MINISTERO DELL'UNIVERSITÀ E DELLA RICERCA
Modulo Proposta Accreditamento dei dottorati - a.a. 2024/25 - Ciclo 40°
codice = DOT1302947

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 40  
Data presunta di inizio del corso 01/10/2024  
Durata prevista 3 ANNI  
Dipartimento/Struttura scientifica/artistica proponente Informatica  
Numero massimo di posti per il quale si richiede l’accreditamento ai sensi dell’art 5 comma 2, DM 226/2021 24  
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:  
I Dipartimenti di Informatica e di Matematica dell'Università degli Studi di Bari Aldo Moro propongono congiuntamente il corso di dottorato in "Informatica e Matematica". Le aree interessate sono l'Area 01 - Matematica e Informatica, in cui confluiscono docenti inquadrati nei settori scientifico disciplinari MAT, INF/01 e l'Area 09 - Ingegneria Industriale e dell’Informazione in cui confluiscono docenti inquadrati nel settore scientifico disciplinare 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; molti processi di calcolo matematico sono automatizzati attraverso complessi algoritmi informatici).

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 un supervisore, termina con la presentazione di una tesi originale di dottorato. Il Collegio assegna un supervisore e un co-supervisore ad ogni studente. Per favorire l’avanzamento delle conoscenze in alcuni casi si assegnano anche più co-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 i PhD days (giornate in cui i dottorandi incontrano i membri dei dipartimenti, gli studenti dei corsi di laurea magistrali e i rappresentanti delle aziende) e in seminari interni, inoltre partecipano a conferenze e scuole estive, sia in Italia che all’estero. Per favorire l'internazionalizzazione è consigliato un periodo di studio all’estero o in Italia presso altre sedi 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, XXXVII, XXXVIII,XXXIX
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 XXXVII e XXXVIII, XXXIX ci sono dottorandi che svolgono ricerca su metodologie e applicazioni relative a Intelligenza Artificiale, Big Data, Industria 4.0, Symbiotic AI, Cybersecurity, Geometria, Probabilità e Statistica, Analisi Matematica, Fisica Matematica, Didattica della Matematica e Analisi Numerica. Alcune ricerche hanno un forte carattere multidisciplinare; ad esempio, negli ultimi cicli ci sono stati alcuni dottorandi che hanno lavorato in bioinformatica, altri che hanno considerato applicazioni a beni culturali; altre tematiche di ricerca multidisciplinari 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. L'ultimo incontro con le parti sociali svolto presso il Dipartimento di Informatica il 17 Aprile 2023 ha evidenziato questa necessità. Il programma Horizon Europe considera prioritari 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, Symbiotic AI, Human Computer Interaction, Scienze e Tecnologie Quantistiche, Cybersecurity, Aereospazio, 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.
Infatti, tutti i dottori di ricerca degli ultimi cicli svolgono attività di lavoro adeguate al titolo.
In particolare, un dottorando del XXXIV ciclo è Assistant professor presso la Hampton University (US), un altro è stato assunto a contratto dal CINI per lavorare nell'ambito di un progetto europeo H2020, un altro è stato assunto da Amazon, divisione ricerca. Un dottorando del XXXV ciclo che ha usufruito nei tre anni di dottorato di un contratto di apprendistato da parte di Exprivia SpA e attualmente lavora presso NTT Data, un altro è dipendente Fincons. Quattro dottori del XXXIV, due XXXV e due del XXXVI ciclo sono stati assunti come ricercatori o come assegnisti nell'ambito dei progetti PNRR.
Diversi dottori ricoprono posizioni di ricercatore e assegnista in Italia (Università Politecnica delle Marche, Università Cattolica, sede di Brescia, Libera di Università di Bolzano, ...) e all'Estero (Università di Perth (Australia), Università di Gothenburg (Svezia) ...); 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). I dottorandi partecipano ad attività di terza missione, in particolare si cita la Notte Europea dei Ricercatori.


Sede amministrativa

Ateneo Proponente: Università degli Studi di BARI ALDO MORO  
N° di borse finanziate 17  
di cui DM 630
(Investimento 3.3):		 7  
di cui DM 629
(Investimento 3.4):		  
di cui DM 629
(Investimento 4.1 generici):		  
di cui DM 629
(Investimento 4.1 P.A.):		  
di cui DM 629
(Investimento 4.1 Patrimonio culturale):		  
Sede Didattica Bari  


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 dottorando/dottoranda 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/Istituzione)
  



