Máster en Estadística, Inteligencia de Datos y Fundamentos de las Ciencias

First Semester, Part A

Tutorial: Introduction to STATA for Data Analysis by Riccardo Cappelli

STATA es un software estadístico ampliamente utilizado en análisis de datos e investigación estadística. Este curso tiene como objetivo ayudar a los estudiantes a familiarizarse con los fundamentos de STATA. Se proporcionará una descripción general de las principales técnicas STATA, así como la aplicación de estas técnicas a datos del mundo real.

Risk and Decision-Making for Data Science and AI by Norman Fenton

Este módulo proporciona una descripción general completa de los desafíos de evaluación de riesgos, predicción y toma de decisiones que abarcan la salud pública y la medicina, la ley, la estrategia gubernamental, la seguridad del transporte y la protección del consumidor. Los estudiantes aprenderán a ver a través de gran parte de la confusión sobre el riesgo en el discurso público y se les proporcionarán métodos y herramientas para mejorar la evaluación de riesgos que pueden aplicarse directamente a la toma de decisiones personales, grupales y estratégicas.

The module also directly addresses the limitations of big data and machine learning for solving decision and risk problems. While classical statistical techniques for risk assessment are introduced (including hypothesis testing, p-values, and regression) the module exposes the severe limitations of these methods. In particular, it focuses on the need for causal modelling of problems and a Bayesian approach to probability reasoning. Bayesian networks are used as a unifying theme throughout.

Causation and Probabilities by Alexander Gebharter

Este curso proporciona un curso intensivo sobre los conceptos básicos de la teoría de la probabilidad seguido de una descripción general de las explicaciones de causalidad relacionadas con las probabilidades. La idea general es que la estructura causal explica varios tipos de dependencia probabilística. Si bien el conocimiento de la correlación es una herramienta útil para la predicción, sólo la información causal proporciona una guía confiable para controlar el entorno.

Epistemology II by Alexander Gebharter

What is knowledge? How does it relate to truth and rationality? How can we justify our beliefs and how should we revise them in the light of new incoming evidence? These are some of the main questions raised within epistemology. “Epistemology I” and “Epistemology II” explore questions like these and how they are answered by the current accounts on the market as well as the new problems these answers give rise to.

Tutorial: R & Matlab by Federico Giri

This course aims to provide an introduction to Matlab (R) programming techniques.

Tutorial: PYTHON by Adriano Mancini

El curso está estructurado para guiar a los estudiantes a través de la programación en Python, desde conceptos fundamentales hasta técnicas avanzadas de ciencia de datos. Comienza con una introducción a Python para comprender los principios básicos de la programación, incluidas las estructuras de datos. La última parte del curso presenta potentes bibliotecas para la ciencia de datos: NumPy, SciPy y sci-kit-learn.

Epistemology I by Michał Sikorski

What is knowledge? How does it relate to truth and rationality? How can we justify our beliefs and how should we revise them in the light of new incoming evidence? These are some of the main questions raised within epistemology. “Epistemology I” and “Epistemology II” explore questions like these and how they are answered by the current accounts on the market as well as the new problems these answers give rise to.

The Philosophy of Evolutionary Theory by Elliot Sober

Este curso está basado en el nuevo libro de Elliot Sober "La filosofía de la teoría evolutiva". Él
Cubre temas como unidades de selección y ascendencia común, todos profundamente relacionados con el razonamiento probabilístico.

First Semester, Part B

Artificial Intelligence & Logic Programming I by Aldo Dragoni

Content:

• Artificial Intelligence: history and difference between the logical-symbolic approach and the neural approach.
• First-order logic: Syntax, Semantics, Formal system.
• Método de resolución: teorema de Herbrand. Conversión a la forma clausal de una fórmula cerrada. El Principio de Resolución de las cláusulas suelo. Unificación.
• The Resolution Principle. Linear Resolution.
• Definite programs: Semantics. Correctness of SLD Resolution. The Occur-Check problem. Completeness of SLD Resolution. Independence
• From the Computation Rule. SLD Refutation Procedure. Computational adequacy of Definite Programs.
• Logic programming: PROLOG. Declarative programming.

