreale, A. Marino, D. Merlini, M. C. Verri, (UNIFI)

Ore/CFU: 40/8

Periodo: primavera 2020 (spring 2020)

Programma: Programmazione in Python: costrutti fondamentali, moduli Python, funzioni, ricorsione, stringhe, liste e dizionari, analisi degli algoritmi, ricerca e sorting.

Tecniche algoritmiche: greedy, divide et impera, programmazione dinamica. Grafi e algoritmi su grafi. Algebra relazionale e normalizzazione. Preprocessing di dati di tipo relazionale per applicazioni data mining utilizzando il linguaggio SQL. Introduzione alla Crittografia a chiave condivisa (cifrari di Feistel) e a chiave pubblica (RSA). Firma digitale. Privacy dei dati: k-anonymity e differential privacy.

(Programming in Python: fundamental instructions, python modules, functions, recursion, strings, lists, dictionaries, analysis of algorithms, search, and sorting.

Algorithmic techniques: greedy, divide et impera, dynamic programming. Graphs and algorithms on graphs. Relational algebra and normalization.Preprocessing of relational data for data mining applications using theSQL language. Introduction to Shared Key Encryption (Feistel ciphers) and Public Key Encryption (RSA). Digital signature. Data privacy: k-anonymity and differential privacy.)

Sede del corso: Firenze

Pagina personale:

(M. Boreale) https://www.unifi.it/p-doc2-2017-200010-B-3f2a3d303a2931-0.html

(A. Marino) https://www.unifi.it/p-doc2-2018-0-A-2d2a39323a2f-0.html

(D. Merlini) https://www.unifi.it/p-doc2-2017-200010-M-3f2a3d30352829-0.html

(M. C. Verri) https://www.unifi.it/p-doc2-2017-200010-V-3f2a3d2e362d2e-0.html

 

*******************************************************************************

Titolo: Argomenti di Inferenza e Statistica Computazionale (Topics of Computer Age Statistical Inference)

Docente (e sua università di appartenenza): G.M. Marchetti (UNIFI)

Ore/CFU: 10/2

Periodo: gennaio 2020

Programma: Famiglie esponenziali, Jackknife e bootstrap, Test multipli (Exponential family

Jackknife and bootstrap Multiple testing )

Testi/Readings: Efron, B., Hastie, T. (2016). Computer Age Statistical Inference . New York, Cambridge University Press.

Sede del corso: Firenze

Pagina personale: http://local.disia.unifi.it/gmm/

 

*******************************************************************************

Titolo: Introduction to composite likelihood
Docente (e sua università di appartenenza):
Monia Lupparelli (UNIFI)
Ore/CFU: 10/2
Periodo: gennaio 2020 Programma: The course provides an introduction to composite likelihood theory, both marginal and conditional approaches are discussed, with possible application. The focus is mainly on inference and model selection. The course also includes a reading group activity based on a selection of published papers.

Ateneo in cui si svolgerà il corso: Università degli Studi di Firenze

Pagina personale: https://www.unifi.it/p-doc2-2018-0-A-2d2a362f3628-0.html

 

*******************************************************************************

 

Titolo: Inferenza non parametrica con metodi kernel

Docente (e sua università di appartenenza): Agnese Panzera (UNIFI)

Ore/CFU: 10/2 Periodo: Febbraio 2020

Programma: Stima Kernel di densità, stima kernel della funzione di regressione, regressione polinomiale e locale.

Sede del corso: Università degli Studi di Firenze

Pagina personale: https://www.disia.unifi.it/p-doc2-2017-000000-P-3f2b3a2f352b2c-0.html

 

*******************************************************************************

 

Titolo: Tree- based statistical learning

Docente (e sua università di appartenenza): Anna Gottard (UNIFI)

Ore/CFU:10/2

Periodo: febbraio marzo 2020

Programma:

Introduzione al Supervised Learning; Modelli Additivi e Alberi; Ensemble Learning; Boosting e Bagging; Random Forests; BART e SuperLearner

Sede del corso: Università degli Studi di Firenze

Pagina personale: http://local.disia.unifi.it/gottard/

 

