
Магистр по статистике, анализу данных и основам наук
Ancona, Италия
ПРОДОЛЖИТЕЛЬНОСТЬ
1 Years
ЯЗЫКИ
Английский
ТЕМП
На постоянной основе
КРАЙНИЙ СРОК ПОДАЧИ ЗАЯВОК
Запросить срок подачи заявки
САМАЯ РАННЯЯ ДАТА НАЧАЛА
Sep 2025
ПЛАТА ЗА ОБУЧЕНИЕ
Запросить стоимость обучения
ФОРМАТ ОБУЧЕНИЯ
В кампусе
Введение
Магистратура по статистике, анализу данных и основам наук предоставляет уникальную возможность не только получить технические знания о методах анализа и обработки данных с помощью практических занятий на самых популярных платформах (Python, STATA, R, Matlab), но и понять их эпистемическое обоснование и фундамент. В магистратуре сочетаются курсы по STEM (статистика, эконометрика, теория игр, машинное обучение, глубокое обучение, ИИ и логическое программирование) с курсами по основам научного метода, эпистемологии и философии науки, посвященными теоретическим основам, которые лежат в основе столь разнообразных методов вывода и которые, возможно, их оправдывают.
Этот выбор направлен на то, чтобы представить инференциальные методологии в перспективе и рассмотреть/формализовать их также в рамках научной экосистемы, в которую они встроены: это подразумевает всесторонний взгляд на "процесс генерирования данных" как на паутину сложной динамики, лежащей в основе выборки, хранения, интерпретации и раскрытия данных.
Курсы STEM демонстрируют богатую панораму методов вывода и направлены на решение конкретных исследовательских задач (прогнозирование, анализ временных рядов, биостатистика и эпидемиология, глубокое обучение, каузальное моделирование, выбор модели, анализ рисков и анализ чувствительности), используя самые последние методологические разработки. Это способствует глубокому пониманию их обоснования, возможностей и ограничений, позволяя студентам сравнивать проблемы и наборы инструментов в различных контекстах исследования или анализа данных.
Основополагающие курсы посвящены теории вероятностей, неточным вероятностям, теории рационального выбора, теории причинности, основам статистики, логике научных методов, байесовской и формальной эпистемологии и рассматривают такие метапроблемы, как проблема демаркации (что такое наука и по каким критериям), разногласия коллег, агрегирование суждений, поляризация убеждений, типы умозаключений (например, абдукция, аналоговые умозаключения), метанаука, научный лоббизм, добросовестность исследований, политика, основанная на доказательствах, регулирование науки и экономика науки.
По окончании магистратуры студенты смогут оценить, какую научную методологию лучше использовать для своего исследования, проанализировать данные и исследования других ученых в своем конкретном секторе исследований и предложить консультационные услуги политикам. Журналисты и лица, принимающие политические решения, получат важнейшие инструменты, позволяющие ориентироваться в информации, предоставляемой различными научными секторами.
Прием
Учебный план
First Semester, Part A
Tutorial: Introduction to STATA for Data Analysis by Riccardo Cappelli
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.
Risk and Decision-Making for Data Science and AI by Norman Fenton
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.
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
Этот курс представляет собой ускоренный курс по основам теории вероятностей, за которым следует обзор причинно-следственных связей, связанных с вероятностями. Общая идея состоит в том, что причинная структура объясняет различные виды вероятностной зависимости. Хотя знание корреляции является полезным инструментом для прогнозирования, только причинно-следственная информация обеспечивает надежное руководство для контроля над окружающей средой.
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
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.
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
Этот курс основан на новой книге Эллиота Собера «Философия эволюционной теории». Это
охватывает такие темы, как единицы отбора и общее происхождение, которые глубоко связаны с вероятностными рассуждениями.
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.
- Метод разрешения: теорема Эрбрана. Преобразование к клаузальной форме замкнутой формулы. Принцип разрешения для основных положений. Объединение.
- 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)
- Принципы оценки размера выборки, д-р Андреа Фарагалли (4 часа)
- Principles of systematic review and meta-analysis, Dr. Marica Iommi (4 hours)
Foundations of the Sciences by Barbara Osimani
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)?
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:
- Epistemology and ontology of science: the demarcation problem;
- Scientific uncertainty: Probability and the Foundations of Statistics;
- (Formal) methods in the Science
Foundations of Econometrics I by Claudia Pigini
«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.
Bayesian Inference by Eric-Jan Wagenmakers
Этот курс будет охватывать теорию и практику «здравого смысла, выраженного в числах», то есть байесовского вывода. В первой части курса я буду использовать биномиальную модель для охвата теоретических строительных блоков (например, априорных и апостериорных распределений, согласованности, оценки параметров и проверки гипотезы байесовского фактора, расплывчатых и информированных априорных распределений, усреднения модели, модели неверная спецификация и др.). Во второй части я продемонстрирую байесовский вывод на практике и расскажу о байесовских t-критериях, регрессии, дисперсионном анализе и других моделях.
