Event

RISIS Data Science School: ricerca e formazione con i metodi più innovativi

Dal 15/02/2021 ore 09.00 al 26/02/2021 ore 19.00

On line

RISIS DATA SCIENCE School
RISIS DATA SCIENCE School

La scuola, gratuita per tutti i ricercatori europei, organizzata congiuntamente da Cnr-Ircres e AIT (Austrian Institute of Technology) è in programma dal 15 al 26 febbraio. Call aperta fino al 18 novembre prossimo.

I dati e il loro affascinante linguaggio. I metodi e le tecnologie più innovative per gestirli e analizzarli al fine di comprendere e predire le future sfide nei settori di Scienza, Tecnologia e Innovazione (STI). 

È l’ambizioso obiettivo che si pone la Data Science School, promossa dal progetto europeo RISIS (Research Infrastructure for Science and Innovation Policy Studies) finanziato dal programma Horizon 2020. in programma dal 15 al 26 febbraio, in modalità on line a causa dell’emergenza Covid-19. Si partecipa entro il 18 novembre con l’invio del Curriculum vitae (Call for application) che viene attentamente valutato dal comitato didattico. “L'idea di base è quella di analizzare le informazioni per migliorare le prestazioni in contesti scientifici, tecnologici e di innovazione" afferma Antonio Zinilli, ricercatore del Cnr-Ircres e responsabile della Scuola. 

Una caratteristica importante è quella di collegare ricerca e formazione, teoria e applicazione. "Attraverso Network Science e Spatial Models è possibile osservare la somiglianza, l'interdipendenza funzionale e la centralità dei diversi agenti, fattori che non possiamo osservare con altri approcci più tradizionali" aggiunge Antonio Zinilli. Inoltre, il Machine Learning ha un grande potenziale per lo studio della struttura e dell'evoluzione dei sistemi di Scienza, Tecnologia e Innovazione (STI). Migliorando la capacità di previsione dei ricercatori, il Machine Learning può essere utilizzato sia per prevedere l'evoluzione delle reti complesse in ambito STI sia per rilevare quali sono i fattori che guidano le prestazioni dei sistemi STI, comprese le azioni politiche. "Il Machine Learning può essere estremamente utile per classificare le nuove istanze in un ambiente STI, come il potenziale dei nuovi progetti, le prestazioni delle università, i comportamenti dei singoli ricercatori" afferma Giovanni Cerulli, Dirigente di ricerca del Cnr-Ircres e docente in Machine Learning. In sintesi, il Machine Learning sta diventando uno strumento indispensabile per ricercatori e professionisti, in grado di aumentare la loro capacità analitica per approfondire la complessità dei sistemi STI. 

Il piano formativo si concentra sulla Network Science (NS), sui modelli spaziali (SM) e sul Machine Learning (ML), con una sessione di introduzione al software R - uno degli strumenti di analisi e programmazione specifici per l'analisi statistica - all'infrastruttura dati di RISIS (European Research Infrastructure for Science, technology and Innovation policy Studies), dall'analisi dei dati e dalle interfacce, oltre che da elementi statistici teorici. Obiettivo della RISIS Data Science School è quello di integrare la teoria statistica e la ricerca computazionale per esaminare l'emergere di modelli sociali complessi. In particolare, la scuola è orientata ai sistemi di Scienza, Tecnologia e Innovazione (STI), che si basano sul comportamento degli attori in contesti di interazione, la cui analisi richiede un'integrazione approfondita di diversi metodi e scale di osservazione. Ciò include l'integrazione della teoria della prossimità tra gli attori, la struttura e le dinamiche della rete e le tendenze sociali ed economiche. 

La rivoluzione digitale ha prodotto una disponibilità di informazioni senza precedenti sui fenomeni sociali, economici e tecnologici. Ricercatori, professionisti e politici hanno oggi accesso a enormi set di dati (i cosiddetti "Big Data") su persone, aziende e istituzioni. I big data sono in forte crescita, documentando così una crescente necessità di far luce sulle relazioni tra gli attori della ricerca e dell'innovazione. Network Science, Spatial Models e Machine Learning sono tecniche in grado di ampliare la nostra comprensione di sistemi socio-tecnologici complessi, sia scavando a fondo nel potere informativo dei dati (ML), sia aumentando la comprensione della dimensione relazionale dei sistemi complessi (NS e SM).

Organizzato da:
Cnr-Ircres
AIT

Referente organizzativo:
Antonio Zinilli
Cnr-Ircres
On line
antonio.zinilli@ircres.cnr.it
La deadline per partecipare alla scuola è il 18 novembre 2020.

Modalità di accesso: registrazione / accredito
Per iscriversi: https://www.risis2.eu/event/risis-online-school-on-tools-and-methods-for-analysing-complex-science-technology-and-innovation-sti-systems/

Vedi anche: