Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Ca' Foscari University of Venice - Research fellowship for specific project:Tecniche di riduzione della dimensionalità nelle previsioni con panel di grandi dimensioni |
|---|---|
| Titolo del progetto di ricerca in inglese | Ca' Foscari University of Venice - Research fellowship for specific project:Dimensionality reduction techniques in forecasting with large panel |
| Campo principale della ricerca | Economics |
| Sottocampo della ricerca | Econometrics |
| Settore Concorsuale | 13 - Scienze economiche e statistiche |
| S.S.D | SECS-P/05 - ECONOMETRIA |
| Descrizione sintetica in italiano | Negli ultimi anni è emersa un'area di ricerca attiva nel campo dell'economia e della finanza, che mira a gestire l'inferenza su dati complessi e ad alta dimensione combinando metodi di apprendimento automatico con modelli econometrici. Questo progetto mira a indagare l'applicazione dei metodi di riduzione della dimensionalità nella previsione con panel di grandi dimensioni e si basa sulla letteratura sui metodi tradizionali (come l'analisi delle componenti principali, l'analisi dei componenti indipendenti) e relativamente nuovi (come la proiezione di Sammon, il ridimensionamento multidimensionale, l'Isomap , Mappe laplaciane e incorporamento lineare locale, proiezione casuale, PCA del kernel, analisi fattoriale non lineare), disponibili in machine learning e statistica |
| Descrizione sintetica in inglese | In recent years an active area of research emerged in economics and finance, which aims at handling inference on high dimensional and complex data by combining machine learning methods with econometric models. This project aims to investigate the application of dimensionality reduction methods in forecasting with large panel and builds on the literature on traditional (such as Principal Component Analysis, Independent Component Analysis) and relatively new dimensionality reduction methods (such as Sammon projection, Multidimensional Scaling, Isomap, Laplacian eigenmaps, and Local linear embedding, Random Projection, Kernel PCA, Nonlinear Factor Analysis), available from machine learning and statistics. |
| Data del bando | 16/09/2020 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 24000 |
| Periodicità | 12 |
| E' richiesta mobilità internazionale? | yes |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
AFRICA OCEANIA EUROPE NORTH AMERICA SOUTH AMERICA ASIA |
| Nazionalità dei candidati |
AFRICA OCEANIA EUROPE NORTH AMERICA SOUTH AMERICA ASIA |
| Sito web del bando | https://www.unive.it/data/28825/ |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | no |
| Importo annuale | 19541 |
| 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) | TITOLI, PUBBLICAZIONI E COLLOQUIO |
| Criteri di selezione in inglese (breve descrizione) | CV AND INTERVIEW |
| Processo di selezione in italiano (breve descrizione) | TITOLI, PUBBLICAZIONI E COLLOQUIO |
| Processo di selezione in inglese (breve descrizione) | CV AND INTERVIEW |
| Nome dell'Ente finanziatore | UNIVERSITA' CA' FOSCARI VENEZIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | VENEZIA |
| Codice postale | 30123 |
| Indirizzo | DORSO DURO 3246 |
| Sito web | http://www.unive.it |
| simar@unive.it | |
| Telefono | +390412349173 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 01/10/2020 - alle ore 00:00 |
|---|---|
| Come candidarsi | https://apps.unive.it/domandeconcorso-en/accesso/dec-casarincofin-16092020 |