Concorso di ammissione 42° ciclo

Bando ordinario


Obiettivi formativi del dottorato

La disponibilità di enormi volumi di dati, caratterizzati fondamentalmente dall’uso sempre più esteso e pervasivo di tecnologie digitali, caratterizza la rivoluzione in atto in moltissimi ambiti della realtà sociale, economica ed industriale, ponendo nuove sfide alla ricerca scientifica e tecnologica della Computer Science, dell’Intelligenza Artificiale e di diverse altre discipline, dalla Fisica alla Economia, dalla Medicina alle Scienze Umane. In tale ambito, l’accessibilità ed il trattamento di grandi quantità di dati digitali, sia in sistemi centralizzati che distribuiti, il loro uso nella concezione e nella realizzazione di processi e servizi di di decisione complessi, favorisce lo studio e lo sviluppo di sistemi software autonomi in campi diversi (dalle applicazioni mission-critical allo studio dei fenomeni sociali nel Web, la predizione sui fenomeni economici, la diagnostica ed il planning in medicina o nella robotica industriale).

Il Dottorato in Data Science è finalizzato, nella sua natura marcatamente interdisciplinare, alla formazione, al più alto livello, di esperti in grado di condurre ricerca per comprendere e padroneggiare le metodologie di analisi ed elaborazione dei dati di carattere matematico, statistico ed informatico e le tecnologie corrispondenti che ne consentono l’applicazione ad un insieme ampio e variegato di contesti scientifici, industriali, economici, medici e sociali.

Le motivazioni del Corso di Dottorato in Data Science sono molte e significative. Anzitutto la offerta di una formazione dottorale su questi temi ancora piuttosto limitata che invece si confronta, al contempo, con una richiesta di esperti in Data Science con un forte e crescente tendenza all'aumento. Tale formazione va intesa con una caratterizzazione incentrata sulle competenze matematico-informatiche, quindi a forte vocazione scientifico- tecnologica, opportunamente integrate dal punto di vista statistico, economico, sociale e linguistico, in grado cioè di dare risposte alle dinamiche molto accelerate e fortemente interdisciplinari e culturalmente eterogenee di quest’area di competenze.

La Scuola di Dottorato rappresenta il bacino imprescindibile di un insieme ormai ampio di studenti dei Corsi di Informatica, Ingegneria Informatica, Economia, Fisica, Matematica e non solo, presso l'Ateneo di Tor Vergata e da varie aree del paese, e da paesi diversi. Tali studenti sono attratti da iniziative in Data Science perché in esse è chiara e dominante la componente computazionale dei saperi, il forte carattere scientifico degli obiettivi formativi e le diversificate potenzialità applicative: dalla Fisica alla Economia sino alle Scienze Sociali.

Posti e borse
Available Positions and Scholarships

Borsista Ateneo3Borse di Ateneo riservate a candidati stranieri0Borsista Dipartimentale0
Borsista Ente esterno privato di ricerca0Borsista Ente esterno privato non di ricerca0Borsista Ente esterno pubblico di ricerca0
Borsista Ente esterno pubblico non di ricerca0Dottorando su programma di ricerca nazionale2Dottorando su programma di ricerca europeo0
Borsista stati esteri2Dipendente Ente/Impresa privato di ricerca in convezione0Dipendente Ente/Impresa privato non di ricerca in convezione2
Dipendente Ente/Impresa pubblico di ricerca in convezione0Dipendente Ente/Impresa pubblico non di ricerca in convezione2Dottorando con contratto di apprendistato di alta formazione e ricerca presso ente privato di ricerca0
Dottorando con contratto di apprendistato di alta formazione e ricerca presso ente privato non di ricerca0Dottorando con contratto di apprendistato di alta formazione e ricerca presso ente pubblico di ricerca0Dottorando con contratto di apprendistato di alta formazione e ricerca presso ente pubblico non di ricerca0
Esonerato2

