Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | La provenienza in geologia e archeometria: un approccio integrato tra Machine Learning, mineralogia e geochimica |
|---|---|
| Titolo del progetto di ricerca in inglese | Combining machine learning techniques with mineralogical and geochemical data for provenance |
| Campo principale della ricerca | Environmental science |
| Sottocampo della ricerca | Earth science |
| Campo principale della ricerca | Computer science |
| Sottocampo della ricerca | Informatics |
| Settore Concorsuale | 04 - Scienze della Terra |
| S.S.D | GEO/06 - MINERALOGIA |
| Settore Concorsuale | 01 - Scienze matematiche e informatiche |
| S.S.D | INF/01 - INFORMATICA |
| Descrizione sintetica in italiano | Nel Machine Learning (ML), alcuni algoritmi possono usare dati etichettati e quindi imparare dagli esempi. Altri invece sono liberi e quindi vengono utilizzati per decifrare traiettorie nascoste senza suggerimenti esterni. Le Support Vector Machines sono degli algoritmi utilizzabili quando l’obiettivo è quello di classificare campioni sconosciuti. Nelle Scienze della Terra, la provenienza di minerali in rocce clastiche o di materiali vulcanici come i tefra può essere importante per una ricostruzione paleogeografica o paleoambientale. In archeologia è importante la provenienza di un manufatto litico (asce in pietra, rocce da costruzione) o ceramico per stabilire gli scambi e le rotte seguite da questi materiali per muoversi da un punto all’altro. Scopo di questo progetto è quello di combinare tecniche di ML con database esistenti e non, per risalire alle provenienze di minerali e materiali litici in ambito geologico e archeometrico |
| Descrizione sintetica in inglese | In Machine Learning (ML), supervised algorithms are trained using labeled data and, therefore, they learn by examples while unsupervised algorithms are trained by input vectors without any corresponding target value. Support Vector Machines consist of supervised algorithms used for the classification of unknown samples. In Earth Sciences, the provenance of minerals in clastic rocks and of vulcaniclastic materials as tephra is important for paleogeographic and paleoenvironmental reconstructions. In archaeometry, the provenance of lithic artefacts, i.e. axes or building materials, and ceramics is important to decipher supplies and trades. The goal of this project is to compine ML techniques with existing and not-existing databases, in order to decipher possible provences of minerals and lithics in geological and archaeometrical studies. |
| Data del bando | 13/04/2021 |
| 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 | https://web.units.it/concorsi/ricerca/conc-41765 |
| Destinatari dell'assegno di ricerca (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
|---|---|
| Importo annuale | 19541 |
| 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 | https://www.units.it |
| assegni@amm.units.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 14/05/2021 |
|---|---|
| Come candidarsi | https://pica.cineca.it/units (rif. PICA 21ar428-1DEcc) |