Fundamentals of Machine Learning by Marco Piangerelli
Целью курса является компактное представление основных парадигм машинного обучения (обучение с учителем, без учителя и обучение с подкреплением).
также представляют их статистическую основу (статистическую теорию обучения). Также будут представлены самые последние разработки с точки зрения объяснимости и интерпретируемости моделей 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
Этот курс основан на базовых идеях, полученных в курсе «Причинно-следственная связь и вероятности», а также на некоторых формальных инструментах, представленных в курсе «Формальная эпистемология». Он развивает темы этих курсов и знакомит с причинно-следственными моделями и причинно-интерпретируемыми байесовскими сетями. Эти инструменты можно использовать для более точной формулировки сложных причинно-следственных гипотез, создания вероятностных прогнозов на основе наблюдений и гипотетического вмешательства, а также для выявления причинных структур на основе данных наблюдений и экспериментов. Курс объединяет содержание и позволит учащимся ознакомиться с этими инструментами, применяя их к различным задачам и игрушечным примерам.
Formal Epistemology II by Alexander Gebharter
«Формальная эпистемология I» и «Формальная эпистемология II» построены на основе, заложенной в курсе «Эпистемология», а в последующих частях — на базовых понятиях, представленных в начале курса «Причинный вывод». Он исследует основы и динамику знаний и рассуждений, используя формальные инструменты, особенно теорию вероятностей и простые графические модели.
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?
Как мы поступаем с научным инакомыслием (в таких случаях)? Каковы силы, определяющие сбор, отбор, производство и раскрытие/передачу научных данных в различных научных экосистемах (прошлые и настоящие)? В этом модуле эти темы будут исследованы, опираясь на двойной подход: «абдуктивный» подход метанаучных исследований, целью которого является разработка инструментов для обнаружения предвзятости и мошенничества, а также теоретический подход, описанный в современной литературе по (байесовским) играм убеждения.
Foundations of Econometrics II by Claudia Pigini
«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.
Formal Epistemology I by Michał Sikorski
«Формальная эпистемология I» и «Формальная эпистемология II» построены на основе, заложенной в курсе «Эпистемология», а в последующих частях – на базовых понятиях, представленных в начале курса «Причинный вывод». Он исследует основы и динамику знаний и рассуждений, используя формальные инструменты, особенно теорию вероятностей и простые графические модели.
Beyond Inferential Statistics: Abduction and Q Methodology by Raffaele Zanoli
Main Topics:
- Введение Статистические и методологические различия между инференциальной и неинференциальной статистикой.
- Induction, Deduction and Abduction
- Объективность против субъективности: эпистемологические и статистические соображения
- 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.
- Метод разрешения: теорема Эрбрана. Преобразование к клаузальной форме замкнутой формулы. Принцип разрешения для основных положений. Объединение.
- 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
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 фундаментальных категорий «рынок» и «провалы правительства», чтобы представить аргументированный (несистематический) обзор влиятельных работ, анализирующих причины, механизмы и последствия политических неудач и/или захвата. Главной ступенькой этого курса является научный лоббизм.
Economics of Regulation in Science-Based Domains by Nicola Matteucci
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 фундаментальных категорий «рынок» и «провалы правительства», чтобы представить аргументированный (несистематический) обзор влиятельных работ, анализирующих причины, механизмы и последствия политических неудач и/или захвата. Главной ступенькой этого курса является научный лоббизм.
Questionnaire development: How to collect data from surveys. Do's and Don'ts by Simona Naspetti
В этом курсе представлен обзор разработки вопросников и стратегий сбора данных посредством опросов. Участники узнают, как разрабатывать и проводить опросы для сбора точных и значимых данных. Посредством лекций, тематических исследований и интерактивных занятий участники получат практические навыки и понимание того, что можно и чего нельзя делать при разработке анкет.
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
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.
Ethics of Quantification by Andrea Saltelli
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.
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.
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.
Результат программы
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, которую можно использовать для своих исследований; анализировать данные и исследования других лиц в своем конкретном секторе исследований и предлагать консультативные услуги политикам. Журналисты и лица, принимающие политические решения, приобретут важнейшие инструменты, позволяющие ориентироваться в предоставлении информации, производимой в различных научных секторах.
Требования к знанию английского языка
Подтвердите свое знание английского языка с помощью теста Duolingo English Test! DET — это удобный, быстрый и доступный онлайн-тест по английскому языку, который принимают более 4000 университетов (таких как этот) по всему миру.