Università Politecnica delle Marche - Center for Philosophy, Science, and Policy

Магистр по статистике, анализу данных и основам наук

Требования при поступлении

Принимаются выпускники, имеющие любую из следующих квалификаций:
• степень в соответствии с Министерским указом 270/2004 (уровень 6 Европейской квалификационной рамочной программы),
• степень в соответствии с Министерским указом 509/1999,
• степень в соответствии с положением, принятым до министерского указа 509/1999 или
Министерский указ 270/2004.

К участию допускаются также выпускники, имеющие квалификацию, полученную за рубежом, признанную Оргкомитетом сопоставимой по продолжительности и содержанию.

Кандидаты должны соответствовать этим требованиям к крайнему сроку подачи заявок на программу MASTER.
Студенты, которым для получения необходимой квалификации для доступа к курсу осталось сдать только итоговый экзамен, могут подать заявку на условной основе. Однако квалификация должна быть получена до начала преподавательской деятельности.

Также можно записаться на должность аудитора. Для этого необходим аттестат о среднем образовании.

Первый семестр, часть A

Учебное пособие: Введение в STATA для анализа данных от Риккардо Каппелли

STATA — это статистическое программное обеспечение, широко используемое для анализа данных и статистических исследований. Этот курс призван помочь студентам ознакомиться с основами STATA. Будет представлен обзор основных методов STATA, а также применение этих методов к реальным данным.

Риск и принятие решений в области науки о данных и искусственного интеллекта, Норман Фентон

В этом модуле представлен всесторонний обзор проблем оценки, прогнозирования и принятия решений, касающихся общественного здравоохранения и медицины, законодательства, государственной стратегии, транспортной безопасности и защиты потребителей. Студенты научатся видеть сквозь большую часть путаницы в отношении рисков в общественных дискуссиях, и им будут предоставлены методы и инструменты для улучшения оценки рисков, которые можно напрямую применять к личному, групповому и стратегическому принятию решений.

Модуль также напрямую рассматривает ограничения больших данных и машинного обучения для решения проблем принятия решений и рисков. Несмотря на то, что представлены классические статистические методы оценки риска (включая проверку гипотез, p-значения и регрессию), модуль раскрывает серьезные ограничения этих методов. В частности, основное внимание уделяется необходимости причинно-следственного моделирования проблем и байесовского подхода к вероятностным рассуждениям. Байесовские сети повсюду используются как объединяющая тема.

Причинно-следственная связь и вероятности Александра Гебхартера

Этот курс представляет собой экспресс-курс по основам теории вероятностей, за которым следует обзор объяснений причинно-следственной связи, связанной с вероятностями. Общая идея заключается в том, что причинно-следственная структура объясняет различные виды вероятностной зависимости. Хотя знание корреляции является полезным инструментом для прогнозирования, только причинно-следственная информация дает надежное руководство для контроля над своей средой.

Эпистемология II Александра Гебхартера

Что такое знание? Как оно связано с истиной и рациональностью? Как мы можем обосновать наши убеждения и как нам следует пересмотреть их в свете новых поступающих доказательств? Вот некоторые из основных вопросов, поднимаемых в эпистемологии. «Эпистемология I» и «Эпистемология II» исследуют подобные вопросы и то, как на них отвечают текущие счета на рынке, а также новые проблемы, которые эти ответы порождают.

Учебник: R & Matlab от Федерико Гири

Целью этого курса является введение в методы программирования Matlab (R).

Учебник: PYTHON от Адриано Манчини

Курс построен таким образом, чтобы помочь учащимся освоить программирование на Python от фундаментальных концепций до передовых методов обработки данных. Он начинается со знакомства с Python, позволяющего понять основные принципы программирования, включая структуры данных. Во второй части курса представлены мощные библиотеки для анализа данных: NumPy, SciPy и sci-kit-learn.