Imprese (ACCREDITAMENTO AI SENSI DEL DM 226/2021)

n. Nome dell’impresa C.F./P.IVA ** Sito Web e/o Indirizzo sede legale Paese Consorziato/Convenzionato Sede di attività formative N. di borse finanziate o per le quali è in corso la richiesta di finanziamento Importo previsto del finanziamento per l’intero ciclo Data sottoscrizione convenzione/ consorzio N. di cicli di dottorato coperti dalla convenzione PDF Convenzione ( se consorzio l’Atto costitutivo e statuto) o finanziamento accordato per i dottorati in forma non associata. (*) Ambito di attività economica dell'Istituzione e/o Descrizione attività R&S Qualora l’impresa consorziata/convenzionata per la forma associata ai fini dell’accreditamento ai sensi del DM 226/2021 sia la stessa che cofinanzia ai sensi del DM 630/2024 PNRR (I.3.3), il sistema, inserita la risposta “SI”, riporterà in automatico i dati anagrafici dell’impresa in questione all’interno della sezione “Imprese partner ai sensi del DM 630/2024 (sezione PNRR cofinanziamento al 50%)” richiedendo l’inserimento dei dati mancanti.

In tal caso si precisa che il dato inserito “N. di borse finanziate o per le quali è in corso la richiesta di finanziamento“ ai sensi del DM 226/2021 è da intendersi comprensivo della/e borsa/e DM 630/2024 – I. 3.3 PNRR.

(*) campo obbligatorio

Imprese partner ai sensi del DM 630/2024

n. Nome dell’impresa Forma Giuridica C.F./P.IVA ** Sito Web e/o Indirizzo sede legale Paese Codice ATECO** Ambito di attività economica dell'Istituzione e/o Descrizione attività R&S N. di borse che intende cofinanziare (DM 630/2024) Importo previsto del cofinanziamento per l'intero ciclo
1. QuestIt Srl   SOCIETA' A RESPONSABILITA' LIMITATA   01214250522   www.quest-it.com, VIA LEONIDA CIALFI 23 - 53100 - SIENA (SI), via Donato Castellana 2, 70023 - Gioia del Colle, https://www.quest-it.com   IT   72.1   Sviluppo di piattaforme di AI. L’attività di ricerca è legata allo studio di modelli LLM italiani   1,00    
2. SIDEA Group SRL   SOCIETA' A RESPONSABILITA' LIMITATA   02438540748   Via Adami 2/A, 70125, Fasano, BR - sideagroup@pec.it   IT   62.01   SVILUPPO E PRODUZIONE DI SOFTWARE QUALI E-COMMERCE, PIATTAFORME DIGITALI,
SOLUZIONI MOBILE E SITI WEB TOTALMENTE PERSONALIZZATI E SENZA L' USO DI TEMPLATE.  		 1,00    
3. MTM PROJECT S.R.L.   SOCIETA' A RESPONSABILITA' LIMITATA CON UNICO SOCI   07066530721   VIA LUDOVICO ARIOSTO 25 - 70043 - MONOPOLI (BA)   IT   62.01   Consulenza ingegneristica informatica nel settore delle tecnologie dell’informatica   1,00    
4. INNOVAPUGLIA   SPA   06837080727   https://www.innova.puglia.it   IT   702209   SERVIZI PROFESSIONALI PER LA PA IN AMBITO ICT E CENTRALIZZAZIONE ACQUISTI PER LA REGIONE PUGLIA.
SERVIZI DI RICERCA E INNOVAZIONE IN AMBITO ICT E PROCUREMENT INNOVATIVO  		 1,00    
5. Asclepyus   srl   05141270750   Via Merine, 35 73100 LECCE   IT   62.01   Sviluppo, produzione e commercializzazione di sistemi digitali per l'erogazione di servizi innovativi di assistenza sanitaria.   1,00    
6. Cybersecurity   srl   07951270722   https://cybsec.it Via Colajanni Napoleone, 10, 70125 Bari BA   IT   62.02   CyberSecurity S.r.l. è un’azienda di consulenza e fornitura globale, servizi tecnologici e outsourcing. Le attività di ricerca sono orientate a “realizzare l’innovazione” per raggiungere con voi le migliori performance. La società si prefigge di realizzare ed efficientare infrastrutture informatiche e di rete, sviluppare applicativi software personalizzati per PMI e PA, con particolare attenzione alle soluzioni focalizzate sulla Sicurezza Informatica   1,00    
7. TALENTIA SOFTWARE ITALIA srl   srl   12864600155   www.talentia-software.com/it   SEDE LEGALE : Via Giuseppe Piazzi 2-4, 20159 Milano   IT   62.01   PROGETTAZIONE E PRODUZIONE, MANUTENZIONE E GESTIONE DI SISTEMI INFORMATICI SIA DI BASE CHE APPLICATIVI E ATTIVITA’ CONNESSE   1,00    

(**) CF/P.IVA e CODICE ATECO sono obbligatori se l'impresa è in Italia

Borse PNRR 630 - impresa/e in corso di definizione

Totale Borse PNRR DM630 7  
di cui Borse PNRR 630 già cofinanziate da imprese  
di cui Borse PNRR 630 con impresa/e in corso di definizione  