Principles of epidemiology and biostatistics for Public Health Research by Rosaria Gesuita, Edlira Skrami, Andrea Faragalli, Marica Iommi

Main topics:

• Introduction to Epidemiology, Prof. Rosaria Gesuita (2 hours)
• Observational studies, frequency and association measures, Prof. Rosaria Gesuita (6 hours) & Dr. Marica Iommi (4 hours)
• Descriptive study design, Analytical approaches, Experimental study designs, Prof. Edlira Skrami (8 hours)
• Study protocol, Dr. Andrea Faragalli (4 hours)
• Principios de estimación del tamaño de la muestra, Dr. Andrea Faragalli (4 horas)
• Principles of systematic review and meta-analysis, Dr. Marica Iommi (4 hours)

Foundations of the Sciences by Barbara Osimani

Contenido: ¿Qué es la ciencia? ¿Quién dice qué es la ciencia, con qué autoridad y según qué criterios? ¿Qué justifica el conocimiento científico? ¿Son sus fundamentos, si los hay, de naturaleza lógica, metafísica o práctica? ¿Cuáles son los motivos para actuar sobre esta base? ¿Cuáles son las principales herramientas que nos permiten profundizar en nuestro conocimiento de la realidad? ¿Cómo evaluamos su adecuación y fiabilidad? ¿Qué distingue un método científico de otras fuentes de conocimiento? ¿Qué distingue los diferentes enfoques de la inferencia estadística (por ejemplo, enfoque frecuentista versus escuela bayesiana versus enfoque de probabilidades imprecisas y sus respectivas subdivisiones)?

What are the methodological and practical implications? How do the diverse paradigms deal with the relationship between theory/hypothesis and evidence? These are some of the questions that the course addresses by resorting to a large philosophical and methodological literature devoted to the foundations of science, scientific inference, and pragmatic dimensions in scientific practice.

In particular, the course will focus on the following themes:

1. Epistemology and ontology of science: the demarcation problem;
2. Scientific uncertainty: Probability and the Foundations of Statistics;
3. (Formal) methods in the Science

Foundations of Econometrics I by Claudia Pigini

''Fundamentos de Econometría I y II" proporciona un marco esencial para comprender y aplicar métodos econométricos. Al abarcar la exploración de datos, el análisis de regresión, el modelado de predicción y la inferencia causal, los estudiantes obtienen habilidades prácticas utilizando RStudio. Las lecturas sugeridas complementan los conceptos teóricos. Ideal para aquellos buscando competencia en la toma de decisiones basada en datos en negocios, economía y políticas.

Bayesian Inference by Eric-Jan Wagenmakers

Este curso cubrirá la teoría y la práctica del "sentido común expresado en números", es decir, la inferencia bayesiana. En la primera parte del curso, usaré el modelo binomial para cubrir los componentes teóricos (por ejemplo, distribuciones previas y posteriores, coherencia, estimación de parámetros y prueba de hipótesis del factor Bayes, distribuciones previas vagas versus informadas, promedio de modelos, modelo especificaciones erróneas, etc.). En la segunda parte, mostraré la inferencia bayesiana en la práctica y presentaré pruebas t bayesianas, regresión, ANOVA y otros modelos.

Fundamentals of Machine Learning by Marco Piangerelli

El curso tiene como objetivo presentar de forma compacta los principales paradigmas del aprendizaje automático (aprendizaje supervisado, no supervisado y por refuerzo) mientras
presentando también sus bases estadísticas (teoría estadística del aprendizaje). También se presentarán los desarrollos más recientes en términos de explicabilidad e interpretabilidad de los modelos ML.

Statistical Schools: Concepts of Probability, Statistical Inference, and Data Analysis by Christian Hennig
The course will give a comparative overview of various concepts of probability, statistical inference, and data analysis. There will be a focus on the connection between statistical models and data in the real world, the role of model assumptions for analysing data, the limitations of objectivity and the necessity of judgment and subjective decision.

Second Semester, Part A

Time-series forecasting with Deep Learning by Alessandro Galdelli

Content:

• Introduction to Time-Series Analysis
• Fundamentals of Deep Learning for Time-Series
• Working with Time-Series Data
• Deep Learning Models for Time-Series Forecasting
• Advanced Forecasting Techniques
• Evaluation Metrics and Model Optimization
• Case Studies and Applications
• Future Trends and Challenges in Time-Series Forecasting

Causal Inference by Alexander Gebharter

Este curso se basa en conocimientos básicos establecidos en el curso "Causación y probabilidades" y algunas de las herramientas formales introducidas en el curso "Epistemología formal". Avanza aún más en los temas de estos cursos y proporciona una introducción a los modelos causales y las redes bayesianas interpretadas causalmente. Estas herramientas se pueden utilizar para formular hipótesis causales complejas con mayor precisión, generar predicciones probabilísticas basadas en la observación y la intervención hipotética y descubrir estructuras causales a partir de datos observacionales y experimentales. El curso combina contenidos y permitirá a los estudiantes familiarizarse con estas herramientas aplicándolas a diferentes tareas y ejemplos de juguetes.

Formal Epistemology II by Alexander Gebharter

"Epistemología formal I" y "Epistemología formal II" se basan en la base establecida por el curso "Epistemología" y, en partes posteriores, en los conceptos básicos introducidos al comienzo del curso "Inferencia causal". Explora los fundamentos y la dinámica del conocimiento y el razonamiento mediante la utilización de herramientas formales, especialmente la teoría de la probabilidad y modelos gráficos simples.