Эпистемология I Михала Сикорского

Что такое знание? Как оно связано с истиной и рациональностью? Как мы можем обосновать наши убеждения и как нам следует пересмотреть их в свете новых поступающих доказательств? Вот некоторые из основных вопросов, поднимаемых в эпистемологии. «Эпистемология I» и «Эпистемология II» исследуют подобные вопросы и то, как на них отвечают текущие счета на рынке, а также новые проблемы, которые эти ответы порождают.

Философия эволюционной теории Эллиота Собера

Этот курс основан на новой книге Эллиота Собера «Философия эволюционной теории». Он
охватывает такие темы, как единицы отбора и общее происхождение, которые тесно связаны с вероятностным мышлением.

Первый семестр, часть B

Искусственный интеллект и логическое программирование I, Альдо Драгони

Содержание:

• Искусственный интеллект: история и отличие логико-символического подхода от нейронного подхода.
• Логика первого порядка: Синтаксис, Семантика, Формальная система.
• Метод разрешения: Теорема Эрбрана. Преобразование в клаузальную форму замкнутой формулы. Принцип разрешения для основных предложений. Унификация.
• Принцип разрешения. Линейное разрешение.
• Определенные программы: Семантика. Корректность разрешения SLD. Проблема Occur-Check. Полнота резолюции SLD. Независимость
• Из правила расчета. Процедура опровержения СЛД. Вычислительная адекватность определенных программ.
• Логическое программирование: ПРОЛОГ. Декларативное программирование.

Принципы эпидемиологии и биостатистики для исследований в области общественного здравоохранения Розария Гесуита, Эдлира Скрами, Андреа Фарагалли, Марика Айомми

Главные темы:

• Введение в эпидемиологию, профессор Розария Гесуита (2 часа)
• Наблюдательные исследования, показатели частоты и связи, профессор Розария Джесуита (6 часов) и доктор Марика Айомми (4 часа)
• Дизайн описательного исследования, Аналитические подходы, Дизайн экспериментального исследования, Проф. Эдлира Скрами (8 часов)
• Протокол исследования, доктор Андреа Фарагалли (4 часа)
• Принципы оценки размера выборки, д-р Андреа Фарагалли (4 часа)
• Принципы систематического обзора и метаанализа, доктор Марика Айомми (4 часа)

Основы наук Барбары Осимани

Содержание: Что такое наука? Кто говорит, что такое наука, с каким авторитетом и по каким критериям? Что оправдывает научное знание? Имеют ли его основания (если таковые имеются) логическую, метафизическую или практическую природу? Каковы основания действовать на этом основании? Каковы основные инструменты, позволяющие нам углубить наше знание реальности? Как оценить их адекватность и надежность? Что отличает научный метод от других источников познания? Что отличает различные подходы к статистическим выводам (например, частотный подход, байесовская школа, подход неточных вероятностей и их соответствующие подразделения)?

Каковы методологические и практические последствия? Как различные парадигмы относятся к взаимосвязи между теорией/гипотезой и доказательствами? Это некоторые из вопросов, которые курс решает, обращаясь к большой философской и методологической литературе, посвященной основам науки, научным выводам и прагматическим аспектам научной практики.

В частности, на курсе будут рассмотрены следующие темы:

1. Эпистемология и онтология науки: проблема демаркации;
2. Научная неопределенность: вероятность и основы статистики;
3. (Формальные) методы в науке

Основы эконометрики I Клаудии Пиджини

«Основы эконометрики I и II» предоставляют необходимую основу для понимания и применения эконометрических методов. Охватывая исследование данных, регрессионный анализ, моделирование прогнозирования и причинно-следственные связи, студенты получают практические навыки с использованием RStudio. Рекомендуемые материалы для чтения дополняют теоретические концепции. Идеально подходит для тех, кто стремится овладеть навыками принятия решений на основе данных в бизнесе, экономике и политике.