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/Istituzione Proponente: Dipartimento/ Struttura Qualifica Settore concorsuale Area CUN Scopus Author ID (obbligatorio per bibliometrici) ORCID ID
MAZZIA   Francesca   Università degli Studi di BARI ALDO MORO   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) ORCID ID (facoltativo)
1. APPICE   Annalisa   BARI   Informatica   COMPONENTE   Professore Ordinario (L. 240/10)   09/H1  
09  		 ING-INF/05   INFORMATICA...   Ha aderito   6603601473    
2. AZZALI   Sara   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   48661900200    
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 Ordinario (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   Professore Associato (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. CAPONE   Roberto   BARI   Matematica   COMPONENTE   Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)   01/A1  
01  		 MAT/04   MATEMATICA...   Ha aderito   57196083898    
13. CASTELLANO   Giovanna   BARI   Informatica   COMPONENTE   Professore Associato (L. 240/10)   01/B1  
01  		 INF/01   INFORMATICA...   Ha aderito   7005355310    
14. CECI   Michelangelo   BARI   Informatica   COMPONENTE   Professore Ordinario (L. 240/10)   01/B1  
01  		 INF/01   INFORMATICA...   Ha aderito   6701472018    
15. CENTRONE   Lucio   BARI   Matematica   COMPONENTE   Professore Associato confermato   01/A2  
01  		 MAT/02   MATEMATICA...   Ha aderito   42261082500    
16. CINGOLANI   Silvia   BARI   Matematica   COMPONENTE   Professore Ordinario (L. 240/10)   01/A3  
01  		 MAT/05   MATEMATICA...   Ha aderito   6701800035    
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   UDINE   Scienze Matematiche, Informatiche e Fisiche   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 Ordinario (L. 240/10)   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. GARRAPPA   Roberto   BARI   Matematica   COMPONENTE   Professore Ordinario (L. 240/10)   01/A5  
01  		 MAT/08   MATEMATICA...   Ha aderito   57202985771    
30. IAVERNARO   Felice   BARI   Matematica   COMPONENTE   Professore Associato confermato   01/A5  
01  		 MAT/08   MATEMATICA...   Ha aderito   6601933776    
31. IMPEDOVO   Donato   BARI   Informatica   COMPONENTE   Professore Associato (L. 240/10)   09/H1  
09  		 ING-INF/05   INFORMATICA...   Ha aderito   24821831600    
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   Professore Associato (L. 240/10)   09/H1  
09  		 ING-INF/05   INFORMATICA...   Ha aderito   8883315400    
34. LOPS   Pasquale   BARI   Informatica   COMPONENTE   Professore Ordinario (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   Scienze della Formazione, Psicologia, Comunicazione   COMPONENTE   Professore Associato (L. 240/10)   01/A1  
01  		 MAT/04   MATEMATICA...   Ha aderito   56052490700    
39. MUSTO   Cataldo   BARI   Informatica   COMPONENTE   Professore Associato (L. 240/10)   01/B1  
01  		 INF/01   INFORMATICA...   Ha aderito   35107609000    
40. NOVIELLI   Nicole   BARI   Informatica   COMPONENTE   Professore Associato (L. 240/10)   01/B1  
01  		 INF/01   INFORMATICA...   Ha aderito   23390593000    
41. PALMIERI   Alessandro   BARI   Matematica   COMPONENTE   Ricercatore a t.d. - t.pieno (art. 24 c.3-b L. 240/10)   01/A3  
01  		 MAT/05   MATEMATICA...   Ha aderito   57195262104    
42. PICCINNO   Antonio   BARI   Informatica   COMPONENTE   Professore Associato (L. 240/10)   01/B1  
01  		 INF/01   INFORMATICA...   Ha aderito   36476592000    
43. 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    
44. ROSSI   Stefano   BARI   Matematica   COMPONENTE   Professore Associato (L. 240/10)   01/A3  
01  		 MAT/06   MATEMATICA...   Ha aderito   57201545808    
45. SALVATORE   Addolorata   BARI   Matematica   COMPONENTE   Professore Ordinario   01/A3  
01  		 MAT/05   MATEMATICA...   Ha aderito   7004514205    
46. SEMERARO   Giovanni   BARI   Informatica   COMPONENTE   Professore Ordinario (L. 240/10)   01/B1  
01  		 INF/01   INFORMATICA...   Ha aderito   57108777800    
47. SICILIANO   Gaetano   BARI   Matematica   COMPONENTE   Professore Associato confermato   01/A3  
01  		 MAT/05   MATEMATICA...   Ha aderito   23568730200    
48. 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    
49. VAIRA   Giusi   BARI   Matematica   COMPONENTE   Professore Associato (L. 240/10)   01/A3  
01  		 MAT/05   MATEMATICA...   Ha aderito   24578050500    
50. VESSIO   Gennaro   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   56407135000    


