MENU

Anno Accademico 2019/2020 - XXXV ciclo

DOTTORATO CONSORTILE FIRENZE-PERUGIA-INDAM

“Matematica, Informatica, Statistica”

 

 

 

Anno Accademico 2019/2020 – XXXV Ciclo

Elenco Corsi Offerti e Attivati

 

 

  

Indice:

Curriculum in Matematica

Curriculum in Informatica

Curriculum in Statistica

 

  

I corsi qui listati vengono tutti tenuti presso il DiMaI e il DiSIA di Firenze o presso il DMI e il Dipartimento di Economia di Perugia secondo il seguente calendario: Dottorato in Matematica, Informatica, Statistica/Data Science

 

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 (CORSO ATTIVATO)

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
DocenteFrancesca 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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)
DocenteVeronica Gavagna (Università di Firenze
Ore/CFU15 ore/ 3 CFU
Periodometà marzo - aprile 2020
ProgrammaCome 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 (CORSO ATTIVATO)
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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)
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: Functions of complex and hypercomplex variable (CORSO ATTIVATO)

Docente: Caterina Stoppato

Periodo: from 20/01/2020

Ore/CFU: 30/6

Programma:

The course will focus on function theory in one (hyper)complex variable. After the necessary prerequisites about holomorphic complex functions, it will present some classical result such as the classification of Riemann surfaces, as well as some dynamics over Riemann surfaces. The course will then present the theory of regular functions of one quaternionic or hypercomplex variable, which is the subject of current research along with its applications to other areas of mathematics.

Università: Firenze

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

 

 

 

Titolo: Introduction to tensor spaces (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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/

 

 

 

Titolo: Meccanica Statistica Matematica in una dimensione (CORSO ATTIVATO)

Docente Pierrre Picco (CNRS Directeur de Recherché Probabilités)

Ore/CFU: 30/6

Periodo:  le ultime 2 settimane di  Febbraio 2020

Programma

In questa parte del corso presenterò 

-la prova completa dall'esistenze di una transizione di fase per il

modello di Ising con lungo range in

una dimensione. Usando un argomento di Peierls. (10 ore) 

-lo studio della convergence della cluster expansion per questo

stesso modello para potere

studiare esplicitamente il fenomeno della separazione dei fasi (teorema di

Minlos & Sinai) (10 ore) 

Ateneo in cui si svolgera' il corso: Universita' di Firenze(DIMAI)

Pagina personale: [www.i2m.univ-amu.fr

 

 

 

 

Titolo: Entropia algebrica
Docente: Antongiulio Fornasiero, Firenze
Ore/CFU: 15 ore, 3 CFU
Periodo: Settembre 2020
Programma
Lemma di Fekete
Entropia di Shannon ed entropia di Kolmogorov-Sinai 
Entropia algebrica di un endomorfismo di gruppo Abeliano
Additività dell'entropia algebrica
Opzionali: 
Gruppi amenabili
Lemma di Orstein-Weiss
Entropia dell'azione di un gruppo amenabile
Additività dell'entropia di tale azione
Breve Bibliografia:
1) Per una introduzione all'entropia algebrica: 
Giordano Bruno, Salce. A soft introduction to algebraic entropy. 
Arab. J. Math. (Springer) 1 (2012), no. 1, 69–87. 
2) Un libro di testo sull'entropia di Kolmogorov (e molto altro):
Downarowicz. Entropy in dynamical systems.
New Mathematical Monographs, 18. Cambridge University Press, Cambridge,
2011. xii+391 pp. ISBN: 978-0-521-88885-1  
3) Sul lemma di Orstein-Weiss:
Ceccherini-Silberstein, Coornaert, Krieger.
An analogue of Fekete's lemma for subadditive functions on cancellative
amenable semigroups. 
J. Anal. Math. 124 (2014), 59–81. 
Ateneo in cui si svolgerà il corso: Firenze

 

 

 

 

 

 

CURRICULUM IN INFORMATICA

 

 

Corsi Offerti per l’anno 2019/2020

Titolo: Advances in Neural Networks  (CORSO ATTIVATO)

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: https://www.unipg.it/personale/valentina.poggioni

 

Titolo: Evolutionary computation and its applications to machine learning  (CORSO ATTIVATO)

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: https://www.unipg.it/personale/marco.baioletti

 

Titolo: Affective Computing & Emotion Recognition  (CORSO ATTIVATO)

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: https://www.unipg.it/personale/alfredo.milani

 

 

Titolo: Titolo: "Stochastic state-based modeling"

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  (CORSO ATTIVATO)

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: https://www.unipg.it/personale/osvaldo.gervasi

 

Titolo: Combinatorial game theory and elements of social choice (CORSO ATTIVATO)
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/

 

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)* (CORSO ATTIVATO)

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) (CORSO ATTIVATO)

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 (CORSO ATTIVATO)
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 (CORSO ATTIVATO)

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

 

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

 

TitoloTree- based statistical learning (CORSO ATTIVATO)

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 personalehttp://local.disia.unifi.it/gottard/

 

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

 

TitoloMetodi Bayesiani per dati high - dimensional (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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* (CORSO ATTIVATO)
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* (CORSO ATTIVATO)
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 (CORSO ATTIVATO)

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 personalehttp://local.disia.unifi.it/mealli/

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

TitoloModelli di regressione per l’analisi di dati spaziali (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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 (CORSO ATTIVATO)

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

 

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

 

Titolo: STATISTICAL ANALYSIS OF NETWORK DATA (CORSO ATTIVATO)
Docente (e sua università di appartenenza):  Susanna Zaccarin (Università di Trieste)- Domenico De Stefano (Università di Trieste)
Ore/CFU: 10/2
Periodo: 18 e 19 Maggio 2020
Programma: Network analysis has attracted considerable interest from the social, behavioural and other research communities in recent decades. This interest can be attributed to the importance and need to analyse relations among units, to detect any underlying structural patterns, and to infer implications of these relationships. The relationships linking units may be of many sorts: economic, political, interactional or affective to name just a few. Conventional data focuses on units or actors and their attributes, network data focus on actors and relations. Relational data can be represented as a network, or mathematical graph, consisting of a set of nodes and a set of edges. Statistical models (for the probability of a tie) applied in network analysis are typically non-standard because the common assumption of independent observations does not hold: relations linking nodes are structurally related each other. The short course will provide an overview of the main statistical modelling approaches for networks observed in cross-section studies.The course will also provide practical applications through statistical software in R (the "statnet" open-source suite -http://statnet.org).
Ateneo in cui si svolgerà il corso: Università degli Studi di Firenze (DiSIA)
Pagina personale

 

 

 

 

Ultimo aggiornamento

11.02.2022

Cookie

I cookie di questo sito servono al suo corretto funzionamento e non raccolgono alcuna tua informazione personale. Se navighi su di esso accetti la loro presenza.  Maggiori informazioni