BRESCIA (ITALPRESS) – Alice Gatti e Alessandro Guiscardi sono i primi due Data Scientist dell’Università Cattolica del Sacro Cuore. Sono giunti infatti al traguardo della laurea a Brescia i primi due studenti del corso magistrale in Applied data science for banking and finance, attivato dalla facoltà di Scienze matematiche, fisiche e naturali dell’Ateneo, in collaborazione con Scienze bancarie, finanziarie e assicurative. Le loro tesi si sono occupate di “giustizia e equità” degli algoritmi che gestiscono i dati personali.
Alice Gatti aveva già conseguito una laurea triennale in Matematica con curriculum in Informatica conseguita alla Cattolica di Brescia. Il tema principale del suo lavoro finale per la laurea in Applied data science for banking and finance, coordinato dal professore Enrico Barbierato, è il data fairness, ovvero la “giustizia nei dati”.
“Il motivo principale per cui mi sono concentrata su questo argomento è che la presenza di errori nei dataset usati per fare delle scelte fondamentali può condurre alla discriminazione verso certi individui o gruppi di individui. La mia proposta è un prototipo di un software che eviti queste discriminazioni”, spiega Gatti. “Penso che sia fondamentale questa laurea perchè ha la possibilità di preparare la persona da tre punti di vista, matematica, informatica ed economia, che interagiscono fortemente”, aggiunge.
Anche Alessandro Guiscardi, laurea triennale in Economia, si è laureato lo stesso giorno di Alice con una tesi dedicata a “Evaluating data bias and fairness and their impacts on machine learning applications”, con il professore Daniele Tessera come relatore. L’ambito è quello dell’intelligenza artificiale e del machine learning, in particolare la cosiddetta data fairness. “Mi sono concentrato sullo studio dell’impatto che il bias esistente nei dati può avere sull’equità (fairness) dei modelli di machine learning usati per la classificazione – spiega Guiscardi -. Per bias si intendono tutti quei giudizi e credenze errate che hanno plasmato in modo diretto o indiretto i dati raccolti. Il mio lavoro ha avuto poi come secondo scopo lo studio dell’efficacia di alcune tecniche di mitigazione del bias, ossia metodi con i quali si cerca di ridurre l’iniquità presente nei dati o nell’applicazione di intelligenza artificiale che è stata addestrata su quei dati”.
Il corso di laurea magistrale in Applied Data Science for Banking and Finance è stato attivato due anni dalla facoltà di Scienze matematiche, fisiche e naturali, in collaborazione con Scienze bancarie, finanziarie e assicurative con l’obiettivo di formare figure professionali che si occupino della raccolta, elaborazione, presentazione dei dati e in grado di proporre soluzioni innovative a supporto delle decisioni strategiche dell’impresa.
Alice Gatti aveva già conseguito una laurea triennale in Matematica con curriculum in Informatica conseguita alla Cattolica di Brescia. Il tema principale del suo lavoro finale per la laurea in Applied data science for banking and finance, coordinato dal professore Enrico Barbierato, è il data fairness, ovvero la “giustizia nei dati”.
“Il motivo principale per cui mi sono concentrata su questo argomento è che la presenza di errori nei dataset usati per fare delle scelte fondamentali può condurre alla discriminazione verso certi individui o gruppi di individui. La mia proposta è un prototipo di un software che eviti queste discriminazioni”, spiega Gatti. “Penso che sia fondamentale questa laurea perchè ha la possibilità di preparare la persona da tre punti di vista, matematica, informatica ed economia, che interagiscono fortemente”, aggiunge.
Anche Alessandro Guiscardi, laurea triennale in Economia, si è laureato lo stesso giorno di Alice con una tesi dedicata a “Evaluating data bias and fairness and their impacts on machine learning applications”, con il professore Daniele Tessera come relatore. L’ambito è quello dell’intelligenza artificiale e del machine learning, in particolare la cosiddetta data fairness. “Mi sono concentrato sullo studio dell’impatto che il bias esistente nei dati può avere sull’equità (fairness) dei modelli di machine learning usati per la classificazione – spiega Guiscardi -. Per bias si intendono tutti quei giudizi e credenze errate che hanno plasmato in modo diretto o indiretto i dati raccolti. Il mio lavoro ha avuto poi come secondo scopo lo studio dell’efficacia di alcune tecniche di mitigazione del bias, ossia metodi con i quali si cerca di ridurre l’iniquità presente nei dati o nell’applicazione di intelligenza artificiale che è stata addestrata su quei dati”.
Il corso di laurea magistrale in Applied Data Science for Banking and Finance è stato attivato due anni dalla facoltà di Scienze matematiche, fisiche e naturali, in collaborazione con Scienze bancarie, finanziarie e assicurative con l’obiettivo di formare figure professionali che si occupino della raccolta, elaborazione, presentazione dei dati e in grado di proporre soluzioni innovative a supporto delle decisioni strategiche dell’impresa.
– foto ufficio stampa Università Cattolica –
(ITALPRESS).
