MODELLO

Denominazione corso di dottorato: INFORMATICA E MATEMATICA

1. Informazioni generali

Corso di Dottorato

Il corso è:	Rinnovo
Denominazione del corso	INFORMATICA E MATEMATICA
Cambio Titolatura?	NO
Nuova denominazione del corso	INFORMATICA E MATEMATICA
Ciclo	38
Data presunta di inizio del corso	01/10/2022
Durata prevista	3 ANNI
Dipartimento/Struttura scientifica proponente	Informatica
Numero massimo di posti per il quale si richiede l’accreditamento ai sensi dell’art 5 comma 2, DM 226/2021	18
Dottorato che ha ricevuto accreditamento a livello internazionale (Joint Doctoral Program):	NO	se altra tipologia: -
Il corso fa parte di una Scuola?	NO
Presenza di eventuali curricula?	SI
Link alla pagina web di ateneo del corso di dottorato	http://dottorato.di.uniba.it

Descrizione del progetto formativo e obiettivi del corso

Descrizione del progetto:

Dipartimenti di Informatica e di Matematica dell'Università degli Studi di Bari Aldo Moro propongono congiuntamente il corso di dottorato in "Informatica e Matematica". Esso è l'unico dell'Area 01 - MATEMATICA E INFORMATICA dell'Università di Bari, in cui confluiscono docenti inquadrati nei SSD MAT, INF/01 e ING-INF/05.
Il Dottorato si struttura in due curricula:
- Informatica
- Matematica
Questi si riferiscono a due distinte discipline scientifiche, ma fortemente correlate (i fondamenti teorici dell'informatica affondano le loro radici nella matematica; il calcolo matematico ricorre a complessi algoritmi studiati nell'informatica).

I docenti che sostengono i due curricula collaborano attivamente da anni su tematiche di interesse comune (es., Intelligenza Artificiale, Big Data, Data Science, Tecnologie informatiche per l'insegnamento della matematica, algoritmi e matematica computazionale), anche attraverso numerose tesi di laurea e la compartecipazione a progetti di ricerca.
Il progetto formativo prevede la ricerca individuale, la frequenza di corsi avanzati e di seminari.
La ricerca individuale, guidata da almeno un supervisore, termina con la presentazione di una tesi originale di dottorato. Il Collegio assegna un supervisore ad ogni studente. Per favorire l’avanzamento delle conoscenze in alcuni casi si assegnano anche uno o più supervisori. Gli studenti hanno una scrivania in uno dei laboratori di ricerca o degli studi del dipartimento di Informatica o del dipartimento di Matematica e interagiscono con i membri dei dipartimenti (docenti, giovani ricercatori, personale tecnico e amministrativo, studenti). Essi devono avere incontri formali con i supervisori almeno una volta al mese. Durante i tre anni gli studenti presentano regolarmente la loro attività di ricerca durante la revisione annuale e in seminari interni, inoltre partecipano a conferenze e scuole estive, sia in Italia che all’estero. Per favorire l'internazionalizzazione è previsto un periodo di studio all’estero di almeno 3 mesi.
Ogni dottorando deve seguire corsi avanzati per un totale di 15 crediti (ogni credito corrisponde a 8 ore di lezione frontale o 15 ore di laboratorio). Lo studente sceglie i corsi da seguire durante i primi due anni in attinenza alla sua attività di ricerca. È richiesto un esame finale, da dare entro il secondo anno di dottorato, per quattro esami, per un totale di almeno 8 crediti. Due di questi esami devono essere sostenuti entro il primo anno.
Durante i tre anni di corsi gli studenti devono seguire seminari per almeno 40 ore. Le tematiche proposte variano dalla linguistica, all’informatica, alla Gestione della ricerca e della conoscenza dei sistemi di ricerca e dei sistemi di finanziamento, alla Valorizzazione dei risultati della ricerca e della proprietà intellettuale. Tali seminari consentono una formazione interdisciplinare, multidisciplinare e transdisciplinare, come richiesto dall’art.4, comma 1, 2)f del “Regolamento recante modalità …. da parte degli enti accreditati” del DM n.226 del 14 Dicembre 2021. Inoltre, è suggerita la partecipazione a seminari tematici organizzati annualmente dai vari dipartimenti nell’ambito delle tematiche di ricerca avanzate.

Per informazioni:

Dottorato di ricerca in Informatica e Matematica
cicli XXIX, XXX, XXXI, XXXII, XXXIII, XXXIV, XXXV, XXXVI e XXXVII
http://dottorato.di.uniba.it

Obiettivi del corso:

Il Dottorato di Ricerca in Informatica e Matematica mira a formare ricercatori e figure professionali di alto livello, in grado di dare contributi significativi sia all'avanzamento delle conoscenze che allo sviluppo di applicazioni e tecnologie innovative. Le ricerche che i dottorandi affrontano includono tematiche quali Big Data e Industria 4.0. Nei cicli XXXIV, XXXV, XXXVI e XXXVII ci sono dottorandi che svolgono ricerca su metodologie e applicazioni relative a Big Data, Industria 4.0 e Cybersecurity, Geometria, Probabilità e Statistica, Analisi Matematica, Fisica Matematica e Analisi Numerica. Alcune ricerche hanno un forte carattere multidisciplinare; ad esempio, negli ultimi cicli ci sono stati almeno 3 dottorandi che hanno lavorato in bioinformatica, un altro che ha considerato applicazioni a beni culturali; altri ambiti multidisciplinari in cui attualmente lavorano altri dottorandi sono Data Science e Applications in Healthcare.
Al termine degli studi, il dottore di ricerca dovrà conoscere in modo approfondito lo stato dell’arte nel filone di ricerca in cui si inquadra la sua tesi, essere in grado di colloquiare con ricercatori su tematiche affini, partecipare a progetti internazionali d’avanguardia, individuare e valorizzare le ricadute applicative e tecnologiche delle sue ricerche. Avrà anche la capacità di inserirsi, secondo la propria vocazione, sia in realtà che privilegiano gli aspetti più teorici della ricerca (università, laboratori di ricerca), sia in contesti in cui gli aspetti applicativi risultano preponderanti (imprese), nonché nella pubblica amministrazione e nel terziario avanzato.

Sbocchi occupazionali e professionali previsti

La domanda di ricerca, sviluppo e capacità decisionali nelle due discipline e la conseguente necessità di formare ricercatori in numero adeguato alle necessità delle strutture pubbliche di ricerca e delle industrie sono sempre più pressanti. Il programma Horizon Europe considera prioiritari gli investimenti in ricerca e innovazione nel campo di, per esempio, “World leading data and computing technologies” o “ A human-centred and ethical development of digital and industrial technologies”. Il PNRR inoltre ha come tematiche di rilievo molti ambiti nei quali le competenze dei dottori di ricerca in Informatica e Matematica risultano fondamentali, ricordiamo le tematiche relative ad intelligenza artificiale, scienze e tecnologie quantistiche, cybersecurity, attività spaziali, simulazioni, calcolo e analisi dei dati ad alte prestazioni.

Dall'analisi dei dati occupazionali risulta che i dottori di ricerca in Informatica e Matematica dell'Università di Bari hanno sviluppato competenze spendibili non solo nel mondo accademico, ma anche in enti di ricerca pubblici e privati e in aziende tecnologicamente avanzate.
Ad esempio, un dottorando del XXXI ciclo che ha usufruito nei tre anni di dottorato di un contratto di apprendistato da parte di Exprivia SpA è stato assunto da tale azienda, un altro è stato assunto presso un centro di ricerca IBM in USA. Una dottoranda del XXXIII ciclo lavora presso Trenitalia SpA., un’altra presso la Regione Puglia- Sezione Trasformazione Digitale, Task force dei 1000 Esperti PNRR a supporto degli Enti centrali e locali per la digitalizzazione monitoraggio e performance del PNRR, un dottorando lavora presso l’azienda NIUMA. Un dottorando del XXXIV ciclo è stato assunto a contratto dal CINI per lavorare nell'ambito di un progetto europeo H2020.
Diversi dottori ricoprono posizioni di ricercatore e assegnista in Italia e all'estero; molti hanno partecipato, durante il dottorato, a progetti di ricerca basati su rapporti organici con imprese, università e istituti di alta formazione (collaborazioni in progetti di interesse nazionale finanziati dal MIUR e partecipazione a consorzi con Università straniere e con imprese e istituti di ricerca europei in Progetti Integrati e Reti di Eccellenza).

Sede amministrativa

Ateneo Proponente:	Università degli Studi di BARI ALDO MORO
N° di borse finanziate	9
di cui finanziate con fondi PNRR	8	di cui DM 351: 0	di cui DM 352: 8
Sede Didattica

Coerenza con gli obiettivi del PNRR

Le tematiche di ricerca del corso di dottorato in Informatica e Matematica sono strettamente coerenti con gli obiettivi del PNRR. Molte delle ricerche che saranno sviluppate dagli studenti avranno ricadute nell’ambito di una o più delle seguenti tematiche oggetto di “Partenariati Estesi” (PE) e “Centri Nazionali” (CE):
• Intelligenza artificiale: aspetti fondazionali
• Scienze e tecnologie quantistiche
• Cybersecurity, nuove tecnologie e tutela dei diritti
• Attività spaziali
• Simulazioni, calcolo e analisi dei dati ad alte prestazioni
• Salute
• Ambiente e disastri naturali
• Diagnostiche e terapie innovative nella medicina di precisione

I ricercatori dei due dipartimenti hanno esperienze consolidate nelle tematiche citate, sia per quanto riguarda le attività di ricerca di base, sia per quanto riguarda la partecipazione a progetti nazionali e internazionali su tematiche collegate. In particolare le discipline del corso di dottorato: Informatica e della Matematica quando diventano “applicate” si fondano su collegamenti multidisciplinari e intersettoriali. Sono già attive ricerche nell’ambito di approssimazione di dati di osservazione della Terra, nello studio di processi innovativi per i beni culturali, nella Computer Vision in ambito healthcare e drone vision.
Inoltre il dottorato in Informatica e Matematica ha come obbiettivi l'ampliamento delle conoscenze, competenze e capacità degli studenti di dottorato e il conseguente rafforzamento dei gruppi di ricerca esistenti. Al termine degli studi, i dottorandi saranno in grado di affrontare situazioni complesse con difficoltà intrinseche non accessibili da semplici rielaborazioni di teorie o conoscenze già note. Questo consentirà di consolidare la formazione superiore del/della giovane studente e di arricchire l’Università degli studi di Bari di nuove competenze, entrambi punti cardine contenuti nel PNRR in riferimento alle tematiche ‘sud’ e ‘investimento nelle nuove generazioni’.

