Master en statistiques, intelligence des données et fondements des sciences

First Semester, Part A

Tutorial: Introduction to STATA for Data Analysis by Riccardo Cappelli

STATA est un logiciel statistique largement utilisé dans l'analyse de données et la recherche statistique. Ce cours vise à aider les étudiants à se familiariser avec les fondamentaux de STATA. Un aperçu des principales techniques STATA sera fourni ainsi que l'application de ces techniques aux données du monde réel.

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

Ce module fournit un aperçu complet des défis liés à l'évaluation des risques, à la prévision et à la prise de décision concernant la santé publique et la médecine, le droit, la stratégie gouvernementale, la sécurité des transports et la protection des consommateurs. Les étudiants apprendront à voir à travers une grande partie de la confusion sur le risque dans le discours public et recevront des méthodes et des outils pour une meilleure évaluation des risques qui peuvent être directement appliqués à la prise de décision personnelle, de groupe et stratégique.

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

Ce cours propose un cours intensif sur les bases de la théorie des probabilités, suivi d'un aperçu des récits de causalité liés aux probabilités. L’idée générale est que la structure causale explique divers types de dépendance probabiliste. Même si la connaissance de la corrélation constitue un outil de prédiction utile, seules les informations causales fournissent un guide fiable pour contrôler son environnement.

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

Le cours est structuré pour guider les apprenants dans la programmation Python, depuis les concepts fondamentaux jusqu'aux techniques avancées de science des données. Cela commence par une introduction à Python pour comprendre les principes fondamentaux de la programmation, y compris les structures de données. La dernière partie du cours présente de puissantes bibliothèques pour la science des données : NumPy, SciPy et 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

Ce cours est basé sur le nouveau livre d'Elliot Sober « The Philosophy of Evolutionary Theory ». Il
couvre des sujets tels que les unités de sélection et l'ascendance commune, tous profondément liés au raisonnement probabiliste.

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.
• Méthode de résolution : Théorème de Herbrand. Conversion à la forme clause d'une formule fermée. Le principe de résolution pour les clauses fondamentales. Unification.
• 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)
• Principes de l'estimation de la taille de l'échantillon, Dr Andrea Faragalli (4 heures)
• Principles of systematic review and meta-analysis, Dr. Marica Iommi (4 hours)

Foundations of the Sciences by Barbara Osimani

Contenu : Qu'est-ce que la science ? Qui dit ce qu’est la science, avec quelle autorité et selon quels critères ? Qu'est-ce qui justifie la connaissance scientifique ? Ses fondements, le cas échéant, sont-ils de nature logique, métaphysique ou pratique ? Quelles sont les raisons d’agir sur cette base ? Quels sont les principaux outils permettant d’approfondir notre connaissance de la réalité ? Comment évaluer leur adéquation et leur fiabilité ? Qu’est-ce qui distingue une méthode scientifique des autres sources de connaissances ? Qu'est-ce qui distingue les différentes approches de l'inférence statistique (par exemple, approche fréquentiste, école bayésienne et approche des probabilités imprécises, et leurs subdivisions respectives) ?

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

« Foundation of Econometrics I & II » fournit un cadre essentiel pour comprendre et appliquer les méthodes économétriques. Couvrant l'exploration des données, l'analyse de régression, la modélisation de prédiction et l'inférence causale, les étudiants acquièrent des compétences pratiques en utilisant RStudio. Les lectures suggérées complètent les concepts théoriques. Idéal pour ceux à la recherche de compétences dans la prise de décision basée sur les données dans les domaines des affaires, de l'économie et des politiques.

Bayesian Inference by Eric-Jan Wagenmakers

Ce cours couvrira la théorie et la pratique du « bon sens exprimé en chiffres », c'est-à-dire l'inférence bayésienne. Dans la première partie du cours, j'utiliserai le modèle binomial pour couvrir les éléments de base théoriques (par exemple, distributions antérieures et postérieures, cohérence, estimation des paramètres et tests d'hypothèse du facteur Bayes, distributions antérieures vagues ou informées, moyenne du modèle, modèle spécification erronée, etc.). Dans la deuxième partie, je présenterai l'inférence bayésienne en pratique et présenterai les tests t bayésiens, la régression, l'ANOVA et d'autres modèles.

