Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Strumenti e modelli di statistical e machine learning per la previsione del successo delle imprese innovative |
|---|---|
| Titolo del progetto di ricerca in inglese | Statistical learning and machine learning methods for prediction of performance of innovative companies |
| Area CUN | 13 - Scienze economiche e statistiche |
| S.S.D | SECS-S/01 - STATISTICA |
| Descrizione sintetica in italiano | La ricerca si propone di costruire uno strumento di intelligenza artificiale che sia in grado di prevedere il successo delle nuove imprese. Si impiegheranno e si adatteranno le più recenti tecniche di apprendimento statistico e di machine learning per prevedere (classificare) quali imprese è più probabile che siano Imprese in Forte Crescita (IFC) fra quelle di nuova formazione e innovative (start-up). L’analisi empirica richiederà anche lo sfruttamento delle informazioni contenute in alcuni fra i più rilevanti archivi sulle imprese a livello europeo. La ricerca non riveste un interesse puramente accademico in quanto le informazioni che tale strumento è in grado di fornire possono guidare i policy-makers e coloro che gestiscono il sistema di finanziamento pubblico delle start-up (a livello regionale) o coloro interessati a finanziare imprese a forte potenziale di crescita (ad esempio venture capitalist o banche d’investimento). |
| Descrizione sintetica in inglese | The research is aimed at building an AI tool to predict the success and the growth potential of start-up firms. To this end, statistical learning techniques will be considered in order to forecast which firms, among the start-up, are more likely to be classified as High-Growth Firms (HGF). Empirical analyses will exploit information on enterprises available from main European businesses archives. The research output will also be relevant for policy-makers and venture capitalists that may be interested in detecting those enterprises that will be more likely to succeed. To this aim, collaboration with experts in management of innovation will be essential. The research will continue an activity already in place which involved a research assistant in a close collaboration with the IT unit in Elettra-Sincrotrone. Part of the activity will take place at Elettra-SincrotroneTrieste |
| Data del bando | 07/10/2020 |
| Numero di assegnazioni per anno | 1 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | http://web.units.it/concorsi/ricerca/assegni-ricerca/pub |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Importo annuale | 20281 |
| Valuta | Euro |
| Massima durata dell'assegno (mesi) | 12 |
| Nome dell'Ente finanziatore | Università degli Studi di Trieste |
|---|---|
| Tipologia dell'Ente | Academic |
| Paese dell'Ente | Italy |
| Città | Trieste |
| Sito web | http://www.units.it |
| assegni@amm.units.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 09/11/2020 |
|---|---|
| Come candidarsi | https://pica.cineca.it/units/20ar708-2-fvg89/ |