Tipo di organizzazione

1) Dottorato in forma non associata (Singola Università)

Imprese

Impresa 1

Nome dell’impresa*	Niteko S.r.l.
Sito Web e/o Indirizzo sede legale*	https://www.niteko.com - Montemesola (TA), Viale della Libertà 8, CAP 74020
Paese*	Italia
Consorziato/ Convenzionato*
Sede di attività formative*	NO
N° di borse finanziate o per le quali è in corso la richiesta di finanziamento o cofinanziamento*	N° 1
Importo previsto del finanziamento o cofinanziamento per l’intero ciclo*	€ 5905
Data sottoscrizione convenzione/ consorzio (*)
N. di cicli di dottorato coperti dalla convenzione (*)	1
PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata.(*)	ConvenzioneNiteko_signed.pdf
Ambito di attività dell’Istituzione e/o Descrizione attività R&S *	SISTEMA DI INTELLIGENZA ARTIFICIALE PER LA GUIDA AUTONOMA DI VEICOLI TERRESTRI L’obiettivo del progetto è lo sviluppo di un sistema di navigazione autonoma installabile su veicoli terrestri (su cingoli o su ruote) che, sfruttando algoritmi machine learning e computer vision, possa portare a termine task impartite da umani, adattandosi all’ambiente circostante, senza una conoscenza a priori della mappa, e in totale sicurezza. Per navigare in ambienti 3D ed effettuare task complessi, i sistemi di navigazione autonoma necessiteranno di una comprensione spaziale e semantica dell’ambiente circostante, implicando pertanto uno sviluppo di intelligenza artificiale che, oltre a riconoscere semplici figure geometriche, debba saper ricostruire mappe semantiche ed effettuare ragionamenti complessi, dando la possibilità all’umano di decidere non soltanto i tasks da eseguire, ma anche le modalità di esecuzione degli stessi. L’emergente disciplina della machine intelligence, che unisce robotica e I.A., mira ad un’intelligenza artificiale affidabile e consapevole, che adatti la navigazione e le azioni in base a sé stessa e a ciò che la circonda.

Impresa 2

Nome dell’impresa*	Istituto Tumori di Bari (IRCCS)
Sito Web e/o Indirizzo sede legale*	https://www.sanita.puglia.it/web/irccs - Viale Orazio Flacco 65, 70124 Bari
Paese*	Italia
Consorziato/ Convenzionato*
Sede di attività formative*	NO
N° di borse finanziate o per le quali è in corso la richiesta di finanziamento o cofinanziamento*	N° 1
Importo previsto del finanziamento o cofinanziamento per l’intero ciclo*	€ 81045
Data sottoscrizione convenzione/ consorzio (*)
N. di cicli di dottorato coperti dalla convenzione (*)	1
PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata.(*)	IRCSS_6‎.‎1‎.‎2022-‎12‎.‎16‎.‎57.pdf
Ambito di attività dell’Istituzione e/o Descrizione attività R&S *	L’Istituto di ricovero e cura a carattere scientifico (IRCCS) Giovanni Paolo II di Bari svolge attività assistenziale e ricerca sanitaria su programmi e progetti in accordo con le priorità indicate dal Programma nazionale della Ricerca Sanitaria al fine di assicurare le migliori opportunità terapeutiche ai cittadini. Particolare interesse è rivolto verso gli studi di medicina traslazionale, branca interdisciplinare del campo biomedico che ha l’obiettivo di combinare discipline, risorse, competenze e tecniche per promuovere miglioramenti nella prevenzione, nella diagnosi e nelle terapie del paziente. Il progetto di ricerca previsto nell'ambito della presente convenzione è relativo allo studio di approcci numerici di tipo low-rank per la deconvoluzione e l'analisi dei dati GEP in oncoematologia. I meccanismi di riduzione delle dimensioni dei dati rivestono un ruolo cruciale nel processo di analisi di dati di profilo di espressione genica (GEP), ovvero dati ottenuti attraverso una metodologia che calcola simultaneamente i livelli di trascritti (mRNA) di migliaia di geni che definiscono il profilo di espressione dei geni della cellula, attraverso vari tipi di analisi come DNA Microarrays, RNA-seq o NanoString. Alcune tecniche matematiche di low rank dimensionality reduction hanno già trovato impiego in altri contesti biomedici, permettendo di ottenere una significativa rappresentazione ridotta di dati ad alta dimensione, rimuovendo caratteristiche ridondanti o individuando anomalie. Nello specifico contesto dell’analisi di dati GEP oncoematologici, a partire da dati transcrittomici relativi a campioni di pazienti affetti da neoplasie ematologiche (linfomi, mielomi e leucemie), ci si propone lo studio e lo sviluppo di nuovi approcci numerici di tipo low rank dimensionality reduction per il trattamento di dati transcrittomici relativi a campioni di pazienti affetti da una deconvoluzione di diversi tipi cellulari (tumorali e microambientali);

Impresa 3

Nome dell’impresa*	EUSOFT s.r.l.
Sito Web e/o Indirizzo sede legale*	https://www.eusoft.it - Via Marco Partipilo 38, 70124 Bari
Paese*	Italia
Consorziato/ Convenzionato*
Sede di attività formative*	NO
N° di borse finanziate o per le quali è in corso la richiesta di finanziamento o cofinanziamento*	N° 1
Importo previsto del finanziamento o cofinanziamento per l’intero ciclo*	€ 30000
Data sottoscrizione convenzione/ consorzio (*)
N. di cicli di dottorato coperti dalla convenzione (*)	1
PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata.(*)	Eusoft_Convenzione finanziamento rateale_38 Dottorati innovativi1 DEF_MLL-signed_signed.pdf
Ambito di attività dell’Istituzione e/o Descrizione attività R&S *	Dal 2012 Eusoft ha avviato una politica di importanti investimenti in R&D, che ha condotto ad una completa reingegnerizzazione del prodotto core dell’azienda, il LIMS (Laboratory Information Management System) Eusoft.Lab. Ciò ha consentito di introdurre sul mercato il primo LIMS italiano progettato per l’utilizzo come servizio (SaaS) su piattaforme Cloud Computing, grazie al quale Gartner, società di consulenza internazionale nel settore IT, cita Eusoft come Sample Vendor di SaaS LIMS in sei Hype Cycle sulle tecnologie LIMS in Cloud e seleziona l’azienda come uno dei pochi LIMS vendor mondiali capaci di gestire tutte le fasi di New Product Development. Dal 2020 Eusoft investe ulteriormente in attività di R&D, portando avanti una strategia dell’innovazione basata sulle tecnologie di ultima generazione. Nel giugno 2021 viene rilasciata una versione del prodotto aziendale, che fornisce un’area di lavoro adattabile allo schermo di qualsiasi device. La costante attenzione dell’azienda al /continuous improvement/ del prodotto porta a realizzare funzioni di ricerca e interrogazione dei dati sempre più evolute e cruscotti più efficaci di Business Intelligence a supporto delle scelte strategiche dei clienti. Contemporaneamente, alcune attività focalizzano sull’introduzione di nuovi meccanismi di monitoraggio e allarme, che consentono di rilevare automaticamente le anomalie nelle prestazioni e velocizzare il troubleshooting. Eusoft inoltre prende parte a progetti di ricerca volti ad estendere l’utilizzo e le funzionalità del proprio prodotto a settori verticali nuovi. Il progetto di ricerca della borsa di dottorato è di particolare interesse per Eusoft in quanto l’utilizzo di tecniche di HCAI consentirà di migliorare i propri prodotti, in particolare i cruscotti di Business Intelligence, a beneficio delle scelte strategiche dei clienti; inoltre tecniche innovative di XAI permetteranno agli utenti di comprendere e fidarsi delle decisioni del sistema.

Impresa 4

Nome dell’impresa*	Auriga S.p.A.,
Sito Web e/o Indirizzo sede legale*	https://www.aurigaspa.com - via Selva 101, Altamura (BA)
Paese*	Italia
Consorziato/ Convenzionato*
Sede di attività formative*	NO
N° di borse finanziate o per le quali è in corso la richiesta di finanziamento o cofinanziamento*	N° 1
Importo previsto del finanziamento o cofinanziamento per l’intero ciclo*	€ 30000
Data sottoscrizione convenzione/ consorzio (*)
N. di cicli di dottorato coperti dalla convenzione (*)	1
PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata.(*)	3_Auriga-1-Convenzione Dottorato_firmata-signed_signed.pdf
Ambito di attività dell’Istituzione e/o Descrizione attività R&S *	Auriga S.p.A. è tra i principali fornitori europei di software e soluzioni per il settore bancario e i sistemi di pagamento, con una vasta gamma di prodotti e servizi dedicati all’integrazione e alla gestione dei differenti canali bancari: Self Service (ATMs, deposit terminals, cash recycling terminals, kiosks, etc); Internet Banking; Mobile Banking; Branch. Auriga è da sempre impegnata in una costante attività di ricerca e sviluppo al fine di garantire i più elevati standard di innovazione e qualità di prodotto. Inoltre, conta numerose partnership con importanti realtà accademiche e le maggiori associazioni internazionali di settore. Una divisione dell’azienda è la Software Factory, che implementa un modello di produzione industriale del software che lavori sulla base di una roadmap di prodotti omogenei dal punto di vista delle tecnologie e delle metodologie. Uno dei compiti della SW Factory è quello di proporre progetti di ricerca e sviluppo finalizzati alla creazione di nuovi prodotti o al miglioramento degli attuali. Infatti, numerose sono le attività di R&S svolte dalla Fabbrica sia nella messa in atto di nuovi processi di sviluppo del software (e ciò significa evoluzione continua delle competenze e delle abilità sia degli sviluppatori sia di tutti gli altri operatori) sia nell’ideazione di nuove soluzioni tecnologicamente all’avanguardia, che garantiscano la crescita e la competitività e più complessivamente la crescita del know-how aziendale. Il progetto affronta il tema della usable security, che è innovativo a livello internazionale e per l'azienda, che ripone in esso particolare interesse.