Байесовский вывод Эрика-Яна Вагенмейкера

Этот курс будет охватывать теорию и практику «здравого смысла, выраженного в числах», то есть байесовский вывод. В первой части курса я буду использовать биномиальную модель для изучения теоретических строительных блоков (например, априорное и апостериорное распределения, когерентность, оценка параметров и проверка гипотез байесовского фактора, неопределенные и информированные априорные распределения, усреднение модели, неправильная спецификация модели и т. д.). Во второй части я продемонстрирую байесовский вывод на практике и покажу байесовские t-тесты, регрессию, ANOVA и другие модели.

Основы машинного обучения Марко Пианджерелли

Цель курса — сжато представить основные парадигмы машинного обучения (обучение с учителем, неконтролируемое обучение и обучение с подкреплением), а также
также представляя их статистическую основу (статистическую теорию обучения). Также будут представлены новейшие разработки в плане объяснимости и интерпретируемости моделей МО.

Статистические школы: концепции вероятности, статистический вывод и анализ данных Кристиана Хеннига
Курс даст сравнительный обзор различных концепций вероятности, статистического вывода и анализа данных. Особое внимание будет уделено связи между статистическими моделями и данными в реальном мире, роли предположений модели для анализа данных, ограничениям объективности и необходимости суждения и субъективного решения.

Второй семестр, часть A

Прогнозирование временных рядов с помощью глубокого обучения Алессандро Галделли

Содержание:

• Введение в анализ временных рядов
• Основы глубокого обучения для временных рядов
• Работа с данными временных рядов
• Модели глубокого обучения для прогнозирования временных рядов
• Передовые методы прогнозирования
• Метрики оценки и оптимизация модели
• Тематические исследования и приложения
• Будущие тенденции и проблемы в прогнозировании временных рядов

Причинный вывод Александра Гебхартера

Этот курс строится на базовых идеях, установленных в курсе «Причинность и вероятности», и некоторых формальных инструментах, представленных в курсе «Формальная эпистемология». Он еще больше развивает темы из этих курсов и дает введение в причинные модели и причинно-интерпретируемые байесовские сети. Эти инструменты могут быть использованы для более точной формулировки сложных причинных гипотез, для генерации вероятностных предсказаний на основе наблюдения и гипотетического вмешательства, а также для раскрытия причинных структур из наблюдательных и экспериментальных данных. Курс объединяет содержание и позволит студентам ознакомиться с этими инструментами, применяя их к различным задачам и игрушечным примерам.

Формальная эпистемология II Александра Гебхартера

«Формальная эпистемология I» и «Формальная эпистемология II» строятся на основе, заложенной в курсе «Эпистемология», а в более поздних частях — на базовых концепциях, введенных в начале курса «Причинный вывод». В нем изучаются основы и динамика знаний и рассуждений с использованием формальных инструментов, особенно теории вероятностей и простых графических моделей.

Байесианская философия науки Стефана Хартмана

Целью этого курса является показать, как байесовские методы можно использовать для ответа на центральные вопросы философии науки. С этой целью в первой части курса студенты научатся строить байесовские модели (в частности, используя теорию байесовских сетей) и применять их к избранным задачам. С этой целью будут проведены два обучающих занятия, на которых студенты смогут тренировать свои навыки решения математических задач. Во второй части мы сначала кратко поговорим о различных эпистемических теориях эпистемического обоснования, а затем сосредоточимся на дебатах о вероятностных мерах согласованности, обсуждаемых в формальной эпистемологии.

Затем мы рассмотрим возможности развития последовательной байесовской философии науки, уделяя особое внимание тому, в какой степени этот подход может пролить свет на текущие дебаты о научном объяснении и межтеоретических отношениях. Наконец, мы обсудим (возможные) пределы байесовства и когерентизма.

Рациональность в науках Барбара Осимани

Что такое научная рациональность? Применяются ли в научной практике различные виды рациональности? Если да, то как они переплетаются и влияют на научное производство? В частности, какую роль стратегическая рациональность играет в научной среде, особенно в тех, которые характеризуются сильными конфликтами интересов?