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


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 Ruolo Qualifica Settore artistico-disciplinare In presenza di curricula, indicare l'afferenza Partecpazione nel periodo 19-23 a gruppi di ricerca finanziati su bandi competitivi Riferimento specifico al progetto (Dati identificativi del progetto e descrizione) Ricezione nel periodo 19-23 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 Per i dottorati nazionali: percorso formativo di elevata qualificazione Verifica finale Note
1. Introduction to Noncommutative Probability   16  
primo anno  		 The lecture is intended to introduce the basic notions, constructions, models and problems in noncommutative probability.
To this end, we first recall some preliminary notions on C*-algebras and von Neumann algebras, and we explain the idea that led to the formulation of Algebraic Probability Space starting from the Kolmogorov triple. Subsequently, we provide definitions and properties concerning noncommutative random variables and stochastic processes.
Basic operators on the Full, Boson, Fermi, Boolean, Monotone and deformed Fock spaces are discussed, with their relations with GNS representations for involutive algebras generated by elements satisfying certain commutation relations.
We illustrate the Quantum realization of classical Brownian Motion as position and momentum operators in the Boson Fock space, and we clarify the necessity of Quantum Probability.
The crucial notion of noncommutative stochastic independence will be defined in various models, including free, monotonic, and Boolean independence. These will lead to various notions of convolutions of probability measures and noncommutative analogues of the classical Central Limit Theorem.  
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale.  
2. Mathematical Models and Numerical Methods for Omics Data Analysis   23  
primo anno  		 Interacting molecules and macromolecules drive complex biological processes. High-throughput technologies now allow us to collect omics data on the molecular components of biological systems, stored in mathematical structures such as nonnegative matrices or tensors. However, the high dimensionality, variable types, and noise level of this data pose significant challenges for multi-omics analysis. Addressing these challenges requires the development of novel computational methods to fully leverage multi-omics technology.
This course aims to show mathematical models and numerical methods for omics data analysis based on low-rank dimensionality reduction approaches, in particular nonnegative matrix and tensor factorizations. The course is devoted to present the factorizations methods such as Principal Component Analysis (PCA), Independent Component Analysis (ICA), Nonnegative Matrix Factorizations (NMF), their variants in the tensor case (Multilinear PCA/ICA, HONMF, TRI-ONMF, etc.) and their compared performance to omics data analysis purposes.
Low-rank dimensionality reduction mechanisms are recognized in the literature due to their ability to exploit the matrix/tensor structure of the data under consideration allowing the analysis of both features and observations of the data. Low-rank approximation techniques are based on various mathematical tools ranging from linear and multilinear algebra to optimization. Their use includes different scientific fields from preprocessing (treatment of missing values, anomaly detection, etc.) to the proper knowledge extraction from the data.
Since the nonnegativity nature of the omics data, from a mathematical point of view, it is convenient to formulate omics data analysis tasks as constrained optimization problems of specific divergence functions. Appropriate numerical methods for solving these optimization problems will be explained in detail in the course together with the ad-hoc developed numerical algorithms.  
INFORMATICA
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
3. Emotion recognition using non-invasive biometrics   16  
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 a 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.
The course will feature both lectures and practical sessions. The latter will show how to process the raw signal obtained by biometric sensors in order to extract features to be used for training emotion classifiers based on supervised machine learning.  
INFORMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
4. Scientific Research Writing   10  
primo anno  		 In the global-scale communication, young scientific researchers need to be prepared to express their view in a way that best promote their ideas and fields of interest: they not only need to rely on rhetoric means but also on efficient linguistic tools they could use to get their ideas across fostering the most advanced and most ethical practices.

The course focuses on different subjects which are relevant to scientific writing such as classifying, defining, describing, connection establishing and comparing. It will also point out typical syntactic and stylistic errors made by PhD students throughout their writing as well as recurring linguistic difficulties (article use, prepositions, verb tenses, impersonal subject, modality) which should be eventually overcome.

Finally, doctorate students will analyze a specific research paper from the abstract to its bibliography trying to define communication cohesion: procedural, temporal, logical and coincidental. Different reference styles will be examined (IEEE, ACM, AMS…) depending on the students’ fields of study.