Impresa 5

Nome dell’impresa*	Planetek Italia Srl
Sito Web e/o Indirizzo sede legale*	https://www.planetek.it - Via Massaua 12, I-70132 Bari
Paese*	Italia
Consorziato/ Convenzionato*
Sede di attività formative*	NO
N° di borse finanziate o per le quali è in corso la richiesta di finanziamento o cofinanziamento*	N° 1
Importo previsto del finanziamento o cofinanziamento per l’intero ciclo*	€ 30000
Data sottoscrizione convenzione/ consorzio (*)
N. di cicli di dottorato coperti dalla convenzione (*)	1
PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata.(*)	7_Planetek-PKT004-668-v0_Convenzione_UNIBA_PhD_Informatica_Matematica_signed_signed.pdf
Ambito di attività dell’Istituzione e/o Descrizione attività R&S *	La società Planetek Italia Srl vanta una acclarata esperienza in Geomatica, scienze della Terra e software per le missioni spaziali nonché una notevole competenza nell’utilizzo di dati geospaziali e in tutte le fasi del ciclo di vita dei dati: acquisizione, archiviazione, gestione, analisi e condivisione. La Planetek Italia Srl opera in molti campi di applicazione tra i quali: il monitoraggio ambientale e del territorio, delle dinamiche urbane o delle aree marine-costiere a supporto delle attività decisionali e operative. La ricerca sarà incentrata sullo studio e lo sviluppo di modelli computazionali di tipo low rank approximation (LRA) in grado di fondere dati eterogenei, immagini iper/multispettrali e dati registrati da sensori, per meglio comprendere i fenomeni ambientali che tali dati rappresentano. I metodi esistenti di LRA sono strumenti di rappresentazione e analisi di dati multivariati e di grandi dimensioni utilizzati in diverse aree applicative (apprendimento automatico, elaborazione di segnali e immagini, ottimizzazione). La decomposizione a valori singolari rappresenta la migliore LRA ottenuta senza alcun vincolo e utilizzando l'errore ai minimi quadrati. Tuttavia, in pratica, questo modello non è adatto a comprendere i dati eterogenei derivanti dalle osservazioni ambientali, e in particolare i dati marini e delle coste. L’idea progettuale mira a costruire varianti di LRA attraverso l’utilizzo di algoritmi di ottimizzazione vincolata su opportune funzioni costo che permettano di aggiungere vincoli ad-hoc sulle componenti latenti da estrarre da dati di osservazione della Terra per migliorare la qualità del modello di approssimazione derivante.

Impresa 6

Nome dell’impresa*	EXPRIVIA SPA
Sito Web e/o Indirizzo sede legale*	https://www.exprivia.it/ - Via A. Olivetti 11 Molfetta (BA)
Paese*	Italia
Consorziato/ Convenzionato*
Sede di attività formative*	NO
N° di borse finanziate o per le quali è in corso la richiesta di finanziamento o cofinanziamento*	N° 1
Importo previsto del finanziamento o cofinanziamento per l’intero ciclo*	€ 30000
Data sottoscrizione convenzione/ consorzio (*)
N. di cicli di dottorato coperti dalla convenzione (*)	1
PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata.(*)	10_Exprivia_2_D.M. n. 352_22_Schema tipo Convenzione finanziamento SOLUZIONE RATEALE_38 Dottorati innovativi 2.pdf.p7m.p7m
Ambito di attività dell’Istituzione e/o Descrizione attività R&S *	Exprivia s.p.a. è una società per azioni italiana che si occupa di progettazione e sviluppo di tecnologie software innovative e di prestazione di servizi IT per il mercato bancario, medicale, industriale, telecomunicazioni e Pubblica Amministrazione. In particolare il gruppo ICT Exprivia si occupa anche di sviluppare soluzioni di IA per vari ambiti applicativi. L'azienda ospita un team di ricerca e sviluppo con competenze in Intelligenza Artificiale e Data Science. La tematica di ricerca riguarderà lo sviluppo di nuove tecniche di Computer Vision e Deep Learning per applicazioni di IA sostenibile mediante droni.

Impresa 7

Nome dell’impresa*	Lutech SpA
Sito Web e/o Indirizzo sede legale*	https://lutech.group/it - Via Massimo Gorki, 30/32C, 20092 Cinisello Balsamo (MI)
Paese*	Italia
Consorziato/ Convenzionato*
Sede di attività formative*	NO
N° di borse finanziate o per le quali è in corso la richiesta di finanziamento o cofinanziamento*	N° 1
Importo previsto del finanziamento o cofinanziamento per l’intero ciclo*	€ 30000
Data sottoscrizione convenzione/ consorzio (*)
N. di cicli di dottorato coperti dalla convenzione (*)	1
PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata.(*)	6_Lutech-Convenzione_COFINANZIAMENTO_Quantum352_signed_signed.pdf
Ambito di attività dell’Istituzione e/o Descrizione attività R&S *	Lutech SpA nasce nel 2001 e nel 2021, con la acquisizione da parte dai fondi gestiti da Apax group, tra le principali società globali di Private Equity, si specializza negli investimenti ICT. Lutech è leader in Italia ed è player europeo nei servizi e soluzioni ICT, che supportano la Digital Evolution di aziende clienti grazie a competenze di oltre 2500 professionisti. L’azienda offre soluzioni end-to-end sul mercato e su realtà specifiche grazie ai tre asset LutechTechnology, LutechDigital e LutechProducts. Lutech ha servizi consolidati nei seguenti ambiti: Healthcare; Broadcasting; Networking; Public sector; Manifacturing. In particolare, Lutech SpA è fortemente interessata al tema di Quantum computing ed ha già pianificato attività di innovazione dei propri prodotti rispetto a soluzioni quantistiche, nonchè attività di formazione di risorse umane di prospettiva. Fra gli scenari applicativi di interesse per Lutech si possono considerare il mondo dell’Energy e quello del Fintech. Le tematiche di ricerca riguarderanno studio e progettazione di algoritmi di Machine Learning supervised e semi-supervised con addestramento di modelli basato su tecniche quantistiche di Quantum Annealing.

Impresa 8

Nome dell’impresa*	Exprivia
Sito Web e/o Indirizzo sede legale*	https://www.exprivia.it/ - Via A. Olivetti 11 Molfetta (BA)
Paese*	Italia
Consorziato/ Convenzionato*
Sede di attività formative*	NO
N° di borse finanziate o per le quali è in corso la richiesta di finanziamento o cofinanziamento*	N° 1
Importo previsto del finanziamento o cofinanziamento per l’intero ciclo*	€ 30000
Data sottoscrizione convenzione/ consorzio (*)
N. di cicli di dottorato coperti dalla convenzione (*)	1
PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata.(*)	2-Exprivia_3_D.M. n. 352_22_Schema tipo Convenzione finanziamento SOLUZIONE RATEALE_38 Dottorati innovativi 3.pdf.p7m.p7m
Ambito di attività dell’Istituzione e/o Descrizione attività R&S *	Exprivia s.p.a. è una società per azioni italiana che si occupa di progettazione e sviluppo di tecnologie software innovative e di prestazione di servizi IT per il mercato bancario, medicale, industriale, telecomunicazioni e Pubblica Amministrazione. In particolare il gruppo ICT Exprivia si occupa anche di sviluppare soluzioni di IA per vari ambiti applicativi. L'azienda ospita un team di ricerca e sviluppo con competenze in Intelligenza Artificiale e Data Science. L'attività si colloca nell’area delle Digital Humanities e ha come obiettivo lo sviluppo e l’applicazione di nuovi metodi, basati su Intelligenza Artificiale, per l’analisi e fruizione del patrimonio artistico digitalizzato.

Impresa 9

Nome dell’impresa*	EXPRIVIA
Sito Web e/o Indirizzo sede legale*	https://www.exprivia.it/ - Via A. Olivetti 11 Molfetta (BA)
Paese*	Italia
Consorziato/ Convenzionato*
Sede di attività formative*	NO
N° di borse finanziate o per le quali è in corso la richiesta di finanziamento o cofinanziamento*	N° 1
Importo previsto del finanziamento o cofinanziamento per l’intero ciclo*	€ 30000
Data sottoscrizione convenzione/ consorzio (*)
N. di cicli di dottorato coperti dalla convenzione (*)	1
PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata.(*)	4_Exprivia_1_D.M. n. 352_22_Schema tipo Convenzione finanziamento SOLUZIONE RATEALE_38 Dottorati innovativi 1.pdf.p7m.p7m
Ambito di attività dell’Istituzione e/o Descrizione attività R&S *	Exprivia s.p.a. è una società per azioni italiana che si occupa di progettazione e sviluppo di tecnologie software innovative e di prestazione di servizi IT per il mercato bancario, medicale, industriale, telecomunicazioni e Pubblica Amministrazione. In particolare il gruppo ICT Exprivia si occupa anche di sviluppare soluzioni di IA per vari ambiti applicativi. L'azienda ospita un team di ricerca e sviluppo con competenze in Intelligenza Artificiale e Data Science. L'attività di ricerca progetto si pone l’obiettivo di studiare il ruolo delle emozioni nello sviluppo del software. Si intende indagare le principali cause alla base dei fenomeni emotivi a lavoro nonché la relazione tra emozioni e la produttività percepita sul posto di lavoro.

