Bando per ricercatore a tempo determinato
Titolo del progetto di ricerca in italiano | 2023RTDAPNRR009 PE 1 Spoke 5 |
---|---|
Titolo del progetto di ricerca in inglese | 2023RTDAPNRR009 PE 1 Spoke 5 |
Descrizione sintetica in italiano | La ricerca si concentrerà sullo sviluppo di algoritmi di ottimizzazione volti a migliorare la qualità dei modelli di apprendimento automatico. Per qualità del modello si intende la garanzia di ottimalità delle soluzioni prodotte dagli algoritmi rispetto ai criteri utilizzati per valutare le prestazioni del modello e/o garanzie di interpretabilità. La ricerca riguarderà problemi supervisionati e semi-supervisionati, e l’ottimalità sarà ottenuta costruendo metodi esatti di soluzione del problema di addestramento. L'interpretabilità, invece, sarà ottenuta imponendo requisiti di interpretabilità durante la fase di addestramento, intesi sia come sparsità dei modelli ottenuti sia come requisiti sulla struttura del modello prodotto, come ad esempio un albero decisionale di profondità limitata. Gli strumenti utilizzati per raggiungere gli obiettivi del progetto saranno l'ottimizzazione non lineare e l'ottimizzazione combinatoria, definendo sia modelli che algoritmi innovativi. |
Descrizione sintetica in inglese | The research activity will focus on the development of optimization algorithms aimed at improving the quality of machine learning models. Model quality refers to providing guarantees of optimality of the solutions produced by the algorithms with respect to the criteria used to evaluate model performance and/or guarantees of model interpretability. The research will cover both supervised and semi-supervised problems, and optimality guarantees will be achieved by constructing exact methods for solving the training problem. Interpretability, on the other hand, will be achieved by imposing interpretability requirements during the training phase, intended as both sparsity of the obtained models and requirements on the structure of the produced model, such as a decision tree of limited depth. The tools used to achieve the project goals will be nonlinear optimization and combinatorial optimization, defining both innovative models and algorithms |
Numero posti | 1 |
Settore Concorsuale | 01/A6 - RICERCA OPERATIVA |
S.S.D | MAT/09 - RICERCA OPERATIVA |
Destinatari del bando (of target group) |
Experienced researcher or 4-10 yrs (Post-Doc) |
Data del bando | 12/05/2023 |
Research Framework Programme / Marie Curie Actions | No |
---|
Tipo di contratto | Temporary |
---|---|
Tempo | Full-time |
Ore settimanali | 36 |
Organizzazione/Ente | Sapienza Università di Roma |
Paese (dove si svolgerà l'attività) | ITALY |
Città | ROMA |
Organizzazione/Ente | Sapienza Università di Roma |
---|---|
Tipo | Academic |
Facoltà/Dipartimento/Laboratorio di ricerca | Dipartimento di Ingegneria informatica, automatica e gestionale Antonio Ruberti |
Paese | ITALY |
Stato/Provincia | RM |
Città | ROMA |
Codice postale | 00185 |
Indirizzo | Via Ariosto 25 |
giampaoletti@diag.uniroma1.it | |
Sito web | https://web.uniroma1.it/trasparenza/bandi_concorso_docenti/2185 |
Data di scadenza del bando | 27/05/2023 |
---|---|
Come candidarsi | Other |
Laurea | PhD or equivalent |
---|---|
Ambito della laurea | Mathematics |
Campo principale della ricerca | Mathematics |
---|---|
Sottocampo della ricerca | |
Anni di esperienza richiesti | 3 |
Lingua | ENGLISH |
---|---|
Livello di conoscenza della lingua | Good |