********************************************************************************

 

Titolo: Metodi Bayesiani per dati high - dimensional

Docente (e sua università di appartenenza): Francesco Stingo (UNIFI):

Ore/CFU: 10/2

Periodo: maggio 2020

Programma: Metodi Bayesiani per la selezione del modello per Regressione lineare, Modelli lineari generalizzati, Modelli grafici. Questi modelli verranno illustrati anche attraverso applicazioni in biologia e medicina (con particolare riguardo a dati di genomica)

Sede del corso: Università degli Studi di Firenze

Pagine personale: https://sites.google.com/site/fcstingo/

 

********************************************************************************

 

 

 

 

Titolo: Modelli a variabile latente per dati cross-section e longitudinali

Docente (e sua università di appartenenza): Silvia Pandolfi (Dipartimento di Economia Università degli Studi di Perugia)

Ore/CFU: 10 – 2 CFU

Periodo: Febbraio-marzo 2020

Programma:

Concetti di base su modelli a variabile latenti, Stima tramite algoritmo EM, Generalized Linear Mixed Models, Modello a classi latenti, Latent Growth model, Latent Markov model, Il pacchetto LMest per R

Sede del corso: Università degli Studi di Perugia

Pagina personale: https://www.unipg.it/personale/silvia.pandolfi

 

********************************************************************************

 

Titolo: Gaussian mixture models for model-based clustering, classification, and density estimation*
Docente (e sua università di appartenenza): Luca Scrucca (Università degli Studi di Perugia)

Ore/CFU: 10/2

Periodo: Febbraio-Marzo 2020

Programma: Finite mixture models, Gaussian Mixture Models, Model-based clustering based on multivariate Gaussian distribution, EM algorithm, Criteria and method for model selection, The R package mclust, Density estimation via finite mixture modeling, Classification using Gaussian mixture models, Variable Selection for Gaussian Model-based Clustering, Anomaly detection: modelling noise and outliers.

Ateneo in cui si svolgerà il corso: Università degli Studi di Perugia (Dipartimento di Economia)
Pagina personale: http://www.stat.unipg.it/luca

 

*******************************************************************************

 

Titolo: Uso dell’informazione ausiliaria nell’inferenza descrittiva su popolazioni finite*
Docente (e sua università di appartenenza): Montanari Giorgio Eduardo (Università degli Studi di Perugia)

Ore/CFU: 10/2

Periodo: Febbraio-Marzo 2020

Programma: Uso dell’informazione ausiliaria per la stima di medie e totali, Stima per regressione, Stima calibrata, Metodi non parametrici, Uso dell’informazione ausiliaria per il trattamento della mancata risposta, Modellazione della mancata risposta, Trattamento della non risposta con un solo passo.
Sede del corso: Università degli Studi di Perugia
Pagina personalehttps://scholar.google.it/citations?user=DI_R6KQAAAAJ&hl=it

 

*****************************************************************************

Titolo: Introduzione all'inferenza causale

Docente (e sua università di appartenenza): Fabrizia Mealli (UNIFI)

Ore/CFU:10/2

Programma: L'approccio dei risultati potenziali. Il meccanismo di assegnazione. Disegno e analisi di esperimenti randomizzati. Disegno e analisi di studi osservazionali (meccanismo di assegnazione regolare). Studi causali irregolari: Studi causali in presenza di variabili intermedie; Regression discontinuity designs, Studi causali in presenza di cluster e network data. Machine Learning and Causal inference

Sede del corso: Università degli Studi di Firenze

Pagina personale: http://local.disia.unifi.it/mealli/

********************************************************************************

Titolo: Modelli di regressione per l’analisi di dati spaziali

Docente (e sua università di appartenenza): Chiara Bocci (UNIFI)

Ore/CFU: 10/2

Programma: Introduzione ai dati statistici spaziali. Modelli di regressione per dati di area spazialmente correlati. Modelli di regressione per dati di superficie aleatoria. Modelli di regressione per dati di processo di punto spaziale. L’illustrazione dei modelli sarà accompagnata dalla presentazione di casi di studio in ambito socio-economico.
Sede del corso:
Università degli Studi di Firenze