Overall, the students will share the following roadmap: the research process, the writing process and the techniques for presenting a paper orally, offering new approaches to interactive and collaborative tasks, since students are stimulated to group work.  
INFORMATICA
MATEMATICA  		   SI    
5. Big Data Analytics for Text Mining   31  
primo anno  		 The explosion of social media and the computerization of every aspect of social and
economic activity resulted in creating large volumes of mostly unstructured data: weblogs,
videos, speech recordings, photographs, e-mails, tweets, and similar. In parallel
development, computers keep getting ever more powerful and storage ever cheaper. Today,
we have the ability to reliably and cheaply store huge volumes of data, efficiently analyze
them, and extract business and socially relevant information. The key objective of this
course is to familiarize the students with the most important information technologies used in
manipulating, storing, and analyzing big data. We will examine the basic tools for statistical
analysis using Python, and several AI and Machine Learning algorithms.
The course will introduce the principles of Big Data Analytics and its role. It will develop a
thorough understanding of the theoretical concepts of Big Data Analytics in combination with
the practical implementation of real-world problems using tools and technologies essentially
required to process big data. Students who complete this course successfully are expected
to:
 understand the fundamentals of Big Data Analytics and the role it plays
 learn various APIs to process, estimate, and manage data in multiple formats
 demonstrate the ability to translate data into clear, actionable insights
 learn supervised, unsupervised, and graph learning methods in AI and ML
 gain the ability to initiate and design systems that can accept, store, and analyze
large volumes of unstructured data
 demonstrate the ability to think critically in making decisions based on data and deep
analytics  
INFORMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
6. Control of Degenerate and Singular Parabolic Equations   16  
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.  
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
7. Artificial Intelligence Techniques for Remote Sensing   16  
primo anno  		 The integration of artificial intelligence (AI) with remote sensing technologies has revolutionized the way we observe, analyze and interpret the Earth's surface and atmosphere. Remote sensing traditionally relies on satellite, airborne and ground-based sensors to collect large amounts of data in various wavelengths of the electromagnetic spectrum. These data provide valuable information on phenomena such as land cover changes, deforestation, agricultural dynamics and natural disasters. With the increasing quality and volume of data from remote sensing platforms, there's a growing demand for effective tools to handle and extract valuable information from remote sensing datasets. AI algorithms play a crucial role in managing large volumes of observations, modeling, analysis,
and environmental forecasting, and have proven effective for tasks such as data fusion, object detection, and semantic segmentation. Although AI techniques enable researchers to observe and understand the earth more accurately, the vulnerability and uncertainty of AI models deserve further attention. Challenges include the problem of imbalanced data that can affect prediction results, the need for explainability in model decisions, and the vulnerability of models to adversarial attacks. Handling these challenge is a necessary step to advance towards a more symbiotic application of AI in remote sensing. This course aims to provide a comprehensive understanding of how AI techniques can enhance remote sensing capabilities for various applications, including land cover change detection, disaster response (e.g., forest tree dieback caused by insect outbreaks or wildfires). Specifically, the course will be organized into two main sections:
(1) An introduction to remote sensing and the type of remote sensing data.
(2) An overview of more advanced approaches using AI algorithms in the remote sensing, focusing on applications like forest disasters and land change detection.  
INFORMATICA
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
8. Theories and research methods in STEM education   31  
primo 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 rigorous investigation process supported by appropriate theory and framework that guides 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” and 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  
9. Human-Centered Natural Language Processing   23  
primo anno  		 The Human-Centered Natural Language course offers students a comprehensive overview of the
latest advancements in Deep Learning for NLP for those seeking to understand the interplay between
Artificial Intelligence and the Nuances of Human Language through Generative AI. It is designed for
students with a foundational understanding of Machine Learning and Python Programming.
The course goes beyond dry theory, offering a dynamic exploration of cutting-edge deep learning
methodologies within NLP applications. The course begins with a solid foundation in the core principles
of NLP. You'll delve into the art of representing words and sentences in a way that computers can
understand, exploring tokenization techniques and the fascinating world of language modeling. Then,
we will continue exploring the new approaches of Generative AI for NLP tasks, Large Language Models
(LLMs) Training and Prompting.  
INFORMATICA
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
10. Digital Twin Design and Development: Exploring Innovations in Informatics   23  
primo anno  		 The course "Digital Twin Design and Development: Exploring Innovations in Informatics" offers doctoral students in computer science an exciting opportunity to delve into the rapidly growing field of digital twins. A digital twin is a virtual representation of a physical system or process, enabling monitoring, simulation, and optimization of its real-world operation.

Through a blend of theory and hands-on practice, students will gain essential skills to design, develop, and implement digital twins across diverse sectors, from industry to healthcare and beyond. A distinctive aspect of this course is its focus on utilizing specialized Integrated Development Environments (IDEs).

Students will learn to use advanced IDEs specifically designed for working with digital twins, allowing them to refine their programming and modeling skills in an environment optimized for innovative solution creation. Through practical labs and group projects, students will have the opportunity to apply their knowledge in realistic contexts and tackle challenges reflecting the complexities of the real world.