Fundamentals of Machine Learning by Marco Piangerelli

Le cours vise à présenter de manière compacte les principaux paradigmes de l'apprentissage automatique (apprentissage supervisé, non supervisé et par renforcement) tout en
présentant également leur base statistique (théorie de l'apprentissage statistique). Les développements les plus récents en termes d'explicabilité et d'interprétabilité des modèles ML seront également présentés.

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

Ce cours s'appuie sur les connaissances de base établies dans le cours « Causalité et probabilités » et sur certains des outils formels introduits dans le cours « Épistémologie formelle ». Il fait progresser les sujets de ces cours et fournit une introduction aux modèles causals et aux réseaux bayésiens interprétés de manière causale. Ces outils peuvent être utilisés pour formuler plus précisément des hypothèses causales complexes, pour générer des prédictions probabilistes basées sur l'observation et une intervention hypothétique, et pour découvrir des structures causales à partir de données d'observation et expérimentales. Le cours combine des contenus et permettra aux étudiants de se familiariser avec ces outils en les appliquant à différentes tâches et exemples de jouets.

Formal Epistemology II by Alexander Gebharter

« Épistémologie formelle I » et « Épistémologie formelle II » s'appuient sur les bases posées par le cours « Épistémologie » et dans les parties ultérieures sur les concepts de base introduits au début du cours « Inférence causale ». Il explore les fondements et la dynamique de la connaissance et du raisonnement en utilisant des outils formels, notamment la théorie des probabilités et des modèles graphiques 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?

Comment traitons-nous la dissidence scientifique (dans ces cas) ? Quelles sont les forces qui façonnent la collecte, la sélection, la production et la divulgation/communication des preuves scientifiques dans divers écosystèmes scientifiques (passés et présents) ? Ce module étudiera ces thématiques en s'appuyant sur une double approche : l'approche « abductive » des études métascientifiques, qui vise à développer des outils de détection des biais et des fraudes, et l'approche théorique de la littérature récente sur les jeux de persuasion (bayésiens).

Foundations of Econometrics II by Claudia Pigini

« Foundation of Econometrics I & II » fournit un cadre essentiel pour comprendre et appliquer les méthodes économétriques. Couvrant l'exploration des données, l'analyse de régression, la modélisation de prédiction et l'inférence causale, les étudiants acquièrent des compétences pratiques en utilisant RStudio. Les lectures suggérées complètent les concepts théoriques. Idéal pour ceux à la recherche de compétences dans la prise de décision basée sur les données dans les domaines des affaires, de l'économie et des politiques.

Formal Epistemology I by Michał Sikorski

« Épistémologie formelle I » et « Épistémologie formelle II » s'appuient sur les bases posées par le cours « Épistémologie » et dans les parties ultérieures sur les concepts de base introduits au début du cours « Inférence causale ». Il explore les fondements et la dynamique de la connaissance et du raisonnement en utilisant des outils formels, notamment la théorie des probabilités et des modèles graphiques simples.

Beyond Inferential Statistics: Abduction and Q Methodology by Raffaele Zanoli

Main Topics:

• Introduction Différences statistiques et méthodologiques entre statistiques inférentielles et non inférentielles
• Induction, Deduction and Abduction
• Objectivité vs subjectivité : considérations épistémologiques et statistiques
• 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.
• Méthode de résolution : Théorème de Herbrand. Conversion à la forme clause d'une formule fermée. Le principe de résolution pour les clauses fondamentales. Unification.
• 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

Le cours présente des sujets normatifs et positifs (du latin positum) sur l'économie de la régulation et des politiques publiques, en mettant l'accent sur les secteurs économiques fondés sur la science (haute technologie) et sur les grands défis sociétaux dont la solution repose sur les connaissances scientifiques. L'élaboration de politiques s'entend dans sa définition la plus large, allant des normes et politiques sectorielles détaillées (par exemple, politique et réglementation de la santé) à l'élaboration de politiques plus larges (par exemple, politique de développement ou d'environnement). Le cours s'articule autour des deux catégories fondamentales de « marché » et d'« échecs du gouvernement », pour présenter une revue raisonnée (non systématique) d'ouvrages influents analysant les causes, les mécanismes et les conséquences de l'échec et/ou de la capture des politiques. Le principal tremplin du cours est le lobbyisme scientifique.