Pagine personale: https://www.unifi.it/p-doc2-2019-000000-B-3f2b3a31392c2e-0.html

 

*******************************************************************************

 

Titolo: Disegno degli esperimenti e modelli statistici: aspetti di pianificazione sperimentale; teoria e casi di studio

Docente (e sua università di appartenenza): Rossella Berni (UNIFI)

Ore/CFU: 15 ore/3CFU

Periodo: Aprile Maggio 2020

Programma: Concetti introduttivi di pianificazione sperimentale. Il rapporto tra disegno sperimentale e formulazione del modello statistico. Problematiche di pianificazione sperimentale in ambito tecnologico, economico, agrario.

Sede del corso: Firenze, DISIA

Pagina personale: http://local.disia.unifi.it/berni

 

********************************************************************************

 

Titolo: Modelli a effetti misti per l’analisi di dati longitudinali e per la stima per piccole aree

Docente (e sua università di appartenenza): Maria Francesca Marino (UNIFI), Emilia Rocco (UNIFI)

Ore/CFU: 15 / 3

Periodo:

Programma:

Modello lineare a effetti misti per dati clusterizzati. Modelli lineari generalizzati a effetti misti per dati clusterizzati. Modelli a effetti misti per dati longitudinali. Modelli a effetti misti per la stima per piccole aree.

Sede del corso: Università degli Studi di Firenze

Pagina personale:

Maria Francesca Marino: https://www.unifi.it/p-doc2-2018-0- A-2c33392b322e-1.html

Emilia Rocco: https://www.unifi.it/p-doc2-2015-0- A-2b333c2d392d-0.html

 

********************************************************************************

 

Titolo: Social demography: models and applications

Docente (e sua università di appartenenza): B. Arpino, R. Guetto, E. Pirani, D. Vignoli (UNIFI)

Ore/CFU: 15 / 3 CFU

Periodo: marzo/aprile 2020

Programma:

- Economic uncertainty and Fertility in Europe

- Mixed Unions: a marker of immigrant integration and societal openness?

- Social determinants of health

- Causality in demography

Sede del corso: Università degli Studi di Firenze

Pagina personale:

Bruno Arpino: https://www.unifi.it/p-doc2-2019-0-A-2c3239293530-0.html

Raffaele Guetto: https://www.unifi.it/p-doc2-2018-0-A-2d2a342f3b2b-0.html

Elena Pirani: https://www.unifi.it/p-doc2-2015-0-A-2c3039313b2e-1.html

Daniele Vignoli: www.danielevignoli.com

 

********************************************************************************

 

Titolo: Teoria statistica delle decisioni

Docente (e sua università di appartenenza): Silvia Bacci, Bruno Chiandotto (UNIFI)

Ore/CFU: 10 / 2

Periodo: Febbraio-Marzo 2019

Programma: Statistica e decisioni. Teoria dell’utilità.Elicitazione della funzione di utilità.Teoria delle decisioni classica e bayesiana. Teoria statistica delle decisioni (classica e bayesiana). Statistica, causalità e decisioni.

Sede del corso: Università degli studi di Firenze, DiSIA

Pagina personale:

Silvia Bacci: https://www.unifi.it/p-doc2-2007-0-A-2c2a382b3228.html

 

*****************************************************************************************

 

Titolo: Meta-analisi e Network Meta-analysis

Docente (e sua università di appartenenza): Michela Baccini (UNIFI)

Ore/CFU: 10/2

Periodo: Marzo-Maggio 2020

Programma: Cenni alle revisioni sistematiche; Meta-analisi a effetti fissi; Meta-analisi a effetti casuali; Meta-analisi Bayesiana; Network meta-analisi

Sede del corso: Firenze

Pagina personale: https://www.unifi.it/p-doc2-2015-0-A-2c2a34293728-1.html

 

****************************************************************************************

 

Titolo: Geo-spatial methods for global health applications with focus on Disease Clustering

Docente: Annibale Biggeri (UNIFI), Toshiro Tango (Teikyo University Graduate School of Public Health, Tokio, Japan)

Ore/CFU: 10/2

Periodo: 22-25 giugno 2020

Programma: Review of methods for disease mapping, and geostatistical methods; methods in disease clustering and disease mapping; Bayesian modeling. Examples and case studies, for both low and high income countries, will be presented.