Finally, the course's case studies integrate digital twins with the realm of sensors, microcontrollers, and microservices architectures, providing students with a comprehensive overview of practical applications and emerging challenges in this continuously evolving field.  
INFORMATICA
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
11. Design of a Symbiotic AI system   31  
primo anno  		 The general focus of this course is on the design of new interaction paradigms that can amplify, augment, and enhance human performance, in ways that make systems reliable, safe, and trustworthy. The underlying research is based on the new perspective that AI supports and facilitates human beings’ activities by augmenting (and valuing) human cognitive abilities rather than replacing them. The specific focus of this course is on improving the practices and tools adopted by AI engineers to ensure the quality of AI-enabled systems. The set of practices used to augment the AI workflow with automated quality assurance (QA) and monitoring tools is becoming more and more adopted and is recognized under the umbrella term of MLOps. In this course, we will study and experiment with emerging MLOps practices and tools, aiming to substantially improve the work experience of future AI professionals and enhance the reliability, safety, and trustworthiness of resulting AI-enabled systems.  
INFORMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
12. The role of AI in Modern Business Process Management   31  
primo anno  		 The course is part of the training activities promoted by the project FAIR - Future AI Research
(PE000013) - spoke 6 "Symbiotic AI". The course aims to provide general concepts and specific
examples as a sound basis for applying data analysis and AI techniques to improve the efficiency
and effectiveness of process management by considering a symbiotic approach where human
process stakeholders can understand, use and recycle AI knowledge for improving process
management. During the course, students will acquire the necessary skills to use data as a strategic
tool to better understand business processes (e.g. business and healthcare management processes,
financial processes, manufacturing and maintenance processes) by using existing tools to extract
and visualize process models from data, extract characteristics of processes (e.g. distribution of
activities performed, users involved, variability of observed activity sequences, organization of
users), monitor the conformity of running processes to expected models, identify and visualize
anomalies. Students will learn to use data analysis software and libraries, such as PROM [1] or
PM4PY [2], to explore, analyze and interpret process data.
[1] https://promtools.org/
[2] https://pm4py.fit.fraunhofer.de/  
INFORMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
13. Symbiotic AI: Low Rank solutions to improve the data quality and AI algorithms.   31  
primo anno  		 To ensure that AI systems effectively meet human needs, it is essential to handle large data sets. Although a large amount of data can improve learning processes, it also brings challenges due to the significant computing resources required. Recent developments in low-rank approximation techniques offer a fundamental solution, enabling a reduction in data dimensionality while preserving critical information.

These techniques rely on a variety of mathematical tools, ranging from linear and multilinear algebra to optimization. As a result, the field is interdisciplinary, intersecting mathematics, computer science, information theory, and signal processing. Such mathematical methods play a crucial role in machine learning and artificial intelligence applications.

The objective of this course is to explore advanced topics in the computation of matrices and tensors, starting from mathematical theory up to the development of numerical algorithms. Starting with fundamental theoretical concepts in matrix decomposition, the course proceeds to examine applications in tensor analysis, including techniques such as Tucker, CP and Tensor Train Decomposition. Each topic will be accompanied by practical demonstrations and case studies conducted using Python and Matlab, allowing students to understand both the theoretical foundations and real-world applications of these methods.