Economics of Regulation in Science-Based Domains by Nicola Matteucci

Le cours présente des sujets normatifs et positifs (du latin positum) sur l'économie de la régulation et des politiques publiques, en mettant l'accent sur les secteurs économiques fondés sur la science (haute technologie) et sur les grands défis sociétaux dont la solution repose sur les connaissances scientifiques. L'élaboration de politiques s'entend dans sa définition la plus large, allant des normes et politiques sectorielles détaillées (par exemple, politique et réglementation de la santé) à l'élaboration de politiques plus larges (par exemple, politique de développement ou d'environnement).

Le cours s'articule autour des deux catégories fondamentales de « marché » et d'« échecs du gouvernement », pour présenter une revue raisonnée (non systématique) d'ouvrages influents analysant les causes, les mécanismes et les conséquences de l'échec et/ou de la capture des politiques. Le principal tremplin du cours est le lobbyisme scientifique.

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

Ce cours fournit un aperçu de l'élaboration de questionnaires et des stratégies de collecte de données au moyen d'enquêtes. Les participants apprendront comment concevoir et mettre en œuvre des enquêtes pour recueillir des données précises et significatives. Grâce à des conférences, des études de cas et des activités interactives, les participants acquerront des compétences pratiques et des connaissances sur les choses à faire et à ne pas faire lors de l'élaboration de questionnaires.

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

L'intégrité de la recherche par Andrea Saltelli

Les différentes dimensions de l’intégrité de la recherche sont organisées en termes de normes, de fonctions et d’unité. Les normes font référence à la manière dont la science se conforme ou s’écarte des normes normatives. Les fonctions concernent la manière dont la science et la recherche sont dotées d’un mécanisme fonctionnel et non endommagé. Le troisième sens concerne la notion de science en tant qu’entité ininterrompue et indivise. Le cours sert également d'introduction aux éléments historiques, philosophiques et sociologiques de la science, provenant principalement du domaine des études scientifiques et technologiques (STS), et comporte une section sur la science et le lobbying.

Ethics of Quantification by Andrea Saltelli

Le cours présente un mélange d'éléments statistiques et sociologiques liés aux diverses formes de quantification statistique et mathématique et à leur qualité technique et normative. L'analyse de sensibilité et l'audit de sensibilité seront présentés comme des méthodologies pertinentes pour l'analyse de la qualité, avec une discussion des propriétés des méthodes disponibles. Les autres sujets abordés sont la politique de la modélisation, la modélisation participative et la sociologie de la quantification.

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.

À partir de là, le cours aborde différentes interprétations de la probabilité, avec une attention particulière accordée à la probabilité subjective et au théorème du livre néerlandais. Le cours couvre ensuite la théorie de l'utilité attendue d'un point de vue fondamental, passant en revue les mécanismes liés au théorème de représentation et se termine par la rationalité stratégique, en se concentrant sur la façon dont les individus prennent des décisions dans des environnements stratégiques où les résultats dépendent des actions des autres, en particulier en matière de coordination. et la coopération.

Le Master s'adresse aux étudiants et chercheurs des disciplines des sciences humaines et des STEM, mais également aux professionnels qui souhaitent enrichir leurs compétences dans le domaine de l'analyse des données, de l'épistémologie scientifique et des politiques fondées sur des preuves. La figure qui émerge est essentiellement celle d'un analyste de données, avec une riche formation méthodologique et fondamentale, mais le Master peut très bien également contribuer à enrichir le profil pédagogique des journalistes, des hommes politiques et des professionnels de tous les secteurs (de l'économie à la santé en passant par le juridique). .

A la fin du Master, les étudiants seront en mesure d'évaluer la meilleure méthodologie scientifique à utiliser pour leur enquête ; analyser les données et les études d'autrui dans leur secteur de recherche spécifique et offrir des services de conseil aux décideurs politiques. Les journalistes et les décideurs politiques auront acquis les outils critiques pour s'orienter dans la fourniture de l'information produite dans les différents secteurs scientifiques.