Bayesian Philosophy of Science by Stephan Hartmann

This course aims to show how Bayesian methods can be used to answer central questions in the philosophy of science. To this end, in the first part of the course, students will learn to construct Bayesian models (in particular using the theory of Bayesian networks) and apply them to selected problems. To this end, there will be two tutorial sessions in which students can train their mathematical problem-solving skills. In the second part, we will first briefly talk about different epistemic theories of epistemic justification and then focus on the debate on probabilistic measures of coherence discussed in formal epistemology.

We will then examine the possibilities of developing a coherentist Bayesian philosophy of science, focusing in particular on the extent to which this approach can shed light on current debates about scientific explanation and intertheoretical relations. Finally, we will discuss the (possible) limits of Bayesianism and coherentism.

Rationality in the Sciences by Barbara Osimani

What is scientific rationality? Are different sorts of rationality at play in scientific practice? If so, how do they intertwine and impact on scientific production? In particular, what role does strategic rationality play in scientific settings, especially those characterized by strong conflicts of interest?

¿Cómo lidiamos con la disidencia científica (en estos casos)? ¿Cuáles son las fuerzas que dan forma a la recopilación, selección, producción y divulgación/comunicación de evidencia científica en diversos ecosistemas científicos (pasados y presentes)? Este módulo investigará estos temas basándose en un enfoque de doble vía: el enfoque "abductivo" de los estudios de metaciencia, cuyo objetivo es desarrollar herramientas para la detección de sesgos y fraudes, y el enfoque teórico de la literatura reciente sobre juegos de persuasión (bayesianos).

Foundations of Econometrics II by Claudia Pigini

''Fundamentos de Econometría I y II" proporciona un marco esencial para comprender y aplicar métodos econométricos. Al abarcar la exploración de datos, el análisis de regresión, el modelado de predicción y la inferencia causal, los estudiantes obtienen habilidades prácticas utilizando RStudio. Las lecturas sugeridas complementan los conceptos teóricos. Ideal para aquellos buscando competencia en la toma de decisiones basada en datos en negocios, economía y políticas.

Formal Epistemology I by Michał Sikorski

"Epistemología formal I" y "Epistemología formal II" se basan en la base establecida por el curso "Epistemología" y, en partes posteriores, en conceptos básicos introducidos al comienzo del curso "Inferencia causal". Explora los fundamentos y la dinámica del conocimiento y el razonamiento mediante la utilización de herramientas formales, especialmente la teoría de la probabilidad y modelos gráficos simples.

Beyond Inferential Statistics: Abduction and Q Methodology by Raffaele Zanoli

Main Topics:

• Introducción Diferencias estadísticas y metodológicas entre estadística inferencial y no inferencial
• Induction, Deduction and Abduction
• Objetividad versus subjetividad: consideraciones epistemológicas y estadísticas
• Q Methodology and the Scientific Study of Subjectivity
• Examples and practicals

Second Semester, Part B

Artificial Intelligence & Logic Programming II by Aldo Dragoni

Content:

• Artificial Intelligence: history and difference between the logical-symbolic approach and the neural approach.
• First-order logic: Syntax, Semantics, Formal system.
• Método de resolución: teorema de Herbrand. Conversión a la forma clausal de una fórmula cerrada. El Principio de Resolución de las cláusulas suelo. Unificación.
• The Resolution Principle. Linear Resolution.
• Definite programs: Semantics. Correctness of SLD Resolution. The Occur-Check problem. Completeness of SLD Resolution. Independence
• From the Computation Rule. SLD Refutation Procedure. Computational adequacy of Definite Programs.
• Logic programming: PROLOG. Declarative programming.

Economics of Science and Technology by Nicola Matteucci

El curso presenta temas normativos y positivos (del latín positum) de la economía de la regulación y las políticas públicas, con un enfoque en sectores económicos basados en la ciencia (alta tecnología) y en grandes desafíos sociales cuya solución depende del conocimiento científico. La formulación de políticas se entiende en su definición más amplia, que abarca desde normas y políticas sectoriales detalladas (por ejemplo, políticas y regulaciones de salud) hasta una formulación de políticas más amplia (por ejemplo, políticas de desarrollo o ambientales). El curso gira en torno a las dos categorías fundamentales de “mercado” y “fallos del gobierno”, para presentar una revisión razonada (no sistemática) de trabajos influyentes que analizan las causas, mecanismos y consecuencias del fracaso y/o captura de las políticas. El principal trampolín del curso es el lobby científico.