The course is part of the activities foreseen for the WP6.6 "Sustainability of SAI" of the Spoke 6 "Symbiotic AI" project FAIR - Future AI Research (PE00000013), Extended Partnership 01 - "Artificial Intelligence: Foundational Aspects", within the PNRR, Mission 4, Component 2, Investment 1.3, financed by the European Union – NextGenerationEU.  
INFORMATICA
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
14. Fractional operators on homogeneous spaces   16  
primo anno  		 Nonlocal operators have a long history stemming from their applications in physics, economics and finance, biology, hydrology, computer science, to name a few. The course will focus on the definition, properties, and applications of fractional operators in the very general setting of homogeneous Lie groups. A particular geometric problem motivating this analysis is the study of the fractional Yamabe equation on Heisenberg type groups. The course will address specific topics, such as: homogeneous groups, fractional operators and the associated Dirichlet forms and stochastic processes, Sobolev inequality, Harnack inequality. Applications will be given in the study of regularity and asymptotic properties of solutions to non linear problems. In the Euclidean setting radial symmetry is a key for the construction of barriers and the derivation of monotonicity and uniqueness of solutions to variational problems and partial differential equations. These tools are not available in Carnot groups or in the considered general homogeneous setting and different techniques are needed to extend the analysis to the setting of homogeneous spaces.  
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
15. Data modeling for AI applications in healthcare   31  
primo anno  		 The utilization of Artificial Intelligence (AI) techniques has not just experienced a boom, but a transformative revolution in recent years, with significant impacts felt across a range of industries, particularly within the healthcare sector. These innovative technologies, adept at handling diverse types of data, from electronic health records to complex medical imaging, necessitate the implementation of a robust data modeling process. This is crucial not only to optimize the performance of AI algorithms but also to ensure that the outcomes are precise and reliable, paving the way for a more efficient and effective healthcare system.
This course is not just a theoretical exploration, but a practical guide designed to offer an extensive overview of the principles and practices of data modeling specifically for AI applications in the healthcare industry. It will delve into specialized data modeling techniques that are specifically crafted to maximize the efficacy of AI within this critical field. Throughout the duration of the course, participants will be engaged in an in-depth exploration of the key phases of data modeling, equipping them with the skills to collect and preprocess medical data, the foundation for any successful AI application.  
INFORMATICA
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
16. Random matrix theory and applications   24  
primo 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  
17. Assessing the understandability of AI solutions in psychiatry   31  
primo anno  		 This course aims at assessing the understandability of AI solutions in Psychiatry by investigating whether embedding clinical, behavioral, pathophysiological, and genetic information into AI models reduces uncertainty and generates more clinically relevant decisions. Psychiatric disorders show highly variable characteristics and risk factors. Therefore, AI prognostic and diagnostic solutions are fed with a wide variety of patient related information (e.g., symptoms, behaviors, brain-related data). Because different diagnostic categories are often associated with drastically different clinical manifestations and neurobiological substrates, explaining clinical phenomena with AI is challenging. We will address this challenge by presenting algorithms that discriminate between psychiatric diagnoses based on multimodal data informed by biological and clinical priors. We show
AI solutions that are interpretable in clinical settings, besides generating a more comprehensive view of the pathophysiology of psychiatric conditions. Specific topics are: i) Multi-modal learning algorithms informed by pathophysiological information; ii) Comparison of categorical models obtained based on human knowledge and categories derived from AI models in neuroimaging; iii) Validation of deep-phenotyping based algorithms in less characterized individuals.  
INFORMATICA
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
18. Legal foundation of symbiotic AI   31  
primo anno  		 The course aims to provide a comprehensive overview of the European regulation on Artificial Intelligence (AI). The recently adopted piece of legislation represents a turning point in the EU governance of AI and will also have a major impact outside Europe. The basis of the EU measure represents an unprecedented collaboration between lawyers and computer scientists. The course will look at specific applications of AI in the trial and particularly in criminal one, focusing on the requirements of the new law on Artificial Intelligence.
The existing (and soon to be implemented) regulations in this area stipulate that AI-based decision-making algorithms must be compatible with fundamental rights and the principles of due and fair process in judicial proceedings. However, the acceptance of symbiotic AI from a legal perspective will depend on the appropriate embedding of legal rules in algorithmic decisions, e.g. to overcome current weaknesses such as the infamous "bias in, bias out" problem. All mentioned aspects are the starting points for a research activity on the legal foundations of symbiotic AI and will be the subject of this course.  
INFORMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
19. AI Ethics vs. AI Justice: Different approaches for assessing bias in machine learning   31  
primo anno  		 Recent studies reveal a convergence in the ethical guidelines of AI, emphasizing the emergence of ‘fundamental principles’ for responsible AI. However, dissenting voices argue that these principles are insufficient to address the social impacts of AI, revealing a disconnect between ideals and implementation. This explains because new accounts are emerging more oriented to “AI Justice” instead of “AI Ethics”.
Throughout the course, we will engage with the intricate process of identifying and cataloging discriminatory biases that can arise during the lifecycle of ML systems. We will analyze various forms of causal reasoning related to discrimination, including technical, counterfactual, and constructivist/genealogical perspectives. This exploration will help us understand the multifaceted nature of AI biases and the limitations of viewing them through a deterministic lens.
By the end of this course, you will have a deep understanding of the ethical considerations surrounding AI and be equipped to critically assess the social impacts of ML-driven technologies. You will be prepared to contribute to the development of more inclusive and responsible AI systems, ensuring that technological advancements benefit all members of society.  
INFORMATICA
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
20. History and Philosophy of Symbiotic AI   31  
primo anno  		 The PhD course titled "History and Philosophy of Symbiotic AI" aims to provide a comprehensive orientation on the history of artificial intelligence, discussing its pivotal moments and the major philosophical issues it has raised. The course will explore topics such as the distinction between nature and technology, the ontological status of life, the nature of thinking and the uniqueness of human intelligence, human freedom versus determinism, and the potential for a technological Singularity. Special emphasis will be placed on the interplay between artificial intelligence, biology, and evolution, inspired by Licklider's seminal 1960 paper, which introduced the concept of human-computer symbiosis. This concept has evolved into the current discussion of Symbiotic Artificial Intelligence (SAI), a cutting-edge research frontier. The course will develop critical skills to investigate how the increasingly close coexistence of human and algorithmic intelligence is shaping our world. In the practical part of the course, specific problems posed by potentially symbiotic technologies, such as LLMs, recommendation systems, and virtual reality will be investigated.  
INFORMATICA
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
21. Advanced Topics in AI: Machine Learning, Symbiotic AI, and Behavioral Biometrics   31  
primo anno  		 This doctoral course offers an in-depth investigation into leveraging artificial intelligence to transform detection, diagnosis, and treatment of neurodegenerative diseases. Through interactive lectures and hands-on analysis, students critically assess high-impact machine learning techniques and frameworks to extract insights from multimodal brain data. Example focus areas include applying deep neural networks to elucidate early biomarkers from MRI, PET scans, genetics, and cognitive assessments. Contrastive case studies analyze AI-driven neurodegenerative disease projects - spanning Alzheimer’s, Parkinson’s, ALS and more – evaluating success factors and pitfalls behind clinical adoption versus abandonment.
Students examine state-of-the-art research around employing AI for digital phenotyping, personalized brain network mapping, clinical trial optimization, and drug discovery pipelines. Additional topics include investigating the potential of symbiotic brain-computer interfaces and hybrid AI-human expert systems to augment clinician capabilities. By course completion, students can strategically evaluate new machine learning techniques and frameworks for neurodegenerative disorders through an integrative lens, synthesizing insights across imaging, genetics, cognitive and demographic datasets. The doctoral project facilitates specialization into a key challenge at the intersection of AI-driven neurodegeneration advances, frontline care integration, and equitable patient access.  
INFORMATICA
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  
22. Fourier Analysis on some unimodular Lie groups   16  
primo anno  		 In this course, we consider the extension of the notion of Fourier transform for two classes of unimodular Lie groups: 1) compact Lie groups, 2) nilpotent Lie groups. The key object to introduce the definition of Group Fourier Transform is the unitary dual which consists of the equivalence classes of irreducible, strongly continuous and unitary representations up to intertwining operators.
1) In the compact case, by Peter-Weyl theorem it follows that any element of the unitary dual is finite dimensional and one finds that the Plancherel measure is a discrete measure. We consider some results that generalize the ones for the classical Fourier series on the torus.
2) In the nilpotent case, we restrict ourself to the example provided by the Heisenberg group, which is the simplest example of not commutative stratified Lie group. By Stone-Von Neumann theorem it is possible to represent the unitary dual via the so-called Schrödinger representations. By using these representations it is possible to recover the Plancherel formula and the inversion formula.  
MATEMATICA  		     Il corso è a scelta dello studente, l'esame è opzionale  