Impresa 10

Nome dell’impresa*	Auriga S.p.A.
Sito Web e/o Indirizzo sede legale*	https://www.aurigaspa.com - via Selva 101, Altamura (BA)
Paese*	Italia
Consorziato/ Convenzionato*
Sede di attività formative*	NO
N° di borse finanziate o per le quali è in corso la richiesta di finanziamento o cofinanziamento*	N° 1
Importo previsto del finanziamento o cofinanziamento per l’intero ciclo*	€ 30000
Data sottoscrizione convenzione/ consorzio (*)
N. di cicli di dottorato coperti dalla convenzione (*)	1
PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata.(*)	8-Auriga-2-Convenzione dottorato_firmata-signed_signed.pdf
Ambito di attività dell’Istituzione e/o Descrizione attività R&S *	Auriga S.p.A. è tra i principali fornitori europei di software e soluzioni per il settore bancario e i sistemi di pagamento, con una vasta gamma di prodotti e servizi dedicati all’integrazione e alla gestione dei differenti canali bancari: Self Service (ATMs, deposit terminals, cash recycling terminals, kiosks, etc); Internet Banking; Mobile Banking; Branch. Auriga è da sempre impegnata in una costante attività di ricerca e sviluppo al fine di garantire i più elevati standard di innovazione e qualità di prodotto. Inoltre, conta numerose partnership con importanti realtà accademiche e le maggiori associazioni internazionali di settore. Una divisione dell’azienda è la Software Factory, che implementa un modello di produzione industriale del software che lavori sulla base di una roadmap di prodotti omogenei dal punto di vista delle tecnologie e delle metodologie. Uno dei compiti della SW Factory è quello di proporre progetti di ricerca e sviluppo finalizzati alla creazione di nuovi prodotti o al miglioramento degli attuali. Infatti, numerose sono le attività di R&S svolte dalla Fabbrica sia nella messa in atto di nuovi processi di sviluppo del software (e ciò significa evoluzione continua delle competenze e delle abilità sia degli sviluppatori sia di tutti gli altri operatori) sia nell’ideazione di nuove soluzioni tecnologicamente all’avanguardia, che garantiscano la crescita e la competitività e più complessivamente la crescita del know-how aziendale. Il progetto affronta il tema della valutazione della qualità dei sistemi basati su machine learning, includendo gli aspetti relativi alla sicurezza che per l'azienda sono di particolare interesse.

(*) campo obbligatorio

Informazioni di riepilogo circa la forma del corso di dottorato

Dottorato in forma non associata	SI
Dottorato in forma associata con Università italiane	NO
Dottorato in forma associata con Università estere	NO
Dottorato in forma associata con enti di ricerca italiani e/o esteri	NO
Dottorato in forma associata con Istituzioni AFAM	NO
Dottorato in forma associata con Imprese	NO
Dottorato in forma associata – Dottorato industriale (DM 226/2021, art. 10)	NO
Dottorato in forma associata con pubbliche amministrazioni, istituzioni culturali o altre infrastrutture di R&S di rilievo europeo o internazionale	NO
Dottorato in forma associata – Dottorato nazionale (DM 226/2021, art. 11)	NO

2. Eventuali curricula

Curriculum dottorali afferenti al Corso di dottorato

n.	Denominazione Curriculum	Breve Descrizione
1.	INFORMATICA	Al collegio docenti afferiscono docenti dell'Area 01, Scienze Matematiche e Informatiche, nel settore disciplinare INF/01 e docenti dell'Area 09, Ingegneria industriale e dell'informazione, nel settore disciplinare ING-INF/05 dell'Università degli studi di Bari. I docenti portano avanti numerose collaborazioni scientifiche con altre Università e centri di ricerca italiani e esteri e anche con aziende, testimoniate da pubblicazioni scientifiche su riviste e atti di congressi internazionali. Ci sono anche collaborazione con i docenti del curriculum Matematica, con cui portano avanti progetti, mantenendo l’individualità delle differenti discipline. Le attività di ricerca del curriculum informatica includono: Artificial Intelligence, Big Data e Data Science, Cybersecurity, Computer Vision and Applications, Data Bases and Knowledge Bases, Human-Computer Interaction, Software Engineering, Technology-Enhanced Learning.
2.	MATEMATICA	Al collegio docenti afferiscono docenti dell’Area 01, Scienze Matematiche e Informatiche, nei settori disciplinari MAT/02 Algebra, MAT/03 Geometria, MAT/04 Matematiche Complementari, MAT/05 Analisi Matematica, MAT/06 Probabilità E Statistica Matematica, MAT/07 Fisica Matematica, MAT/08 Analisi Numerica. I docenti hanno numerose collaborazioni con altre università italiane e estere, testimoniata da pubblicazioni scientifiche e partecipazioni a comitati editoriali di riviste scientifiche internazionali di alto profilo. Alcuni gruppi collaborano con i docenti del curriculum Informatica, mantenendo l’individualità delle discipline. In particolare le collaborazioni sono portate avanti nell’ambito di tematiche di data science, algoritmi numerici e matematica computazionale e tecnologie informatiche per l’insegnamento della matematica. Inoltre i gruppi collaborano anche in progetti di ricerca comuni. Le attività di ricerca del curriculum Matematica includono tematiche di: Algebra, Geometria, Matematiche Complementari, Didattica della Matematica, Analisi Matematica, Probabilità e Statistica Matematica, Fisica Matematica, Analisi Numerica e Calcolo Scientifico.

3. Collegio dei docenti

Coordinatore

Cognome	Nome	Ateneo Proponente:	Dipartimento/ Struttura	Qualifica	Settore concorsuale	Area CUN	Scopus Author ID (obbligatorio per bibliometrici)	ORCID ID
MAZZIA	Francesca	BARI	Informatica	Professore Ordinario (L. 240/10)	01/A5	01	6701778399

Curriculum del coordinatore

Componenti del collegio (Personale Docente e Ricercatori delle Università Italiane)