Economics of Regulation in Science-Based Domains by Nicola Matteucci

El curso presenta temas normativos y positivos (del latín positum) de la economía de la regulación y las políticas públicas, con un enfoque en sectores económicos basados en la ciencia (alta tecnología) y en grandes desafíos sociales cuya solución depende del conocimiento científico. La formulación de políticas se entiende en su definición más amplia, que abarca desde normas y políticas sectoriales detalladas (por ejemplo, políticas y regulaciones de salud) hasta una formulación de políticas más amplia (por ejemplo, políticas de desarrollo o ambientales).

El curso gira en torno a las dos categorías fundamentales de “mercado” y “fallos del gobierno”, para presentar una revisión razonada (no sistemática) de trabajos influyentes que analizan las causas, mecanismos y consecuencias del fracaso y/o captura de las políticas. El principal trampolín del curso es el lobby científico.

Questionnaire development: How to collect data from surveys. Do's and Don'ts by Simona Naspetti

Este curso proporciona una descripción general del desarrollo de cuestionarios y estrategias para recopilar datos a través de encuestas. Los participantes aprenderán cómo diseñar e implementar encuestas para recopilar datos precisos y significativos. A través de conferencias, estudios de casos y actividades interactivas, los participantes obtendrán habilidades prácticas y conocimientos sobre lo que se debe y no se debe hacer en el desarrollo de cuestionarios.

Time Series Econometrics by Giulio Palomba

Main topics:

• Time series data and stochastic processes
• Dynamic models
• ARMA models
• Unit roots
• VAR models
• Cointegration
• GARCH models

La integridad de la investigación por Andrea Saltelli

Las diversas dimensiones de la integridad de la investigación están organizadas en términos de normas, funciones y unidad. Las normas se refieren a cómo la ciencia se ajusta o se desvía de los estándares normativos. Las funciones se relacionan con cómo la ciencia y la investigación están dotadas de un mecanismo funcional y no dañado. El tercer significado se refiere a la noción de ciencia como una entidad ininterrumpida e indivisa. El curso también sirve como una introducción a los elementos históricos, filosóficos y sociológicos de la ciencia, principalmente del campo de los Estudios de Ciencia y Tecnología (CTS), y tiene una sección sobre ciencia y lobby.

Ethics of Quantification by Andrea Saltelli

El curso presenta una mezcla de elementos estadísticos y sociológicos vinculados a diversas formas de cuantificación estadística y matemática y su calidad técnica y normativa. Se presentarán el análisis de sensibilidad y la auditoría de sensibilidad como metodologías relevantes para el análisis de la calidad, con una discusión de las propiedades de los métodos disponibles. Otros temas cubiertos son la política de modelización, la modelización participativa y la sociología de la cuantificación.

Imprecise Probabilities by Serena Doria

Unlike classical probability theory, which deals with crisp probabilities, imprecise probability acknowledges the limitations of perfect knowledge. It provides a robust and versatile approach to situations where information is scarce, incomplete, or unreliable. We will begin by examining the motivations behind imprecise previsions and probabilities and contrasting them with classical probability theory. We will explore the necessary mathematical tools to represent imprecise probabilities and we will explore how this framework can be used in artificial intelligence and decision theory.

Rational Choice Theory by Giacomo Sillari

This course delves into Rational Choice Theory, exploring decision-making in conditions of risk, ignorance, and uncertainty. It begins by examining how decisions are made when outcomes are unknown, with particular focus on philosophical applications such as maximin in Rawls's difference principle and the debate with Harsanyi.

A partir de esto, el curso pasa a diferentes interpretaciones de la probabilidad, con especial atención a la probabilidad subjetiva y al teorema del libro holandés. Luego, el curso cubre la Teoría de la Utilidad Esperada desde un punto de vista fundamental, revisando la maquinaria relacionada con el teorema de representación y concluye con la Racionalidad Estratégica, enfocándose en cómo los individuos toman decisiones en entornos estratégicos donde los resultados dependen de las acciones de otros, particularmente en lo que respecta a la coordinación. y cooperación.

El Máster está dirigido a estudiantes y académicos tanto de las ciencias humanas como de las disciplinas STEM, pero también a profesionales que quieran enriquecer sus habilidades en el campo del análisis de datos, la epistemología científica y las políticas basadas en evidencia. La figura que emerge es esencialmente la de un analista de datos, con una rica formación metodológica y fundacional, pero el Máster también puede contribuir a enriquecer el perfil educativo de periodistas, políticos y profesionales de cualquier sector (desde el económico hasta el sanitario y el jurídico). .

Al finalizar la Maestría, los estudiantes podrán evaluar la mejor metodología científica a utilizar para su investigación; analizar datos y estudios de otros en su sector específico de investigación y ofrecer servicios de consultoría a los responsables políticos. Los periodistas y los responsables políticos habrán adquirido las herramientas críticas para orientarse en el suministro de información producida en los distintos sectores científicos.