Sede del corso: Firenze

Pagina personale: https://www.unifi.it/p-doc2-2019-200009-B-3f2a3d2e382e2b-0.html ; http://medstat.jp/staff.html

 

****************************************************************************************

 

Titolo: Bayesian Casual Inference

Docente (e sua università di appartenenza): Fan Li (Department of Statistical Science, Duke University, Durham, NC, USA)

Ore/CFU: 15/3

Periodo: 8-12 Giugno 2020

Programma:

The aim of this course is to introduce the fundamental concepts and state-of-art methods for causal inference under the potential outcome framework. The lectures will be organized by the treatment assignment mechanisms. Topics will cover randomized experiments, observational studies with ignorable assignment mechanisms, natural experiments, sequential ignorable longitudinal treatments. Recent advances related to machine learning and more complex situations such as spatial-temporal treatments and interference will also be discussed. All methods will be illustrated via real case studies in health studies, economics and biology. Though the causal framework and most of the methods are independent of the inferential paradigm, an emphasis will be put on the Bayesian paradigm for inference.

Sede del corso: Università degli Studi di Firenze

Pagina personale: Abs Summer School: http://www.mi.imati.cnr.it/conferences/abs20/index.html

 

 

 

Seminari

Anno accademico 2018/2019

Titolo

Stability of Maxwell's equation with a conductivity term 

Periodo

Lunedì 17 giugno 2019

Luogo

Sala Conferenze "F. Tricerri" alle ore 15:30

Relatore

Prof. Matthias Eller (Georgetown University, DC, USA)

Abstract

We will review several results concerning the stability of the dissipative linear wave equation. After that, we move on to Maxwell's equations where the conductivity term introduces a natural interior dissipation. This problem is more challenging since it involves a system of PDE and we will present a couple of results concerning the stability. 
Important ingredients of our approach are the analysis of solutions of higher regularity as well as a unique continuation property of the time-harmonic Maxwell equations.

 

 

 

Anno accademico 2017/2018

Titolo

Principi dell'apprendimento automatico

Periodo

Mercoledì 21 marzo 2018

Luogo

Sala Conferenze "F. Tricerri" alle ore 14:00

Relatore

Prof. Marco Gori (Università di Siena)

Abstract

Il seminario è basato sui contenuti del libro “Machine Learning: A Constrained-Based Approach” dove vengono illustratati i principi alla base dell’apprendimento automatico. In particolare, i problemi di apprendimento vengono formulati attraverso classici schemi di ottimizzazione vincolata. Dopo l’introduzione vengono accennate alcune applicazioni, ma viene  poi posta l’enfasi su alcuni problemi fondazionali aperti. In particolare tali problemi hanno  origine nel contesto della statistica e del calcolo delle variazioni.

 

 

Titolo

An invitation to derived and non-commutative algebraic geometry

Periodo

Mercoledì 28 febbraio 2018

Luogo

Sala Conferenze "F. Tricerri" alle ore 14:00

Relatore

Prof. Gabriele Vezzosi (Università di Firenze)

Abstract

Through some motivating examples, we will give an overview 
of derived and non-commutative algebraic geometry.
We will concentrate more on the basic ideas inside these theories than on
their technical aspects and tools.

 

 

Titolo

Una introduzione ai gruppi amenabili

Periodo

Mercoledì 31 Gennaio 2018

Luogo

Sala Conferenze "F. Tricerri" alle ore 11:30

Relatore

Prof. Antongiulio Fornasiero (Università di Firenze)

Abstract

1. Introduction

2. Measure and mean

3. Følner condition

4. Paradoxical decomposition

5. Properties of amenable groups

6. Examples

7. Growth

8. Properties of amenable groups: the proofs

 

Anno accademico 2016/2017 

Titolo

Regolarità delle superfici minime soluzioni al problema di Plateau

Periodo

Giovedì 21 Settembre 2017

Luogo

Aula 8 alle ore 12:30

Relatore

Prof. Emanuele Spadaro (Università di Lipsia)

Abstract

Il problema di Plateau consiste nel trovare le superfici di area minima tra tutte le superfici con assegnato bordo. In questo seminario si illustreranno le nozioni di teoria geometrica della misura necessarie alla soluzione del problema, assieme alle questioni di regolarità delle soluzioni, con particolare riferimento agli sviluppi più recenti e ai problemi aperti.

