Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Metodi di apprendimento statistico per l' acquisizione di conoscenza da dati ad elevata dimensionalità provenienti da sensori |
|---|---|
| Titolo del progetto di ricerca in inglese | Statistical learning methods for the extraction of knowledge from high dimensional sensor data |
| Settore Concorsuale | 13 - Scienze economiche e statistiche |
| S.S.D | SECS-S/03 - STATISTICA ECONOMICA |
| Descrizione sintetica in italiano | Oggigiorno i sensori sono sempre più utilizzati per monitorare numerosi fenomeni d’interesse. I sistemi di monitoraggio sono caratterizzati da una molteplicità di strumenti elettronici dislocati spazialmente, che misurano diverse variabili ripetutamente nel tempo, producendo serie multivariate di dati spaziali e temporali, aventi le caratteristiche dei Big Data. In questo contesto, l’analisi delle associazioni e delle relazioni causali tra le variabili monitorate richiede l’integrazione di: 1) Conoscenza del contesto esterno (fisico, produttivo, economico, sociale, ecc.) e del fenomeno soggetto a monitoraggio; 2) Metodi di analisi statistica tradizionale; 3) Approcci di Machine Learning (ML) e Intelligenza Artificiale (IA). Il progetto proposto si focalizza sull’integrazione di approcci ML e IA con modelli a variabili latenti che mirano ad analizzare dati ad elevata dimensionalità (per es., modelli fattoriali dinamici, modelli hidden Markov, modelli VARMA). |
| Descrizione sintetica in inglese | Modern monitoring systems are made up of a multiplicity of electronic instruments spatially dislocated, which measure different variables repeatedly across time, thus producing multivariate time and spatial series data. As a result, a huge amount of data is generated with the characteristics of Big Data. Under this framework, investigating the associations and causal relations among the monitored variables requires an integration of: 1. Knowledge of the external context (physical, productive, economical, social, etc.) and of the phenomenon subject to monitoring; 2. Traditional statistical analysis methods; 3. Machine Learning (ML) and Artificial Intelligence (AI) approaches. The project focuses on the integration of ML and AI approaches with latent variable models aimed at analyzing high dimensional time and spatial series (e.g., dynamic factor models, hidden and spatial Markov models, VARMA models) in light of the characteristics of the context and the phenomenon under analysis. |
| Data del bando | 27/04/2023 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 23890.08 |
| Periodicità | 12 mesi |
| E' richiesta mobilità internazionale? | no |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
OTHER |
| Nazionalità dei candidati |
OTHER |
| Sito web del bando | https://titulus.unifi.it/albo/viewer?view=files%2F005000081-UNFICLE-a669e1f0-c8c0-45d5-8730-a74b0f18497e-000.pdf |
| 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? | yes |
| Importo annuale | 23890.08 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Nome dell'Ente finanziatore | Università degli Studi di Firenze |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Firenze |
| Codice postale | 50135 |
| Indirizzo | Viale Morgagni 59 |
| Sito web | http://www.unifi.it |
| niccolo.saccardi@unifi.it | |
| alessandra.girasoli@unifi.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 26/05/2023 |
|---|---|
| Come candidarsi | Other |