Obiettivi del Dottorato

Formazione

Il dottorato di ricerca in Data Science si configura come un completamento del percorso di studi universitari, che permetta di acquisire le
competenze per comprendere e padroneggiare le metodologie di analisi ed elaborazione dei dati. In questo modo il dottorato intende sopperire alla
carenza nella formazione di base in queste aree, ed allo stesso tempo di fornire agli studenti strumenti moderni per far avanzare la conoscenza nelle
proprie discipline di appartenenza. Per creare profili altamente specializzati sarà necessaria una forte personalizzazione dei saperi, che il dottorato
offrirà lungo i seguenti pillar governati da Gruppi di Riferimento, cioè ricercatori specifici a diversi domini di conoscenza:

• Area Informatica-Computazionale – Gruppo di Riferimento “Computation, Learning and Inference” – focalizzata sui fondamenti teorici ed algoritmici dei metodi di trattamento di grandi quantità di dati, sia in sistemi centralizzati che distribuiti, sul loro uso nello sviluppo di sistemi di decisione complessi e di sistemi intelligenti autonomi in campi diversi, dal Web Sociale e l’Internet-of-Things alla robotica.
• Area Fisica e Sistemi Complessi – Gruppo di Riferimento “Natural Sciences and Complex Systems” – focalizzata sui metodi analitici e numerici (dalle simulazioni su larga scala alle tecniche di ottimizzazione e i modelli di rete) per studiare sistemi complessi caratterizzati da eventi estremi, proprietà emergenti e limiti intrinseci di predicibilità: dai sistemi caotici e turbolenti ai sistemi a molti agenti in ambiti interdisciplinari.
• Area Statistico-Economica e Sociale – Gruppo di Riferimento “Data Science and Economics” –  focalizzata sulle tecniche di inferenza statistica per determinare l’accuratezza, la significatività e la generalizzabilità delle conclusioni derivabili dai dati, rendendo espliciti i compromessi tra distorsione e variabilità, e applicazioni in ambito socioeconomico, dai modelli macroeconomici agli studi di dinamiche dei social networks.
• Area Umanistica – Gruppo di Riferimento “Culture, Art and Society” –  focalizzata sui metodi quantitativi che si applicano ai dati digitali di natura culturale, per lo studio e la comprensione della sfera culturale che caratterizza la specie umana (dalla Cultural Analytics al Distant Reading e le Digital Humanities) e sulle metodologie di analisi, studio, rappresentazione e gestione di grandi quantità di dati eterogenei e sulle buone pratiche dei Linked Open Data, per creare basi di conoscenza e ambienti virtuali al fine di preservare la memoria, valorizzare e diffondere il patrimonio storico-artistico (dai Digital Archives & Platform ai Virtual Museums & Virtual Event Reconstructions) .

Dimensione Scientifica

Il dottorato in Data Science ha l’obiettivo di formare una nuova generazione di ricercatori altamente specializzati nel trasformare grandi quantità di dati complessi ed eterogenei in conoscenza. Il percorso di dottorato intende quindi fornire il set base di conoscenze e competenze sulle tecniche per acquisire i dati, per analizzarli ed estrarne le informazioni rilevanti, coniugando gli approcci model-driven e data-driven. In questo modo gli studenti potranno acquisire una cultura digitale ad ampio spettro riguardo ai dati e i processi da essi resi possibili, come l’apprendimento automatizzato di modelli predittivi e la gestione di database e big data. Inoltre, l’offerta di una formazione di natura prettamente multidisciplinare sarà fondamentale per far acquisire agli studenti un’attitudine scientifica caratterizzata da interdisciplinarità e capacità di coniugare approcci e tecniche provenienti da diversi campi del sapere. Questo permetterà di superare l’attuale discriminazione esistente tra specialisti di area umanisitica e scientifico-tecnologica, predisponendo gli studenti ad acquisire un atteggiamento propositivo e collaborativo tra pari, da cui trarrà beneficio la sua figura professionale.