 

 

Titolo

Gradi di caratteri irriducibili e cardinalità di classi di coniugio in gruppi finiti

Periodo

1 giugno 2017

Luogo

aula Tricerri (DIMAI, viale Morgagni 67/A)

Relatore

prof. Silvio Dolfi

Abstract

L'insieme cd (G)  dei gradi dei caratteri irriducibili e l'insieme cs (G) delle cardinalità delle classi di coniugio di un gruppo finito G riflettono, in vario modo, la struttura di G. Presenterò alcuni risultati in questo senso, per poi discutere il problema riguardante possibili relazioni fra gli elementi di cd(G) e di cs(G).

 

 

Titolo

Il fenomeno del "mixing" per flussi associati a campi di velocità con divergenza nulla

Periodo

3 aprile 2017

Luogo

Aula Tricerri - Unifi

Relatore

Prof. Giovanni Alberti (Università di Pisa)

Abstract

Ad un campo di velocità su un dominio dello spazio Euclideo (o su una varietà) è associato in modo naturale un flusso, cioè una famiglia ad un parametro (il tempo) di trasformazioni del dominio. Se inoltre il campo ha divergenza nulla allora tali trasformazioni conservano il volume, ed è quindi possibile definire per ciascuna di esse una scala di "mixing", vale a dire un numero che misura (in qualche senso) quanto finemente un certo insieme di riferimento è stato "sparpagliato" nel dominio (dalla trasformazione in questione). 
Il punto focale di questo seminario è una nota congettura di Alberto Bressan secondo cui, sotto opportune ipotesi sul campo di velocità, la scala di mixing del flusso decade al più esponenzialmente nel tempo. Al momento attuale di questa congettura esiste solo una dimostrazione parziale, dovuta a Gianluca Crippa e Camillo De Lellis. Insieme con Gianluca Crippa e Anna Mazzuccato abbiamo affrontato un problema strettamente collegato alla congettura di Bressan, vale a dire quello di costruire campi di velocità che esibiscano effettivamente un decadimento esponenziale della scala di mixing. Questo problema è strettamente collegato alla perdita di regolarità (spaziale) dell'equazione di trasporto con cambi non regolari, come pure alla teoria dei sistemi dinamici.

 

Anno accademico 2015/2016 

Titolo

Fourier and Segal-Bargmann transforms on modified slices in a Clifford algebra

Periodo

lunedì 20 giugno 2016, Ore: 12:00

Luogo

Aula Tricerri

Relatore

Lander Cnudde (Ghent University)

Abstract

The talk starts with the introduction - and slight modification - of the concept of a 'slice' in a general Clifford algebra. In this way a differential operator is obtained which establishes a representation of the Lie superalgebra $\mathfrak{osp}(1|2)$. This so-called 'slice Dirac operator' is used to construct Clifford-Hermite functions which are shown to be orthogonal with respect to a well-defined inner product. Moreover they obey a scalar differential equation, by which they qualify extremely
well as the eigenfunctions of a slice Fourier transform. Given their orthogonality, it is a natural question to ask whether transforms can be constructed which map them to other orthogonal bases. This talk addresses the particular case of the Fock space. The goal of the talk is to construct a slice Clifford counterpart of the Segal-Bargmann
transform, which classically maps Clifford-Hermite functions onto the monomial basis of the Fock space.

 

 

Titolo

Algebra e scelte sociali

Periodo

mercoledì 25 maggio 2016, Ore: 11:00

Luogo

Aula Tricerri

Relatore

Prof.ssa Daniela Bubboloni (Università di Firenze)

Abstract

Introduciamo alcuni concetti e problematiche tipici dell'ambito delle scelte sociali e mostriamo come alcune questioni possano essere modellizzate tramite gruppi di permutazioni o grafi. In particolare ci soffermiamo sugli aspetti di anonimità, neutralità e maggioranza. Daremo un'idea della ricerca attualmente condotta in materia.