Riepilogo automatico insegnamenti previsti nell’iter formativo

Totale ore medie annue: 180 (valore ottenuto dalla somma del Numero di ore totali sull’intero ciclo di tutti gli insegnamenti diviso la durata del corso)

Numero insegnamenti: 22

Di cui è prevista verifica finale: 1


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. Il ciclo seminariale di almeno 10 e/o il corso dal titolo "Scientific Research Writing" trattano i seguenti temi:
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 prevedono attività di formazione anche attraverso corsi di competenze trasversali nel campo della gestione della ricerca e della conoscenza dei sistemi di ricerca europei ed internazionali 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 cicli seminariali di circa 10 ore o corsi di competenze trasversali 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. 17    
2. Posti coperti da assegni di ricerca      
3. Posti coperti da contratti di apprendistato      
Sub totale posti finanziati (A1+A2+A3)   N. 17    
4. Eventuali posti senza borsa      
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)  		    
F - Posti senza borsa riservati a laureati in Università estere      
(G) TOTALE = A + B + C + D + E + F   N. 17    
(H) DI CUI CON BORSA = TOTALE – A4 - F   N. 17    
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   € 828.393  
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   € 82.839,3  
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)   € 138.065,5  
BUDGET complessivo del corso di dottorato

 		     € 1.049.297,8  

(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) 243.138,18   19.65   Borse di studio  
Fondi MUR 420.000,00   33.94   borse di studio  
di cui eventuali fondi PNRR 420.000,00     borse di studio  
Fondi di altri Ministeri o altri soggetti pubblici/privati 574.307,30   46.41   cofinanziamento aziendale + Patti Territoriali  
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 1237445.48      


Soggiorni di ricerca

  Periodo medio previsto (in mesi per studente): periodo minimo previsto (facoltativo) periodo massimo previsto (facoltativo)
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:
- 8 Laboratori di Ricerca
(https://www.uniba.it/it/ricerca/dipartimenti/informatica/ricerca/laboratori);
- 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).  
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   Gli 8 laboratori di ricerca del Dipartimento di Informatica sono dotati di attrezzatura HW/SW necessaria alla conduzione delle specifiche attività di interesse, a disposizione anche dei 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   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    


Note


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: 07/06/2024


.