Tematiche, curriculum e competenze specifiche
themes, curriculum and specific competence

Borse ENTI TERZI, DIPARTIMENTI, ECCELLENZA


Ente finanziatore: Fondo Italiano di Scienze Applicate (FISA 2004)

Tematica: Mechanistic Interpretability by-design in Neural-Network-based Large Language Models
Descrizione: Mechanistic Interpretability by-design in Neural-Network-based Large Language Models: questo tema si inserisce nel contesto del progetto MeMo, che mira a costruire modi alternativi per costruire modelli di linguaggio grandi trasparenti utilizzando esplicitamente memorie associative. La memorizzazione è un'abilità fondamentale dei Modelli di Linguaggio Grandi basati su Transformer, ottenuta attraverso l'apprendimento. In questa posizione di dottorato, il candidato ideale dovrebbe lavorare sul cambiamento di paradigma proposto da MeMo aiutando a progettare un'architettura per memorizzare direttamente il testo, tenendo presente il principio che la memorizzazione precede l'apprendimento. MeMo è un'architettura innovativa per la modellazione del linguaggio che memorizza esplicitamente sequenze di token in memorie associative stratificate. Per design, MeMo offre trasparenza e la possibilità di editing dei modelli, incluso dimenticare i testi. Abbiamo sperimentato con l'architettura MeMo, mostrando il potere di memorizzazione delle configurazioni a uno strato e a più livelli. Idealmente, il candidato dovrebbe avere una solida base matematica e solide competenze di programmazione applicate alle reti neurali.
Tipologia: DOTTORANDO SU PROGRAMMA DI RICERCA NAZIONALE

CUP : E83C25003070005
Principal Investigator: Fabio Massimo Zanzotto
Nome del Programma: FISA-2024-00249
Nome del Progetto: MeMo - Editable Memorization-based Large Language Models based on Explicit Symbolic Knowledge
UpB: ZanzottoF26MeMo
Durata: 36
Importo: € 75064,35

Ente finanziatore: Fondo Italiano di Scienze Applicate (FISA 2004)

Tematica: Injecting Neuro-symbolic Natural Language Processing Capabilities in Neural-Network-based Large Language Models
Descrizione: Injecting Neuro-symbolic Natural Language Processing Capabilities in Neural-Network-based Large Language Models: questo tema si inserisce nel contesto del progetto MeMo, che mira a costruire modi alternativi per costruire modelli di linguaggio grandi trasparenti utilizzando esplicitamente memorie associative. La memorizzazione è un'abilità fondamentale dei Modelli di Linguaggio Grandi basati su Transformer, ottenuta attraverso l'apprendimento. In questa posizione di dottorato, il candidato ideale dovrebbe lavorare sul cambiamento di paradigma proposto da MeMo aiutando a progettare un'architettura per memorizzare direttamente il testo, tenendo presente il principio che la memorizzazione precede l'apprendimento. MeMo è un'architettura innovativa per la modellazione del linguaggio che memorizza esplicitamente sequenze di token in memorie associative stratificate. Per design, MeMo offre trasparenza e la possibilità di editing dei modelli, incluso dimenticare i testi. Abbiamo sperimentato con l'architettura MeMo, mostrando il potere di memorizzazione delle configurazioni a uno strato e a più livelli. Idealmente, il candidato dovrebbe avere una solida base matematica e solide competenze di programmazione applicate alle reti neurali.
Tipologia: DOTTORANDO SU PROGRAMMA DI RICERCA NAZIONALE

CUP : E83C25003070005
Principal Investigator: Fabio Massimo Zanzotto
Nome del Programma: FISA-2024-00249
Nome del Progetto: MeMo - Editable Memorization-based Large Language Models based on Explicit Symbolic Knowledge
UpB: ZanzottoF26MeMo
Durata: 36
Importo: € 75064,35