 

 

Titolo

Dehn e Banach-Tarski: due opposti paradossi

Periodo

mercoledì 6 aprile 2016

Luogo

Aula Tricerri - Ore: 14:30

Relatore

Prof. Emanuele Paolini (Università di Firenze)

Abstract

E' possibile suddividere una piramide in un numero finito di pezzi poliedrali che ricomposti danno un cubo? E' possibile suddividere un cubo in un numero finito di pezzi che ricomposti danno due cubi identici all'originale? Le risposte a queste domande sono sorprendenti. Faremo una panoramica sulla soluzione del terzo problema di Hilbert, sul paradosso di Banach-Tarski e su problematiche correlate a queste (il paradosso dell'infinito, il teorema di Cantor-Bernstein, l'assioma della scelta, l'esempio di Vitali). Queste questioni trattano dei fondamenti della matematica con particolare riguardo agli assiomi della teoria della misura.

 

 

Titolo

Dimostrazione formale e meccanizzazione della matematica

Periodo

mercoledì 16 marzo 2016

Luogo

in Aula Tricerri, ore 11:00

Relatore

Dr. Marco Maggesi (Università di Firenze)

Abstract

L'uso del computer per la modellizzazione del ragionamento deduttivo non è più una possibilità teorica, ma una realtà che trova applicazione nell'industria, nella didattica e nella ricerca.  Il seminario sarà una panoramica su questa nuova disciplina, la Meccanizzazione della Matematica, e sulle sue applicazioni e prospettive di sviluppo.

 

 

Titolo

Metodi numerici per problemi conservativi basati sull'integrale di linea discreto.

Periodo

mercoledì 24 febbraio 2016

Luogo

Aula Tricerri

Relatore

Prof. Luigi Brugnano (Università di Firenze)

Abstract

Verranno descritti i metodi energy-conserving ottenuti mediante un recente approccio basato sul cosiddetto integrale di linea discreto [1]. Questo si concretizza nella denizione di metodi Runge-Kutta in grado di conservare l'energia per problemi Hamiltoniani, sebbene l'approccio si generalizzi facilmente a problemi conservativi più generali.

 

 

Titolo

L'EQUAZIONE DI GRAD-SAFRANOV, UN PRETESTO PER FARE ANALISI NON-LINEARE I, II, III

Periodo

martedì 17 novembre alle ore 14:30, martedì 24 e giovedi' 26 novembre in Aula Tricerri

Luogo

in sala conferenze "F. Tricerri"

Relatore

Prof. Marco Vinicio Calahorrano Recalde (Escuela Politécnica Nacional, Quito)

Abstract

In questo corso ci proponiamo di studiare l'esistenza e la molteplicità di soluzioni per un problema che è nato nello studio delle fiamme solari, la cui equazione è del tipo Grad-Shafranov. Daremo delle nozioni teoriche sull'analisi non lineare che ci permetteranno di risolvere questo tipo di questioni.

 

Anno accademico 2014/2015

Titolo

An Introduction to Geometric-Based Image Forensics

Periodo

Giovedì 23 ottobre, ore 11-13

Luogo

Sala Riunioni del DINFO (stanza n.516), via di Santa Marta 3, 50139 FI

Relatore

Massimo Iuliani, UniFi

Abstract

La Image Forensics studia metodi blind per ricostruire la storia di una immagine digitale attraverso l'analisi delle tracce che intrinsecamente vengono lasciate sull'immagine dalle fasi di acquisizione, codifica ed editing. In particolare alcune caratteristiche geometriche possono essere estratte da un'immagine sia per il recupero di informazioni rilevanti dalla scena (altezze, distanze, angoli), sia per il rilevamento di fotomontaggi. Durante il seminario verranno presentate le tecniche base, mutuate dalla computer vision per l'estrazione di queste informazioni e verranno mostrati alcuni esempi di applicazione alle immagini digitali.