Как мы справляемся с научным инакомыслием (в этих случаях)? Какие силы формируют сбор, отбор, производство и раскрытие/передачу научных доказательств в различных научных экосистемах (прошлом и настоящем)? В этом модуле эти темы будут изучаться с использованием двухстороннего подхода: ``абдуктивного'' подхода исследований метанауки, направленного на разработку инструментов для обнаружения предвзятости и мошенничества, и теоретического подхода недавней литературы по (байесовским) играм убеждения.

Основы эконометрики II Клаудии Пиджини

«Основы эконометрики I и II» обеспечивают необходимую основу для понимания и применения эконометрических методов. Охватывая исследование данных, регрессионный анализ, прогнозное моделирование и причинно-следственные связи, студенты получают практические навыки с использованием RStudio. Предлагаемая литература дополняет теоретические концепции. Идеально подходит для тех, кто стремится к навыкам принятия решений на основе данных в бизнесе, экономике и политике.

Формальная эпистемология I Михала Сикорского

«Формальная эпистемология I» и «Формальная эпистемология II» строятся на основе, заложенной в курсе «Эпистемология», а в более поздних частях — на базовых концепциях, представленных в начале курса «Причинный вывод». В нем изучаются основы и динамика знаний и рассуждений с использованием формальных инструментов, особенно теории вероятностей и простых графических моделей.

За пределами статистики выводов: абдукция и методология Q Рафаэле Заноли

Основные темы:

• Введение Статистические и методологические различия между инференциальной и неинференциальной статистикой.
• Индукция, дедукция и похищение
• Объективность против субъективности: эпистемологические и статистические соображения
• Q-методология и научное исследование субъективности
• Примеры и практика

Второй семестр, часть B

Искусственный интеллект и логическое программирование II, Альдо Драгони

Содержание:

• Искусственный интеллект: история и отличие логико-символического подхода от нейронного подхода.
• Логика первого порядка: Синтаксис, Семантика, Формальная система.
• Метод разрешения: Теорема Эрбрана. Преобразование в клаузальную форму замкнутой формулы. Принцип разрешения для основных предложений. Унификация.
• Принцип разрешения. Линейное разрешение.
• Определенные программы: Семантика. Корректность разрешения SLD. Проблема Occur-Check. Полнота резолюции SLD. Независимость
• Из правила расчета. Процедура опровержения СЛД. Вычислительная адекватность определенных программ.
• Логическое программирование: ПРОЛОГ. Декларативное программирование.

Экономика науки и технологий Никола Маттеуччи

Курс представляет нормативные и позитивные (от лат. positum) темы экономики регулирования и государственной политики с акцентом на научно-обоснованные (высокотехнологичные) экономические секторы и на крупные общественные проблемы, решение которых зависит от научных знаний. Формирование политики подразумевается в самом широком определении, охватывающем от подробных отраслевых норм и политики (например, политика и регулирование здравоохранения) до более широкого формирования политики (например, политика развития или охраны окружающей среды). Курс вращается вокруг двух основных категорий «рынка» и «провалов правительства», чтобы представить обоснованный (несистематический) обзор влиятельных работ, анализирующих причины, механизмы и последствия провала политики и/или захвата. Главной ступенью курса является научный лоббизм.

Экономика регулирования в наукоемких областях Николы Маттеуччи

В курсе представлены нормативные и позитивные (от латинского positum) темы экономики регулирования и государственной политики с упором на наукоемкие (высокотехнологичные) секторы экономики, а также на крупные социальные проблемы, решение которых опирается на научные знания. Под формированием политики подразумевается самое широкое определение, охватывающее от подробных отраслевых норм и политики (например, политика и регулирование в области здравоохранения) до более широкой политики (например, политики развития или окружающей среды).

Курс вращается вокруг двух основных категорий «рынка» и «провалов правительства», чтобы представить обоснованный (несистематический) обзор влиятельных работ, анализирующих причины, механизмы и последствия провала политики и/или захвата. Главной ступенью курса является научный лоббизм.