Terza Missione

Il dottorato in Data Science intende anche venire incontro alla richiesta crescente da parte delle Istituzioni, delle Imprese e delle
comunità sociali di profili con esperienza nei più recenti strumenti per la gestione e l’analisi dei big data, agevolando così il processo che sfocia dal
percorso formativo a quello occupazionale. Tale obiettivo è coerente con le linee guida della M4C2 del PNRR, “dalla ricerca all’impresa”, in particolare
la diffusione di modelli innovativi per la ricerca di base e applicata condotta in sinergia tra il mondo accademico e soggetti pubblici o privati, ed il
potenziamento dei processi per l’innovazione e il trasferimento tecnologico nonché del capitale umano e le competenze di supporto all’innovazione.

Sbocchi occupazionali e professionali previsti

Secondo l’ultimo rapporto annuale “IL DIGITALE IN ITALIA 2021” di AssInform (la Associazione nazionale delle imprese ICT e dell’elettronica di consumo
della Confindustria), la digitalizzazione sempre più avanzata di processi e servizi, con l’introduzione di funzionalità di intelligenza artificiale continuano a
rappresentare i driver principali di investimento in tutti i settori di mercato mondiale in tecnologie della Informazione e della Comunicazione. Si stima,
nello stesso rapporto, che i volumi delle applicazioni BigData corispondano a circa 1.152 milioni di Euro, leggermente superiori a quelli delle applicazioni
di Intelligenza Artificiale (250 milioni), ma quest’ultimo settore è visto evolvere con tassi di crescita superiore (+20% nel triennio 2022-2024). Non
sempre il corrispondente aumento di richieste con tali competenze è soddisfatta dall’offerta di Laureati e Specialisti adeguati, e tale gap negativo è
stimato ancora in crescita.
Grazie all’articolazione coordinata orizzontale/verticale, che tiene insieme la ricerca fondamentale in Computer Science con la ricerca sulle sfide delle
aree di specializzazione della Data Science, il nostro Dottorato formerà ricercatori, progettisti della innovazione digitale e professionisti, con
specializzazioni nelle tematiche di punta della data Science, come i progettisti di sistemi di apprendimento automatico dell’Intelligenza Artificiale richiesti
dai processi di Trasformazione Digitale in importanti settori applicativi, come quelli Economico-finanziari, quelli Istituzionali, i settori Industriali, quelli
stessi della ricerca Scientifica sulla Natura o quelli Artistici e Culturali. Essi saranno caratterizzati da una visione integrata e “complessa” dell’ecosistema
delle competenze matematiche e computazionali nei processi guidati dai dati, in grado quindi di affrontare le sfide con un approccio sistemico e multidisciplinare.
Tutti i principali osservatori, a livello internazionale e certamente europeo, sottolineano la forte penuria di “talenti” nella area delle discipline legate ai
dati, specialisti di metodologie e tecnologie di data analytics in grado di innovare sia a livello di processi e paradigmi generali (ad esempio algoritmiche
innovative) che nell’adozione di tali tecnologie in ambiti specifici.
Il lancio del Dottorato ha l’obiettivo di colmare la mancanza di specialisti con tali competenze, soprattutto in riferimento al mercato del lavoro in Italia a
partire dai comparti informatico, economico e finanziario, culturale ed artistico legati all’innovazione digitale dei processi industriali e sociali.
Per estrarre valore dai dati è cruciale introdurre soluzioni analitiche avanzate in grado di automatizzare le misure, stime previsionali, i suggerimenti
capaci di supportare il business nelle sue valutazioni strategiche e nelle analisi dei possibili scenari evolutivi. Tra i motivi per cui le aziende solo
parzialmente adottano ad oggi tali tecnologie vi sono certamente la carenza di personale specializzato, e la limitata capacità di studiare l’impatto, se non
in settori specifici dell’azienda usati come driver (cosa che avviene per più del 46% delle aziende che hanno dato inizio a iniziative di questo genere).
Non è scontato, infatti, che all’interno delle aziende siano presenti figure con competenze computazionali e matematiche adeguate in grado, al
contempo, di indirizzarle verso la risoluzione del problema di business specifico. Sono limitati infatti i data scientist con tale flessibilità, frutto di una
specializzazione specifica verso il business e verso la specifica declinazione della tecnologia analitica richiesta. Spesso vengono applicate dalle aziende le
soluzioni general purpose in un regime di riuso di librerie e framework già posseduti, nella difficoltà di sviluppare i propri modelli di Intelligenza Artificiale
o Machine Learning, con un conseguente impatto frenante alla Trasformazione Digitale richiesta dal mercato.