n.	Cognome	Nome	Ateneo	Dipartimento/ Struttura	Ruolo	Qualifica	Settore concorsuale	Area CUN	SSD	In presenza di curricula, indicare l'afferenza	Stato conferma adesione	Scopus Author ID (obbligatorio per bibliometrici)
1.	ALTAVILLA	Amedeo	BARI	Matematica	COMPONENTE	Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)	01/A2	01	MAT/03	MATEMATICA...	ha aderito	56041637600
2.	APPICE	Annalisa	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	09/H1	09	ING-INF/05	MATEMATICA...	ha aderito	6603601473
3.	BALDASSARRE	Maria Teresa	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	09/H1	09	ING-INF/05	INFORMATICA...	ha aderito	7006753985
4.	BARROS CORREA JUNIOR	Mauricio	BARI	Matematica	COMPONENTE	Professore Associato (L. 240/10)	01/A2	01	MAT/03	MATEMATICA...	ha aderito	37032555700
5.	BASILE	Pierpaolo	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	09/H1	09	ING-INF/05	INFORMATICA...	ha aderito	23392182500
6.	BASTIANELLI	Francesco	BARI	Matematica	COMPONENTE	Professore Associato (L. 240/10)	01/A2	01	MAT/03	MATEMATICA...	ha aderito	55458065100
7.	BOCHICCHIO	Mario Alessandro	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	09/H1	09	ING-INF/05	INFORMATICA...	ha aderito	57192989341
8.	BUONO	Paolo	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	13006302400
9.	CAIVANO	Danilo	BARI	Informatica	COMPONENTE	Professore Ordinario (L. 240/10)	09/H1	09	ING-INF/05	INFORMATICA...	ha aderito	6603243250
10.	CALEFATO	Fabio	BARI	Informatica	COMPONENTE	Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	8303001500
11.	CANDELA	Anna Maria	BARI	Matematica	COMPONENTE	Professore Ordinario (L. 240/10)	01/A3	01	MAT/05	MATEMATICA...	ha aderito	7005848392
12.	CASTELLANO	Giovanna	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	7005355310
13.	CECI	Michelangelo	BARI	Informatica	COMPONENTE	Professore Ordinario (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	6701472018
14.	CENTRONE	Lucio	BARI	Matematica	COMPONENTE	Professore Associato confermato	01/A2	01	MAT/02	MATEMATICA...	ha aderito	42261082500
15.	CINGOLANI	Silvia	BARI	Matematica	COMPONENTE	Professore Ordinario (L. 240/10)	01/A3	01	MAT/05	MATEMATICA...	ha aderito	6701800035
16.	COSTABILE	Maria	BARI	Informatica	COMPONENTE	Professore Ordinario	01/B1	01	INF/01	INFORMATICA...	ha aderito	7004415245
17.	CRISMALE	Vitonofrio	BARI	Matematica	COMPONENTE	Professore Associato (L. 240/10)	01/A3	01	MAT/06	MATEMATICA...	ha aderito	57086985200
18.	D'ABBICCO	Marcello	BARI	Matematica	COMPONENTE	Professore Associato (L. 240/10)	01/A3	01	MAT/05	MATEMATICA...	ha aderito	57214741073
19.	D'AMATO	Claudia	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	49861247200
20.	D'AMBROSIO	Lorenzo	BARI	Matematica	COMPONENTE	Professore Associato (L. 240/10)	01/A3	01	MAT/05	MATEMATICA...	ha aderito	7004444816
21.	DE GEMMIS	Marco	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	26424953100
22.	DEL BUONO	Nicoletta	BARI	Matematica	COMPONENTE	Professore Associato confermato	01/A5	01	MAT/08	MATEMATICA...	ha aderito	6602150833
23.	DESOLDA	Giuseppe	BARI	Informatica	COMPONENTE	Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	55303773400
24.	DILEO	Giulia	BARI	Matematica	COMPONENTE	Professore Associato (L. 240/10)	01/A2	01	MAT/03	MATEMATICA...	ha aderito	22833921600
25.	FAGGIANO	Eleonora	BARI	Matematica	COMPONENTE	Professore Associato (L. 240/10)	01/A1	01	MAT/04	MATEMATICA...	ha aderito	6508126979
26.	FANIZZI	Nicola	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	09/H1	09	ING-INF/05	INFORMATICA...	ha aderito	6602096916
27.	FERILLI	Stefano	BARI	Informatica	COMPONENTE	Professore Associato confermato	01/B1	01	INF/01	INFORMATICA...	ha aderito	35502407200
28.	FRAGNELLI	Genni	TUSCIA	Scienze ecologiche e biologiche	COMPONENTE	Professore Associato (L. 240/10)	01/A3	01	MAT/05	MATEMATICA...	ha aderito	13806838100
29.	IAVERNARO	Felice	BARI	Matematica	COMPONENTE	Professore Associato confermato	01/A5	01	MAT/08	MATEMATICA...	ha aderito	6601933776
30.	LANUBILE	Filippo	BARI	Informatica	COMPONENTE	Professore Ordinario (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	7003587349
31.	LANZILOTTI	Rosa	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	6504300670
32.	LIGABO'	Marilena	BARI	Matematica	COMPONENTE	Professore Associato (L. 240/10)	01/A4	01	MAT/07	MATEMATICA...	ha aderito	35366692800
33.	LOGLISCI	Corrado	BARI	Informatica	COMPONENTE	Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)	09/H1	09	ING-INF/05	INFORMATICA...	ha aderito	8883315400
34.	LOPS	Pasquale	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	6602373827
35.	MALERBA	Donato	BARI	Informatica	COMPONENTE	Professore Ordinario	09/H1	09	ING-INF/05	INFORMATICA...	ha aderito	7003297699
36.	MAZZIA	Francesca	BARI	Informatica	Coordinatore	Professore Ordinario (L. 240/10)	01/A5	01	MAT/08	MATEMATICA...	ha aderito	6701778399
37.	MENCAR	Corrado	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	6506384357
38.	MONTONE	Antonella	BARI	Matematica	COMPONENTE	Professore Associato (L. 240/10)	01/A1	01	MAT/04	MATEMATICA...	ha aderito	56052490700
39.	MUSTO	Cataldo	BARI	Informatica	COMPONENTE	Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	35107609000
40.	NOVIELLI	Nicole	BARI	Informatica	COMPONENTE	Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	23390593000
41.	PICCINNO	Antonio	BARI	Informatica	COMPONENTE	Professore Associato (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	36476592000
42.	PIO	Gianvito	BARI	Informatica	COMPONENTE	Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	55586014400
43.	ROSSI	Stefano	BARI	Matematica	COMPONENTE	Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)	01/A3	01	MAT/06	MATEMATICA...	ha aderito	57201545808
44.	SALVATORE	Addolorata	BARI	Matematica	COMPONENTE	Professore Ordinario	01/A3	01	MAT/05	MATEMATICA...	ha aderito	7004514205
45.	SEMERARO	Giovanni	BARI	Informatica	COMPONENTE	Professore Ordinario (L. 240/10)	01/B1	01	INF/01	INFORMATICA...	ha aderito	57108777800
46.	VACCA	Giuseppe	BARI	Matematica	COMPONENTE	Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)	01/A5	01	MAT/08	MATEMATICA...	ha aderito	37003280500
47.	VAIRA	Giusi	BARI	Matematica	COMPONENTE	Professore Associato (L. 240/10)	01/A3	01	MAT/05	MATEMATICA...	ha aderito	24578050500

Componenti del collegio (Personale non accademico dipendente di Enti italiani o stranieri e Personale docente di Università Straniere)

n.	Cognome	Nome	Tipo di ente:	Ateneo/Ente di appartenenza	Paese	Qualifica	SSD	Settore Concorsuale	Area CUN	In presenza di curricula, indicare l'afferenza	Scopus Author ID (obbligatorio per bibliometrici)	P.I. vincitore di bando competitivo europeo*	Codice bando competitivo

1-300 - Produzione scientifica di ricercatori di enti di ricerca italiani o esteri ovvero di docenti di università estere dei settori non bibliometrici

n.	Autore	Eventuali altri autori	Anno di pubblicazione	Tipologia pubblicazione	Titolo	Titolo rivista o volume	ISSN (formato: XXXX-XXXX)	ISBN	ISMN	DOI	Scientifica e Classe A (rilevata in automatico in base all'ISSN, all'anno e al Settore Concorsuale del docente)

301-600 - Produzione scientifica di ricercatori di enti di ricerca italiani o esteri ovvero di docenti di università estere dei settori non bibliometrici

n.	Autore	Eventuali altri autori	Anno di pubblicazione	Tipologia pubblicazione	Titolo	Titolo rivista o volume	ISSN (formato: XXXX-XXXX)	ISBN	ISMN	DOI	Scientifica e Classe A (rilevata in automatico in base all'ISSN, all'anno e al Settore Concorsuale del docente)

601-900 - Produzione scientifica di ricercatori di enti di ricerca italiani o esteri ovvero di docenti di università estere dei settori non bibliometrici

n.	Autore	Eventuali altri autori	Anno di pubblicazione	Tipologia pubblicazione	Titolo	Titolo rivista o volume	ISSN (formato: XXXX-XXXX)	ISBN	ISMN	DOI	Scientifica e Classe A (rilevata in automatico in base all'ISSN, all'anno e al Settore Concorsuale del docente)

Componenti del collegio (Docenti di Istituzioni AFAM)

n.	Cognome	Nome	Istituzione di appartenenza	Qualifica	Settore artistico-disciplinare	In presenza di curricula, indicare l'afferenza	Partecpazione nel periodo 17-21 a gruppi di ricerca finanziati su bandi competitivi	Riferimento specifico al progetto (Dati identificativi del progetto e descrizione)	Ricezione nel periodo 17-21 riconoscimenti a livello internazionale	Attestazione (PDF)	Descrizione campo precedente

Componenti del collegio (altro personale, imprese, p.a., istituzioni culturali e infrastrutture di ricerca)

n.	Cognome	Nome	Istituzione di appartenenza	Paese	Qualifica	Tipologia (descrizione qualifica)	Area CUN	In presenza di curricula, indicare l'afferenza	Scopus Author ID (facoltativo)

Dati aggiuntivi componenti (altro personale, imprese, p.a., istituzioni culturali e infrastrutture di ricerca)

4. Progetto formativo

Attività didattica programmata/prevista

Insegnamenti previsti (distinti da quelli impartiti in insegnamenti relativi ai corsi di studio di primo e secondo livello)