 

 

Titolo

Rappresentazioni e caratteri di gruppi finiti

Periodo

25/03/2015 alle ore 14.30

Luogo

Aula Tricerri

Relatore

Lucia Sanus (Università di Valencia)

Abstract

-

 

 

Titolo

Equazione di Monge-Ampère

Periodo

19/02/2015 alle ore 14:00

 

Luogo

Aula 8

Relatore

Dr. Guido De Philippis (ENS Lyon)

Abstract

In questo seminario introduttivo presenterò il problema di trasporto ottimo di Monge-Kantorovich, darò alcune idee di come si  risolve e infine mostrerò come la questione della regolarità di mappe ottime sia legata alllo studio dell'equazione di Monge-Ampère.

 

 

Titolo

Mean field reduction for coupled maps on evolving networks

Periodo

lunedì 4 maggio alle ore 14:30

Luogo

sala conferenze "F. Tricerri"

Relatore

Dott. Francesco Ricci (Imperial College)

Abstract

Nel seminario studierò la dinamica di mappe espansive sul cerchio che interagiscono su un random network eterogeneo il quale evolve nel tempo.
La eterogeneità  dei grafi è legata alla disparità che esiste tra il grado dei nodi: pochi sono molto connessi, mentre i restanti hanno poche connessioni. L'approccio al problema è probabilistico, e sotto determinate condizione la dinamica dei nodi molto connessi può essere descritta per mezzo di poche equazioni dipendenti solo dal nodo cui ogni equazione si riferisce. Questa riduzione permette di esplorare le proprietà  del network.

 

 

Titolo

Un breve viaggio nella dinamica olomorfa

Periodo

lunedì 4 maggio alle ore 15:30

Luogo

sala conferenze "F. Tricerri"

Relatore

Prof. Filippo Bracci (Università di Roma "Tor Vergata")

Abstract

Con il termine dinamica olomorfa si intendono molti oggetti allo stesso tempo distinti e legati tra loro. In questo seminario parlerò di alcuni di essi, delle loro relazioni tra loro intercorrenti e dei problemi aperti. In particolare, introdurrò lo studio dei germi di funzioni olomorfe, dei problemi di linearizzazione e risonanze, dei loro legami con lo studio delle foliazioni olomorfe e con la iterazione di funzioni olomorfe (insiemi di Julia e Fatou, iterazione iperbolica). Non è richiesto nessun background nel soggetto, tranne una conoscenza di base di matematica.

 

 

Titolo

La matematica dietro alle valvole cardiache

Periodo

lunedì 18 maggio 2015

Luogo

Aula Tricerri - Unifi

Relatore

 

Dott. Tommaso Ristori (Eindhoven University of Technology)

 

Abstract

 

In questo seminario, saranno presentati e comparati i più recenti modelli matematici per il rimodellamento delle cellule. Saranno poi spiegate tecniche matematiche in grado di risolvere le limitazioni associate a tali modelli. Infine sarà mostrato un esempio di come l’utilizzo di tali tecniche matematiche porti, indirettamente, ad un miglioramento delle prestazioni delle TEHVs.

 

 

2018 (seconda meta' di luglio 2018

)

2018 (seconda meta' di luglio 2018

)

Titolo

STABILITY OF MAXWELL'S EQUATION WITH A CONDUCTIVITY TERM

Periodo

Lunedì 17 giugno 2019 alle ore 15:30

Luogo

aula Tricerri del DIMAI in viale Morgagni 67/A - Firenze

Relatore

Prof. Matthias Eller (Georgetown University, DC, USA)

Abstract

We will review several results concerning the stability of the 
dissipative linear wave equation.  After that, we move on to Maxwell's 
equations where the conductivity term introduces a natural interior 
dissipation. This problem is more challenging since it involves a system 
of PDE and we will present a couple of results concerning the stability. 
Important ingredients of our approach are the analysis of solutions or 
higher regularity as well as a unique continuation property of the 
time-harmonic Maxwell equations.

 

Principi dell'apprendimento automatico
 
ultimo aggiornamento: 28-Nov-2019
Unifi Home Page

Inizio pagina