Разработка анкеты: Как собирать данные из опросов. Что можно и чего нельзя, Симона Наспетти

Этот курс дает обзор разработки анкет и стратегий сбора данных с помощью опросов. Участники узнают, как разрабатывать и проводить опросы для сбора точных и значимых данных. С помощью лекций, тематических исследований и интерактивных занятий участники получат практические навыки и понимание того, что можно и чего нельзя делать при разработке анкет.

Эконометрика временных рядов Джулио Паломба

Главные темы:

• Данные временных рядов и случайные процессы
• Динамические модели
• Модели АРМА
• Единичные корни
• ВАР-модели
• Коинтеграция
• Модели GARCH

Целостность исследований Андреа Сальтелли

Различные измерения честности исследования организованы с точки зрения норм, функций и единства. Нормы относятся к тому, как наука соответствует нормативным стандартам или отклоняется от них. Функции связаны с тем, как наука и исследования наделены функционирующим, неповрежденным механизмом. Третье значение относится к понятию науки как целостной и неделимой сущности. Курс также служит введением в исторические, философские и социологические элементы науки, в основном из области исследований науки и технологий (STS), и включает раздел, посвященный науке и лоббированию.

Этика количественной оценки Андреа Сальтелли

Курс представляет собой смесь статистических и социологических элементов, связанных с различными формами статистической и математической количественной оценки, а также их техническим и нормативным качеством. Анализ чувствительности и аудит чувствительности будут представлены как методологии, относящиеся к анализу качества, с обсуждением свойств доступных методов. Другие затронутые темы: политика моделирования, совместное моделирование и социология количественной оценки.

Неточные вероятности Серены Дориа

В отличие от классической теории вероятностей, которая имеет дело с точными вероятностями, неточная вероятность признает ограничения совершенного знания. Он обеспечивает надежный и универсальный подход к ситуациям, когда информация недостаточна, неполна или ненадежна. Мы начнем с изучения мотивов, лежащих в основе неточных предсказаний и вероятностей, и противопоставим их классической теории вероятностей. Мы изучим необходимые математические инструменты для представления неточных вероятностей и изучим, как эту структуру можно использовать в искусственном интеллекте и теории принятия решений.

Теория рационального выбора Джакомо Силлари

Этот курс углубляется в теорию рационального выбора, изучая процесс принятия решений в условиях риска, невежества и неопределенности. Он начинается с изучения того, как принимаются решения, когда результаты неизвестны, с особым акцентом на философские приложения, такие как максимин в принципе различия Ролза и дебаты с Харсаньи.

Далее курс переходит к различным интерпретациям вероятности, при этом особое внимание уделяется субъективной вероятности и теореме голландской книги. Затем курс охватывает теорию ожидаемой полезности с основополагающей точки зрения, рассматривает механизм, связанный с теоремой о представлении, и завершается стратегической рациональностью, уделяя особое внимание тому, как люди принимают решения в стратегической среде, где результаты зависят от действий других, особенно связанных с координацией. и сотрудничество.

Магистр предназначен для студентов и ученых, специализирующихся как в области гуманитарных наук, так и в области STEM, а также для профессионалов, которые хотят расширить свои навыки в области анализа данных, научной эпистемологии и политики, основанной на фактических данных. Получающаяся фигура, по сути, представляет собой аналитика данных с богатым методологическим и фундаментальным опытом, но магистр вполне может также внести свой вклад в обогащение образовательного профиля журналистов, политиков и специалистов в любом секторе (от экономики до здравоохранения и права). .

По окончании магистратуры студенты смогут оценить лучшую научную методологию для использования в своих исследованиях; анализировать данные и исследования других в своем конкретном секторе исследований и предлагать консультационные услуги политикам. Журналисты и лица, принимающие политические решения, приобретут критические инструменты, чтобы ориентироваться в предоставлении информации, произведенной в различных научных секторах.