n.	Denominazione dell’insegnamento	Numero di ore totali sull’intero ciclo	Distribuzione durante il ciclo di dottorato (anni in cui l’insegnamento è attivo)	Descrizione del corso	Eventuale curriculum di riferimento	Note
1.	Big Data, Data mining, machine learning	32	primo anno secondo anno	A huge amount of data of different forms is being generated every day due to digitization. The data sets that are too huge and complex for processing by traditional techniques are known as Big Data. 5Vs are used to describe the characteristics of Big Data; volume, velocity, variety, veracity, and value. The available data has to be processed by using various techniques of data analysis which is known as Big Data Analytics. Analyzing these huge data takes a lot of effort to obtain and extract meaningful and useful information for decision making. The course will introduce the main pillars of Big Data Analytics: i) Big Data storage ad management and ii) The analysis of such a big volume of data. Specifically, the contents will follow the schema: a. Big Data, Definitions, Why and Where, Getting Value out of Big Data b. Data Management: introduction to NoSQL databases c. Big data infrastructures for distributed ML: introduction to Spark and to Spark ML.	INFORMATICA	Il corso è a scelta dello studente, l'esame è opzionale.
2.	Human-Centered AI (HCAI): an innovative vision for designing intelligent systems	24	primo anno secondo anno	Compared with traditional technologies, AI-based technologies pose different challenges from a user’s perspective. Besides the established principles of user-centered design, there are further important aspects that are peculiar to this type of system and that need to be considered during design. AI-based systems typically have a probabilistic behavior that can confuse users, erode their confidence, and lead to the abandonment of AI technology. High-profile reports of failures, ranging from humorous and embarrassing (e.g., auto-completion errors) to more serious situations in which users cannot effectively understand or control an AI system (e.g., collaboration with semi-autonomous cars), might harm users. These factors, among others, show that designers and developers need proper knowledge as well as proper methodologies and techniques to create effective intelligent systems that may better satisfy the users. It also highlights the need for the users to have control over the system: this can be achieved on one side by granting transparency of the system behaviour, and on the other side by empowering the users to configure the system behaviour. Given this scenario, it is important that future AI specialists become aware of the potential ethical and practical issues of this type of system, as well as acquire theoretical competencies and methodological skills to properly design them. This requires adopting a perspective that considers the users and their needs to let them understand and control AI-based technologies. The course aims to guide the student in the basics of Human-AI Interaction, exploring principles, challenges and methods to design AI-based systems. Then the course will focus on emerging aspects of HCI for AI, for example, the Explainability of AI systems, design of and interaction with conversational agents and more general principles for designing Human-AI Interaction. The exam is optional.	INFORMATICA	Il corso è a scelta dello studente, l'esame è opzionale
3.	Software Solutions for Reproducible Experiments	16	primo anno secondo anno	The broad availability of data-driven AI/ML libraries and frameworks makes the rapid prototyping of AI/ML models a relatively easy task to achieve. However, the quality of prototypes is challenged by their reproducibility. In the industrial context, the ability to reproduce AI experiments is of paramount importance also to ease the transition from an exploratory to a mature production phase, in which AI/ML models are delivered alongside traditional software and carefully monitored over time. Reproducing an AI/ML-based experiment entails repeating the whole process, from data collection to model building, other than multiple optimization steps that must be carefully tracked. Furthermore, this challenge is exacerbated by the heterogeneity of AI team; as such, significant training efforts can be required even for the simple adoption of basic SE best practices (e.g., code versioning). Among the solutions that ensure reproducibility we find computational notebooks, the modern implementation of literate programming, i.e., a software development paradigm where code is written side by side with the explanation of its logic. Another solution is provided by AutoML a term is used to refer to a broad set of existing technologies that help both newcomers and experts carry out many of the time-consuming analysis, training, and deployment tasks typically occurring in the development workflows of AI-enabled systems. The goal of this course is to provide students with the fundamental tools and techniques for ensuring that their AI/ML-based experiments are re-executable, repeatable, and reproducible -- according to ACM definition of reproducibility. In this course, I will provide a comprehensive taxonomy to characterize tools for AI experiment tracking and review some of the most popular solutions under the lens of the taxonomy. The taxonomy and related recommendations may help students to orient themselves and make an informed choice when selecting appropriate tools to shape...	INFORMATICA	Il corso è a scelta dello studente, l'esame è opzionale
4.	Emotion recognition using non-invasive biometrics	16	primo anno secondo anno	Research on affective computing investigates emotion recognition and simulation since decades. Indeed, emotions are a fundamental component of our everyday life: they influence our cognitive skills, influence the outcome of activities requiring creativity and problem-solving skills, and contribute to the success of communication and collaborative activities. Early recognition of negative emotions, such as stress, frustration, and anger can enable just-in-time corrective actions in many application fields, including wellbeing of knowledge workers, assistive technologies, computer-mediated communication, human-computer interaction, and so on. Thus, we envision the emergence and adoption of tools for enhancing emotion awareness during software development. In this study, we will focus on the problem of reliable identification of the emotions using non-invasive biometrics. We will survey the state-of-the-art in biometric-based emotion recognition, with particular focus on the use of non-invasive sensors and examines to what extent they are able to detect affective expressions when used by individuals during their daily activities. A discussion is offered about the advantages and limitations of relying on self-reported, self-assessed emotions as gold standard and on the open challenges due to differences between individuals, towards the development and deployment of reliable sensor-based emotion classifiers for real use scenarios. Finally, we will discuss recent advances in applied research that leverage biometric-based emotion recognition for supporting emotion awareness in computer-supported cooperative work, with specific focus on the emotions experienced by developers engaged in collaborative software development tasks. La verifica finale è facoltativa.	INFORMATICA	Il corso è a scelta dello studente, l'esame è opzionale
5.	Deep Learning for Content Representation in Recommender Systems	24	primo anno secondo anno	Content-based recommender systems suggest items similar to those the user already liked in the past by building a representation of users and items based on descriptive features, which are usually obtained by processing textual content. A classic approach to dealing with the textual content is using a keyword-based representation, where few extracted terms represent the whole content. A sharp limitation of classic keyword-based representations is that they are not often enough to correctly catch the preferences of the users, as well as the informative content conveyed by the items. Of course, a sub-optimal comprehension of the informative content leads to a sub-optimal representation of the user and items and, in turn, to recommendations that are not accurate. Hence, it is necessary to improve such representations in order to exploit the potential of content-based features and textual data fully. Semantics-aware recommender systems represent one of the most innovative lines of research in which the goal is to use semantic approaches for representing content. Thanks to these representations, it is possible to give meaning to information expressed in natural language and to obtain its deeper comprehension. Recent years have witnessed a surge of interest in knowledge discovery from content written in natural language through machine learning techniques. Natural Language Processing (NLP) can support strategies for resolving ambiguity in the discovered linguistic knowledge, e.g., POS, NER, SBD, word sense and word segmentation, and text representation. These tasks can be carried out using machine learning and deep learning models for enchanting content representation used in Recommender Systems. The course will cover the main topics concerning Deep Learning (DL) for Recommender Systems (RS) and Natural Language Processing (NLP) approaches and techniques.	INFORMATICA	Il corso è a scelta dello studente, l'esame è opzionale
6.	Natural Language Processing for Information Extraction	24	primo anno secondo anno	Information extraction (IE) systems automatically extract structured information from unstructured and/or semi-structured machine-readable sources. Generally, this activity concerns processing human language texts through natural language processing (NLP) techniques. The output of the extraction processing is a set of structured information stored in databases, ontologies, or knowledge graphs. The goal of the course is to provide an overview of both the information extraction problem and state-of-the-art approaches that deal with it: from classical methods based on templates to more sophisticated ones based on neural network architectures. Moreover, we will show real case scenarios in which IE approaches are exploited.	INFORMATICA	Il corso è a scelta dello studente, l'esame è opzionale
7.	Joint numerical and spectral radii for tuples of operators – a non-commutative probability	16	primo anno	Course description The aim of this mini course is to get the audience familiar with the concepts of joint numerical radius and joint spectral radius defined for tuples of operators. The fundamental work for this is the paper by Gelu Popescu [1], in which he formulated these notions in relation with the toy model of free probability, using the free creation operators on the full Fock space. In the joint work with Anna Kula [2] the lecturer proposed a general approach in this context by replacing the free creation operators with other ones, which are related to other notions of independence in non-commutative probability. In particular, this applies to the case of monotone and boolean independences. The plan of the mini course is as follows: (1) Classical notions of numerical radius and spectral radius of and operator on a Hilbert space, and their properties. (2) Free joint numerical and spectral radii by Popescu and their properties. (3) Monotone and boolean joint numerical and spectral radii and their properties. (4) von Neumann type inequalities for joint numerical and spectral radii. References: [1] Gelu Popescu Unitary invariants in multivariable operator theory. Mem. Amer. Math. Soc. 200 (2009), no. 941 [2] Anna Kula, Janusz Wysocza«ski, Joint monotone and boolean numerical and spectral radii of d-tuples of operators , Adv. Oper. Theory 5 (2020), no. 3, 1039-1060	MATEMATICA	Il corso è a scelta dello studente, l'esame è opzionale
8.	Fourier analysis and its applications	16	primo anno secondo anno	The main goal is to introduce basic methods in Fourier analsys and apply them to study evolution partial differential equations. A special attention will be given to the study of tempered distributions, multipliers, oscillatory integrals, Fourier singular integral operators, Riesz transform and potential, nonlocal operators, fractional Sobolev embeddings and Gagliardo-Nirenberg inequalities, Paley-Littlewood decomposition and Besov spaces, real Hardy spaces. The techniques and methods introduced will be applied to study the qualitative and asymptotic properties to several evolution equations, with a particular emphasis on dispersive and dissipative effects. Stationary phase methods will be discussed and their interplay with damping terms in hyperbolic and hyperbolic-type equations will be analyzed. Applying the decay estimates obtained for several equations, it will be shown how to find the Fujita critical exponent for global-in-time small data solutions for several semilinear equations. Different blow-up methods will be employed to prove the optimality of the critical exponent, possibly deriving lifespan estimates for the local solution.	MATEMATICA	IIl corso è a scelta dello studente, l'esame è opzionale
9.	Control of Degenerate and Singular Parabolic Equations	16	primo anno secondo anno	Controllability issues for parabolic problems have been a mainstream topic in recent years, and several developments have been pursued: starting from the heat equation in bounded and unbounded domain, related contributions have been found for more general situations. In details: given an initial condition, the associated equation is said to be null controllable at time T >0 if there exists a control such that the solution u of the associated problem satisfies u(T) ≡ 0 in the space domain. Due to degeneracy or singularity, classical null controllability results do not hold in general. Thus, a good notion is the so called ‘regional null controllability’: we can drive the solution to rest at time T on a subset of the space domain, contained in the set where the equation is nondegenerate. However, the notion of global null controllability is stronger than the regional one and in general it is the useful one. A common strategy in showing this type of controllability is to prove that certain global Carleman estimates hold true for the operator which is the adjoint of the given one, and, from them, to find related observability inequalities for the solution of the initial problem. In this course we follow this approach, focusing on some classes of degenerate and/or singular parabolic operators. The interest in this kind of equations is due to the fact that many problems coming from Physics, Biology, and Mathematical Finance are described by parabolic equations which admit these types of degeneracy and/or singularities. The exam is optional.	MATEMATICA	Il corso è a scelta dello studente, l'esame è opzionale
10.	Prescribed curvature problems and Liouville equations	16	primo anno	This course will be an introduction to the analysis of Liouville-type equations, a class of elliptic partial differential equations involving exponential nonlinearities with applications to classical problems in differential geometry and fluid dynamics. In particular, the course will investigate the strict connection between Liouville equations and the geometric problem of prescribing the Gaussian curvature of a Riemannian surface. Motivated by this geometric background, we will discuss the existence of solutions via variational and topological methods. In some simple settings, we will describe the qualitative properties of solutions both from the analytic and the geometric point of view. Some open questions and a brief overview of mathematical models related to Liouville equations will be presented in the final part of the course. Particularly, we will be interested in the description of conic singularities in dimension two and in different forms of prescribed curvature problems in high dimension. The course will be an opportunity for students to familiarize with basic notions of Geometric Analysis and to learn several tools commonly employed in the analysis of partial differential equations, such as blow-up techniques, functional inequalities, and perturbation methods. At the end of the course, there will be an optional final exam.	MATEMATICA	Il corso è a scelta dello studente, l'esame è opzionale
11.	Geometric structures on varieties	16	primo anno secondo anno	The purpose of this course is to study differentiable manifold endowed with the additional geometrical structures in differential geometry such as : riemannian, complex , quaternionic and algebraic. In particular, based on the interest of the participants we will focus on one or more this topics: General theory of complex functions. Complex and Hermitian Structures Differential Forms on manifolds. Complex Manifolds. Examples: The Projective Space, Blow-ups, quotient spaces, algebraic varieties and Riemann surfaces. Calabi-Yau manifolds, Complex Vector Bundles. Hodge Theory on Kahler Manifolds. The exam is optional.	MATEMATICA	Il corso è a scelta dello studente, l'esame è opzionale
12.	Large Deviation Theory and Applications	16	primo anno secondo anno	Large deviation theory - a part of probability and statistics - deals with the description of rare events, where a random variable deviates from its mean more than a "normal" amount, i.e. beyond what is described by the central limit theorem. This course aims to provide the basics of large deviation theory, and to discuss applications to statistical mechanics. Basic probability theory is an important prerequisite. Moving from some elementary large deviation results for i.i.d random variables, where explicit calculations are feasible, the notions of weak and full large deviation principles will be introduced and some general theorems will be presented. Cramér's theorem for i.i.d random variables will follow, and a first application to fluctuations in the Curie-Weiss model of ferromagnetism will be proposed. The Gärtner-Ellis theorem will be the next step, together with an application to finite state Markov chains. Subsequently, large deviation principles for renewal-reward processes will be discussed, and used to characterize large fluctuations in the Poland-Scheraga model of DNA denaturation. Finally, large fluctuations for lattice spin models will be considered, and ensemble equivalence will be formulated in the framework of large deviation principles. The exam is optional.	MATEMATICA	Il corso è a scelta dello studente, l'esame è opzionale
13.	An Introduction to the Virtual Element Method with focus on the Navier-Stokes Equation	16	primo anno secondo anno	The Virtual Element Method (VEM) is a technology introduced in 2013 by Beirão da Veiga, Brezzi, Cangiani, Manzini, Marini, Russo for the discretization of partial differential equations. The VEM can be interpreted as a novel approach that generalizes the classical Finite Element Method to arbitrary even non-convex element-geometry. By avoiding the explicit integration of the shape functions that span the discrete Galerkin space and introducing a novel construction of the associated stiffness matrix, the VEM acquires very interesting properties and advantages with respect to more standard Galerkin methods, yet still keeping the same coding complexity. The course will present, at the same time, the fundamental theoretical background of Virtual Elements, as well as their use for fluid-dynamic problems, and the basic tools and tricks for their actual implementation (together with practical coding sessions).	MATEMATICA	Il corso è a scelta dello studente, l'esame è opzionale
14.	Advanced AI for predictive tasks	24	primo anno secondo anno	Today’s information systems capable of supporting complex business systems store large amounts of data. The increasing growth of the size of data available in recent years has led to an increasing design of machine learning (ML) algorithms in a wide range of fields (e.g., process mining, cybersecurity, medicine, remote sensing) for prediction tasks. In particular, the recent research trend is recognising deep learning (DL) as a definitely relevant approach that can achieve an important gain in accuracy, compared to conventional ML techniques, thanks to the ability to process nonlinear, raw data and extract a useful representation of data directly in the classification structure. On the other hand, the design of new ML (and DL) algorithms has pointed out that these algorithms can be exploited to create malicious samples (adversarial samples) that can be used to decrease the accuracy of DL algorithms. However, the representation of their sophisticated internal transformations does not provide interpretable insight into the reason for a particular prediction. In addition, these deep neural models are black boxes where the predictions are provided with an unexplained result. For this reason, several eXplainable Artificial Intelligence (XAI) techniques have been developed in the last decades, in order to create models that are able to generate human-understandable decisions. The course will give an overview of the main ML algorithms implemented in the recent literature for predictive tasks. In particular, the course will focus on the new emergent research topics in artificial intelligence such as deep learning, adversarial learning and XAI.	INFORMATICA	Il corso è a scelta dello studente, l'esame è opzionale
15.	Random matrix theory	32	primo anno secondo anno	This course is an introduction to the theory of random matrices, one of the most active research topics in contemporary mathematical physics and probability. In addition to its intrinsic mathematical appeal, interest in random matrices has been spurred by the scientific hypothesis that large random matrices yield models for complex systems comprised of many highly correlated components. Such systems are ubiquitous in mathematics and nature (energy levels of heavy nuclei or chaotic quantum billiards, zeros of L-functions, random growth models, etc.) but are not within the purview of classical scalar probability theory, whose limit theorems usually apply to systems of weakly correlated components. Topics covered will include: brief history of random matrix theory; basic objects and questions; the main limit theorems; connections to other areas of mathematics and science; classical matrix models (Gaussian and unitary); semicircular law; determinantal point processes, orthogonal polynomials and scaling limits; gap probabilities; statistics of the largest eigenvalue and Tracy-Widom distributions; log-gas and the equilibrium measure; non-hermitian random matrices.	MATEMATICA	Il corso è a scelta dello studente, l'esame è opzionale
16.	Polynomial identities and interactions with quantum groups	24	primo anno secondo anno	The aim of this course is showing the mutual interactions of two mainstreams in modern algebra: the theory of polynomial identities (PI-theory) and quantum groups (or Hopf algebras). For instance, algebras with polynomial identities are the most natural generalization of commutative algebras and many of their algebraic growth property can be encoded in the language of quantum groups acting on such algebras. We shall exploit some classical invariant attached to the so-called module algebras (Hilbert series, Gelfand-Kirillov dimension, exponent of the polynomial identities) and we shall give some hints on how they can be used to set up new geometrical environments. Techniques and concrete computations on finite and infinite dimensional algebras will be performed throughout the lectures.	MATEMATICA	Il corso è a scelta dello studente, l'esame è opzionale
17.	Theories and research methods in STEM education	32	primo anno secondo anno	The course provides an in-depth study of the epistemological foundations of Mathematics and STEM Education, through the presentation of some theoretical research frameworks discussed in international literature and the research methodologies. In particular, the first part of the course will focus on the main theoretical frameworks of the Theory of Situations by Brousseau, of the Theory of Semiotic Mediation by Bartolini Bussi and Mariotti in a Vygotskian key, with particular reference to the synergy of artifacts of different nature (manipulative and digital) and to the production of signs, of the Duval and Radford's research on objectification. The second part concerns scientific research in STEM Education, a process of rigorous investigation, which is supported by appropriate theory and framework that guide it, the methods used in conducting the research and discussing the findings, and the standards for assessing the validity of the results. For this reason, the course will introduce and discuss different notions and roles of “theory”, as well the origin, nature, uses, and implications of specific theories pertaining to different types of such research. In particular, the focus is the formulation of the problem to be addressed and other key roles in the research design (methods and processes). The characteristics of quantitative, qualitative and mixed methods (e.g. machine learning for education, video analysis, triangulation design) will be described through the reading and analysis of examples. The nature of appropriate and productive criteria for assessing and increasing the quality of research proposals, projects, presentations and publications in STEM education, will be analysed and discussed. The course will be structured through seminars, in which the topics will be presented, and laboratorial activities, in which the presented topics will be directly applied to work on real examples of data and research case studies.	MATEMATICA	Il corso è a scelta dello studente, l'esame è opzionale

Riepilogo automatico insegnamenti previsti nell’iter formativo

Totale ore medie annue: 120 (valore ottenuto dalla somma del Numero di ore totali sull’intero ciclo di tutti gli insegnamenti diviso la durata del corso)

Numero insegnamenti: 17

Di cui è prevista verifica finale: 0

Altre attività didattiche (seminari, attività di laboratorio e di ricerca, formazione interdisciplinare, multidisciplinare e transdisciplinare)

n.	Tipo di attività	Descrizione dell’attività (e delle modalità di accesso alle infrastrutture per i dottorati nazionali)	Eventuale curriculum di riferimento
1.	Perfezionamento linguistico	Il perfezionamento linguistico è rivolto principalmente a studenti non madrelingua inglese. L’obiettivo è far acquisire le competenze linguistiche che, associate a quelle scientifiche, consentiranno agli studenti di scrivere una pubblicazione su riviste internazionale o un progetto internazionale di alto livello. Titolo del ciclo seminariale di almeno 10 ore è "Scientific Research Writing". I temi trattati sono: 1. How to write an introduction 2. Writing about methodology 3. Writing about results 4. Writing the discussion/conclusion 5. Writing the abstract	INFORMATICA MATEMATICA
2.	Perfezionamento informatico	Per il perfezionamento informatico, essendo i gruppi coinvolti già con competenze Informatiche si organizza un ciclo seminariale di almeno 10 ore sulle seguenti tematiche "Information Technology Outlook" con temi relativi ai più avanzati settori delle tecnologie dell'informazione. Fra questi temi si evidenziano il cloud computing, big data, cybersecurity, social computing, human computer interaction. Per gli studenti del curriculum Matematica gli argomenti dei seminari includono anche web programming, scientific computing, computational notebooks.	INFORMATICA MATEMATICA
3.	Gestione della ricerca e della conoscenza dei sistemi di ricerca europei e internazionali	Si prevede di organizzare attività di formazione nel campo della gestione della ricerca e della conoscenza dei sistemi di ricerca europei ed internazionali. Una di queste attività consiste in un ciclo seminariale di circa 10 ore su temi quali: 1. I Progetti di Ricerca 1.1 Panoramica sui sistemi nazionale ed europeo della ricerca 1.2 Elaborazione dei progetti di ricerca 1.3 Il controllo di gestione 1.4 La rendicontazione 2. La valutazione della ricerca 2.1 L'ANVUR e la sua attività 2.2 Processi e protocolli di valutazione di progetti Altre attività includono il coinvolgimento degli studenti progetti di ricerca con la condivisione di obiettivi, metodologie, e tipologia di accesso ai finanziamenti.	INFORMATICA MATEMATICA
4.	Valorizzazione e disseminazione dei risultati, della proprietà intellettuale e dell’accesso aperto ai dati e ai prodotti della ricerca	Nell’ambito delle attività di ricerca aspetti fondamentali sono la collaborazione con le aziende, la promozione della ricerca applicata, la protezione e la valorizzazione economica. Obiettivo di questa attività è rendere consapevoli gli studenti di dottorato di questa possibilità in relazione alla loro attività di ricerca, inclusi il software e le banche dati. L’attività prevede un ciclo seminariale di circa 10 ore su temi quali: 1. Il trasferimento tecnologico 2. I rapporti con le imprese 3. Copyright e brevetti 4. Spin-off universitari 5. Divulgazione scientifica	INFORMATICA MATEMATICA
5.	Seminari	I seminari scientifici sono uno strumento efficace per la divulgazione di risultati della ricerca da parte di professori e ricercatori esterni all’ateneo. I gruppi di ricerca dei due curricula INFORMATICA e MATEMATICA periodicamente invitano professori a tenere seminari presso le sedi dei dipartimenti di Informatica e Matematica. Gli studenti di dottorato sono invitati a partecipare in modo attivo a questi seminari e a quelli di interesse organizzati presso altri dipartimenti dell'università di Bari. Il calendario dei seminari è diffuso e pubblicizzato periodicamente presso le sedi coinvolte.	INFORMATICA MATEMATICA

