Corsi

 

 

Economia e Politica Industriale e Regionale (18 ore-primo anno di dottorato)

Il corso si concentra sull'analisi del settore industriale e delle politiche governative che influenzano la struttura, il comportamento e le performance delle industrie, nonché lo studio delle regolamentazioni per prevenire pratiche monopolistiche e promuovere la concorrenza leale. Il corso offre anche strumenti di analisi economica territoriale, che riguardano le loro dinamiche di sviluppo, regionale e le politiche economiche che possono influenzarne la crescita e il benessere.

 

Cultural and Creative Economics (18 ore-primo anno di dottorato)

Corso interdisciplinare che fornisce strumenti e metodi per analizzare l’impatto diretto delle industrie culturali e creative per lo sviluppo economico. Questo corso offre strumenti per la misurazione dell’impatto indiretto che tali industrie producono su: innovazione, coesione sociale e lo sviluppo urbano.

 

Experimental and Behavioral Economics (18 ore-primo anno di dottorato)

Corso interdisciplinare basato sulla metodologia sperimentale quale approccio alla ricerca negli studi economici in combinazione con l’economia matematica. Il corso fornisce una comprensione approfondita delle scelte e delle strategie economiche, nonché dei dilemmi sociali ripetuti, in particolare attraverso la progettazione e la conduzione di esperimenti con individui e incentivi reali. Ciò include l’analisi del processo decisionale, lo studio dell’economia comportamentale, le ricerche al confine tra la teoria economica e le scienze cognitive, le attività di testing di ipotesi e verifica di modelli, fino agli esperimenti volti a valutare ex-ante le politiche economiche e gli strumenti progettuali.

 

Bio-behavioral and Neuroeconomics (12 ore-primo anno di dottorato)

Corso interdisciplinare che combina principi e metodi della biologia, della psicologia comportamentale e dell'economia per comprendere meglio il comportamento umano nei contesti economici. Questo corso integra le conoscenze biologiche sul funzionamento del cervello e dei sistemi fisiologici con le teorie economiche tradizionali e i modelli comportamentali per spiegare come le persone prendono decisioni economiche.

 

Metodi quantitativi per l’economia (18 ore-primo anno di dottorato)

Il corso offre gli strumenti per l’analisi quantitativa nelle scienze economiche. Tra questi:

- Non Linear Effects

- Non Linear models

- Selection Bias and matching estimators

- Instrumental variables

 

Metodi Bayesiani e Modelli Lineari Generalizzati (12 ore-primo anno di dottorato)

Questo corso fornisce ai ricercatori un'introduzione ai metodi bayesiani e ai modelli lineari generalizzati (GLM). Esso copre concetti fondamentali, metodologie e tecniche di programmazione sia nella statistica bayesiana che nei GLM. I partecipanti acquisiranno esperienza pratica nell'implementazione di questi metodi utilizzando linguaggi di programmazione popolari come R e MATLAB.

 

Introduzione all inferenza statistica (12 ore-primo anno di dottorato)

Questo corso mira ad introdurre gli elementi base della teoria dell'inferenza statistica con approccio classico/frequentista con particolare riguardo all'aspetto asintotico. I prerequisiti riguardano i contenuti di matematicale generale, calcolo delle probabilità ed algebra matriciale.

 

Functional Data Analysis (12 ore-primo anno di dottorato)

Il corso ha l’obiettivo di introdurre le principali tecniche matematiche statistiche che possono essere applicate per analizzare dati che possono essere rappresentati come funzioni ad esempio serie temporali. Si studiano problemi di riduzione dimensionale, classificazione e clustering. Il corso è integrato con un laboratorio informatico durante la quale verranno mostrati esempi pratici di analisi dei dati funzionali su casi di studio specifici in modo che lo studente sviluppi anche le competenze computazionali necessarie.

 

Introduzione al Machine Learning e Reti Neurali (15 ore-primo anno di dottorato)

Il corso intende fornire i fondamenti teorici e le metodologie di base del Machine Learning e delle principali strutture di Reti Neurali per risolvere problemi di apprendimento automatico di tipo supervisionato. I partecipanti acquisiranno esperienza pratica nell'implementazione di questi metodi utilizzando linguaggi di programmazione quali R, Matlab o Python.Programma del corso:

- Introduzione al ML

- Predictive models

- Generative models

- Gaussian Processes

- Reti Neurali:

- Multilayer perceptrons (MLPs)

- Convolutional neural networks (CNNs)

- Recurrent neural networks (RNNs) e NN per “sequenze” di dati

L'insegnamento prevede di completare la formazione dello studente con nozioni e strumenti utili ad approfondire gli aspetti dell’analisi statistica multivariata per dati complessi.