Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Metodologie statistiche per il supporto e la validazione di algoritmi predittivi di machine learning con applicazioni in ambito industriale |
|---|---|
| Titolo del progetto di ricerca in inglese | Statistical methods for the support and validation of predictive machine learning algorithms for industrial applications |
| Area CUN | 13 - Scienze economiche e statistiche |
| S.S.D | SECS-S/01 - STATISTICA |
| Descrizione sintetica in italiano | Nell’ambito dell’analisi dei dati, il XXI secolo ha visto il costituirsi di due ampie branche, una prettamente basata sull’inferenza e i modelli statistici, l’altra basata su algoritmi predittivi, quali le random forest, support vector machine, le reti neurali e il deep learning. La ricerca scientifica attuale sembra comunque rivolta ad un superamento di tale dicotomia, proponendo metodi, algoritmi e modelli di supporto alla scienza che siano flessibili, accurati, ma anche interpretabili e trasparenti. Questa ricerca si pone in posizione di ponte tra i modelli statistici e il machine learning ed ha come scopo la messa a punto di modelli in grado di validare, correggere ed estendere algoritmi predittivi. Tali modelli dovranno essere implementati per l’ottimizzazione e la taratura automatica di turbine a gas. |
| Descrizione sintetica in inglese | In the context of data analysis, the 21st century has seen the rise of two large branches, one merely based on inference and statistical models, the other based on predictive algorithms, such as random forests, support vector machines, neural networks and deep learning. Nonetheless, current scientific research seems to be aimed at overcoming this dichotomy, proposing methods, algorithms and models to support science that are flexible, accurate, but also interpretable and transparent. This research places itself at the bridge between statistical models and machine learning and aims to develop models capable of validating, correcting and extending predictive algorithms. These models will have to be implemented for the optimisation and automatic calibration of gas turbines. |
| Data del bando | 06/08/2020 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 19367 |
| Periodicità | ANNULAE |
| E' richiesta mobilità internazionale? | yes |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | https://www.unifi.it/cmpro-v-p-9008.html |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | yes |
| Importo annuale | 19367 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Massima durata dell'assegno (mesi) | 12 |
| Criteri di selezione in italiano (breve descrizione) | PhD in Scienze Statistiche, o PhD in Statistica, o PhD in statistica applicata |
| Criteri di selezione in inglese (breve descrizione) | PhD in Scienze Statistiche, o PhD in Statistica, o PhD in statistica applicata |
| Processo di selezione in italiano (breve descrizione) | Il concorso è per titoli e per colloquio |
| Processo di selezione in inglese (breve descrizione) | The competition will be carried out by an evaluation of titles and examination, by means of an interview |
| Nome dell'Ente finanziatore | UNIVERSITA’ DEGLI STUDI DI FIRENZE – Dipartimento DISIA) |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | FIRENZE |
| Codice postale | 50134 |
| Indirizzo | VIALE MORGAGNI 59 |
| Sito web | http://www.unifi.it |
| disia@disia.unifi.it | |
| Telefono | 0552751500 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 07/09/2020 |
|---|