5. Posti, borse e budget per la ricerca

Posti, borse e budget per la ricerca

	Descrizione	Posti
A - Posti banditi (incluse le borse PNRR)	1. Posti banditi con borsa	N. 10
	2. Posti coperti da assegni di ricerca
	3. Posti coperti da contratti di apprendistato
	Sub totale posti finanziati (A1+A2+A3)	N. 10
	4. Eventuali posti senza borsa	N. 1
B - Posti con borsa riservati a laureati in università estere
C - Posti riservati a borsisti di Stati esteri
D - Posti riservati a borsisti in specifici programmi di mobilità internazionale
E - Nel caso di dottorato industriale, posti riservati a dipendenti delle imprese o a dipendenti degli enti convenzionati impegnati in attività di elevata qualificazione (con mantenimento dello stipendio)		N. 1
F - Posti senza borsa riservati a laureati in Università estere
(G) TOTALE = A + B + C + D + E + F		N. 12
(H) DI CUI CON BORSA = TOTALE – A4 - F		N. 11
Importo di ogni posto con borsa (importo annuale al lordo degli oneri previdenziali a carico del percipiente)	(1) Euro: 16.243,00	Totale Euro: (1) x (H-D) x n. anni del corso	€ 536.019
Budget pro-capite annuo per ogni posto con e senza borsa per attività di ricerca in Italia e all’Estero coerenti con il progetto di ricerca (in termini % rispetto al valore annuale della borsa al lordo degli oneri previdenziali a carico del percipiente)	(min 10% importo borsa; min 20% per dottorati nazionali): %10,00
	(2) Euro: 1.624,3	Totale Euro: (2) x (G-D) x n. anni del corso	€ 58.474,8
Importo aggiuntivo per mese di soggiorno di ricerca all’estero per ogni posto con e senza borsa (in termini % rispetto al valore mensile della borsa al lordo degli oneri previdenziali a carico del percipiente)	(MIN 50% importo borsa mensile ): %50,00
	Mesi (max 12, ovvero 18 per i dottorati co-tutela o con università estere): 12,00
	(3) Euro: 8.121,5	Totale Euro: (3)x(G-D)	€ 97.458
BUDGET complessivo del corso di dottorato			€ 691.951,8

(2): (importo borsa annuale * % importo borsa mensile)
(3): (% importo borsa mensile * (importo borsa annuale/12) * mesi estero)

Fonti di copertura del budget del corso di dottorato (incluse le borse)

FONTE	Importo (€)	% Copertura	Descrizione Tipologia (max 200 caratteri)
Fondi ateneo (in caso di forma associata il capofila)	96.652,84	13.97	Borse di studio
Fondi MUR	287.670,56	41.57	borse di studio fondi DM352
di cui eventuali fondi PNRR	240.000,00		borse di studio fondi DM352
Fondi di altri Ministeri o altri soggetti pubblici/privati	307.628,40	44.46	conv borse DM352 e Istituto Tumori Bari Giovanni Paolo II + contributo 1 posto di dottorato phd executive con Niteko S.r.l.
di cui eventuali fondi PNRR
Fondi da bandi competitivi a livello nazionale o internazionale		0
Finanziamenti degli altri soggetti che partecipano alla convenzione/consorzio (nel caso di dottorati in forma associata)		0
Altro		0
Totale	691951.8

Soggiorni di ricerca

		Periodo medio previsto (in mesi per studente):
Soggiorni di ricerca (ITALIA - al di fuori delle istituzioni coinvolte)	NO
Soggiorni di ricerca (ESTERO nell’ambito delle istituzioni coinvolte)	NO
Soggiorni di ricerca (ESTERO - al di fuori delle istituzioni coinvolte)	SI	mesi 4

Note

(MAX 1.000 caratteri):
Si prevede la possibilità di pagare, in base alle esigenze, su progetti di ricerca nazionali e internazionali dei componenti del Collegio dei Docenti ulteriori attività di formazione didattica, stage, soggiorni all'estero e l'acquisto di materiale per la ricerca.

6. Strutture operative e scientifiche

Strutture operative e scientifiche

Tipologia		Descrizione sintetica (max 500 caratteri per ogni descrizione)
Attrezzature e/o Laboratori		Il Dipartimento di Informatica ha: - 9 Laboratori di Ricerca (http://www.uniba.it/ricerca/dipartimenti/informatica/ricerca/laboratori-e-centri); - 1 biblioteca, 1 sala di lettura con 60 posti a sedere e 1 con 40 posti a sedere; - un Sistema Integrato di 4 Laboratori Didattici (SILAD). Il Dipartimento di Matematica ha: - un Centro di Calcolo; - 3 laboratori di ricerca; - 1 biblioteca, 1 sala di lettura con 98 posti a sedere e 1 sala di lettura informatizzata con 27 posti studio.
Patrimonio librario	consistenza in volumi e copertura delle tematiche del corso	La Biblioteca di Matematica ha un patrimonio bibliografico di 41.705 monografie, con un'ampia copertura delle tematiche del corso. La Biblioteca di Informatica ha un patrimonio bibliografico di 5845 monografie, con un'ampia copertura delle tematiche del corso di dottorato (https://www.uniba.it/bibliotechecentri/informatica/biblioteca-di-informatica).
Patrimonio librario	abbonamenti a riviste (numero, annate possedute, copertura della tematiche del corso)	La Biblioteca di Matematica ha 70 testate di periodici correnti e 673 cessati. La Biblioteca di Informatica ha 249 testate di periodici, tutti attualmente cessati.
E-resources	Banche dati (accesso al contenuto di insiemi di riviste e/o collane editoriali)	Gli utenti UNIBA, inclusi i dottorandi, possono accedere alle risorse bibliografiche elettroniche (articoli, e-book, etc.) messe a disposizione dell'Ateneo, tra cui MathSciNet, Elsevier-ScienceDirect, IEEE Xplore, SpringerLink, Taylor & Francis, Wiley-Blackwell, Institute of Physics (IOP), American Physical Society (APS), American Institute of Physics (AIP). L'accesso alle risorse è possibile dalla rete di Ateneo o mediante autenticazione istituzionale.
	Software specificatamente attinenti ai settori di ricerca previsti	I 9 laboratori di ricerca del Dipartimento di Informatica sono dotati di attrezzatura HW/SW necessaria alla conduzione delle specifiche attività di interesse, a disposizione anche deii dottorandi. Il Centro di Calcolo del Dipartimento di Matematica è dotato di software specifici a disposizione anche dei dottorandi. I dottorandi possono utilizzare il Datacenter ad alte prestazioni ReCaS, le cui risorse di calcolo ammontano a circa 128 server
	Spazi e risorse per i dottorandi e per il calcolo elettronico	Al dottorato è riservata l'aula 2B, 2° piano del Dipartimento di Informatica, con 25 posti a sedere. Ogni dottorando del curriculum Informatica dispone di un posto di lavoro in uno dei laboratori di ricerca del dipartimento di Informatica. Il Dipartimento di Matematica dispone di cinque studi attrezzati con PC a disposizione degli studenti di dottorato del curriculum Matematica.
Altro

7. Requisiti e modalità di ammissione

Requisiti richiesti per l'ammissione

Tutte le lauree magistrali:	SI, Tutte
se non tutte, indicare quali:
Altri requisiti per studenti stranieri:	(max 500 caratteri): I candidati con cittadinanza estera in possesso di titolo accademico straniero che non sia già stato dichiarato equipollente alla laurea italiana, devono richiederne l’equipollenza unicamente ai fini dell’ammissione al dottorato, presentando un certificato attestante il titolo di studio straniero e indicante gli esami sostenuti e le relative votazioni. In caso di ammissione è richiesta documentazione rilasciata dalle competenti rappresentanze diplomatiche o consolari italiane all'estero.
Eventuali note

Modalità di ammissione

Modalità di ammissione	Titoli Prova orale Lingua Progetto di ricerca
Per i laureati all'estero la modalità di ammissione è diversa da quella dei candidati laureati in Italia?	NO
se SI specificare:

Attività dei dottorandi

È previsto che i dottorandi possano svolgere attività di tutorato	SI
È previsto che i dottorandi possano svolgere attività di didattica integrativa	SI	Ore previste: 40
E’ previsto che i dottorandi svolgano attività di terza missione?	SI	Ore previste: 5

Note

(MAX 1.000 caratteri):
Anche se non sono previsti vincoli formali sul titolo di laurea magistrale per l'accesso al Dottorato di Ricerca in "Informatica e Matematica", si richiede un'accurata preparazione nelle discipline matematiche e/o informatiche, che sarà accertata con la procedura di ammissione.

Chiusura proposta e trasmissione: 01/06/2022

MINISTERO DELL'UNIVERSITÀ E DELLA RICERCA