Procedura concorsuale

Prova orale La prova orale è mirata a conoscere in maggiore dettaglio le attività di studio e ricerca documentate dal curriculum del candidato ed a giudicare dunque le copetenze e la attitudine alla ricerca dottorale.
Nel colloquio una particolare attenzione verrà anche data al progetto di ricerca presentato dal candidato. Sarà per lui possibile discuterne obbiettivi, piano di attività proposto ed impatti attesi, in modo da poter valutare il livello di maturità del Candidato in relazione al suo curriculum.
Infine, per i candidati che sosterranno la prova in lingua italiana, è prevista una sessione d'esame dedicata ad accertare la conoscenza della lingua inglese, attraverso la lettura e traduzione di alcuni estratti dalla letteratura scientifica della Data Science.
lingua ITALIANO
INGLESE

Valutazione titoli La valutazione dei titoli presentati dal Candidato avverrà secondo le usuali attività della Commissione, e non richiederà la presenza del Candidato. Il titoli obbligatori secondo il Bando saranno oggetto preliminare di valutazione e potranno, in loro assenza, risultare nella esclusione del candidato che non avrà provveduto in modo completo alla loro sottomissione. I tioli opzionali saranno utili alla formulazione della valutazione ed al punteggio complessivo della prova imputato al Candidato.
La valutazione titoli non prevede la presenza dei candidati


Informazioni e recapiti basili@info.uniroma2.it

Autocertificazione del titolo di studio conseguito tramite modello A:

  • laurea magistrale
  • laurea ciclo unico
  • laurea specialistica
  • laurea vecchio ordinamento
  • laurea conseguita all'estero di livello 7 EQF
  • purchè appartenenti alle seguenti classi: Tutte le classi di laurea

Ulteriore documentazione richiesta ai candidati

§ abstract tesi di laurea
non obbligatorio, da caricare entro la scadenza del bando

§ progetto di ricerca
obbligatorio, da caricare entro la scadenza del bando

§ lettera di referenza
le lettere di referenza verranno recapitate direttamente dai Referee e non dai candidati, secondo le modalità specificate nel Bando di Concorso
non obbligatorio, da caricare entro la scadenza del bando

§ elenco delle pubblicazioni
non obbligatorio, da caricare entro la scadenza del bando

§ lettera di motivazione
non obbligatorio, da caricare entro la scadenza del bando

§ pubblicazioni (un singolo pdf contenente le pubblicazioni)
non obbligatorio
Sono ammesse potenziali pubblicazioni del candidato (articoli scientifici, o technical report) sino ad un massimo di 3, a scelta libera del candidato. Le pubblicazioni dovranno anche essere presenti nell'elenco completo delle pubblicazioni del candidato, sottomesso in un altro documento (file), da caricare entro la scadenza del bando

§ altro documento: documenti a scelta del candidato, diversi dal titolo di accesso, e che la commissione potrà non tenere in considerazione
non obbligatorio, da caricare entro la scadenza del bando

§ Curriculum Vitae
non obbligatorio, da caricare entro la scadenza del bando

§ Attestato di conoscenza di lingua straniera
non obbligatorio, da caricare entro la scadenza del bando

Competenza linguistica richiesta ai candidati

Il candidato dovrà obbligatoriamente conoscere le seguenti lingue:
INGLESE

Diario delle prove concorsuali

Prova orale
giornonon indicato
notenon indicato
oranon indicato
aulanon indicato
indirizzonon indicato
pubblicazione sull'albonon indicato
pubblicazione sul sito internetSI
indirizzo del sitonon indicato
giorno della pubblicazionenon indicato
info e recapitinon indicato

Valutazione titoli
giornonon indicato
notenon indicato
La valutazione titoli non prevede la presenza dei candidati.
pubblicazione sull'albonon indicato
pubblicazione sul sito internetSI
indirizzo del sitonon indicato
giorno della pubblicazionenon indicato
info e recapitinon indicato


Università degli Studi di Roma "Tor Vergata" - Via Cracovia, 50, 00133 Roma RM