CHI SIAMO

RIDS – RES Institute for Data Science è un laboratorio di ricerca metodologica e applicata in Data Science finanziato dal Gruppo RES con sede presso il Dipartimento di Scienze Politiche e Sociali dell’Università di Pavia.

Si occupa di problemi che necessitano di una modellistica statistica e matematica innovativa nell’ambito del Data Science e del Big Data Analytics.

RIDS si propone per sviluppare progetti innovativi e di natura sperimentale, usufruendo delle competenze computazionali presenti nel laboratorio.

Questo laboratorio si avvale di un comitato scientifico che riunisce docenti e ricercatori dei Dipartimenti dell’Università di Pavia e collabora con ingegneri matematici e data scientist dell’R&D del gruppo RES per uscire dalla ricerca universitaria pura e fornire nuovi prodotti da posizionare sul mercato.

Il laboratorio nasce dall’esigenza del Mercato di poter collaborare con il mondo Universitario. All’interno del RIDS vengono infatti ingegnerizzati modelli innovativi derivanti dalla ricerca universitaria per lo sviluppo di nuovi prodotti da posizionare sul mercato.

IL LABORATORIO

RIDS è costituito da Professori, Ricercatori e Dottorandi dell’Università di Pavia e dagli Ingegneri del Dipartimento di Ricerca e Sviluppo del Gruppo RES.
Nel Laboratorio affrontiamo temi di grande attualità, che provengono da richieste di centri di ricerca, aziende e organizzazioni con la necessità di gestire i loro dati.
Tra questi:

RIDS – RES Institute for Data Science è un laboratorio di ricerca metodologica e applicata in Data Science finanziato dal Gruppo RES con sede presso il Dipartimento di Scienze Politiche e Sociali dell’Università di Pavia.

Si occupa di problemi che necessitano di una modellistica statistica e matematica innovativa nell’ambito del Data Science e del Big Data Analytics.

RIDS si propone per sviluppare progetti innovativi e di natura sperimentale, usufruendo delle competenze computazionali presenti nel laboratorio.

Questo laboratorio si avvale di un comitato scientifico che riunisce docenti e ricercatori dei Dipartimenti dell’Università di Pavia e collabora con ingegneri matematici e data scientist dell’R&D del gruppo RES per uscire dalla ricerca universitaria pura e fornire nuovi prodotti da posizionare sul mercato.

Il laboratorio nasce dall’esigenza del Mercato di poter collaborare con il mondo Universitario. All’interno del RIDS vengono infatti ingegnerizzati modelli innovativi derivanti dalla ricerca universitaria per lo sviluppo di nuovi prodotti da posizionare sul mercato.

Silvia Figini
Responsabile Scientifico
Team universitari

Idoneità Professore Ordinario – Abilitazione Scientifica Nazionale 2013.
2014 – Professore Associato di Statistica – Università degli Studi di Pavia – Dipartimento di Scienze Politiche Sociali.
2010 – 2014 Ricercatore di Statistica – Università degli Studi di Pavia – Dipartimento di Scienze Politiche Sociali.

Formazione:
Phd in Statistica presso l’Università L. Bocconi di Milano.
Laurea in Economia (indirizzo quantitativo) presso Università di Pavia.

Periodi di studio e ricerca presso:
Università di Cambridge (UK), Università di Umea (Svezia), Università di Aalto (Finlandia), Università di Edimburgo.
Vincitrice borsa di studio Erasmus per due periodi consecutivi presso Università di Dublino e Università Sorbona di Parigi.

Federico Bonelli
Responsabile
Team di lavoro RES

Laurea in Ingegneria Matematica presso il Politecnico di Milano e di Ingegneria presso l’École Centrale di Lille, dal 2015 è coordinatore scientifico-tecnologico per RES Srl.
Una volta laureato nel 2011 con una tesi sull’utilizzo di GPU per ridurre i costi dei risolutori fluidodinamici, entra a far parte di MOXOFF, spin-off del Politecnico di Milano. Fino al termine del 2014 ricopre i ruoli di programmatore, ingegnere del software e responsabile del sistema informativo. I progetti svolti spaziano dalla statistica descrittiva e predittiva alla simulazione fisica, termodinamica, fluidodinamica e geologica. Collabora alla progettazione dell’idea di business della piattaforma Mathesia, start-up pluripremiata che propone un modello di crowd-sourcing per servizi di matematica computazionale.
Dall’inizio del 2015 lavora in RES srl al progetto ResAcademy, coordinando i rapporti fra le università e il gruppo interno di ingegneri, matematici e programmatori specializzati nell’R&D. Nell’ambito dello stesso progetto, dal 2015 fa parte dello Steering Committee della rete di imprese omonima, ResAcademy, con l’intento di facilitare i giovani imprenditori nei loro rapporti con le università, e coordinarne gli sforzi di ricerca.
Dal 2012 fa parte del consiglio di amministrazione di RES H srl fino alla sua fusione nella controllata RES srl, in cui riveste ora lo stesso ruolo.
Dal 2016 partecipa come consigliere alla start-up innovativa U.Go!, facente parte della rete di imprese ResAcademy.

Silvia Figini
Responsabile Scientifico
Team universitari

Idoneità Professore Ordinario – Abilitazione Scientifica Nazionale 2013.
2014 – Professore Associato di Statistica – Università degli Studi di Pavia – Dipartimento di Scienze Politiche Sociali.
2010 – 2014 Ricercatore di Statistica – Università degli Studi di Pavia – Dipartimento di Scienze Politiche Sociali.

Formazione:
Phd in Statistica presso l’Università L. Bocconi di Milano.
Laurea in Economia (indirizzo quantitativo) presso Università di Pavia.

Periodi di studio e ricerca presso:
Università di Cambridge (UK), Università di Umea (Svezia), Università di Aalto (Finlandia), Università di Edimburgo.
Vincitrice borsa di studio Erasmus per due periodi consecutivi presso Università di Dublino e Università Sorbona di Parigi.

Federico Bonelli
Responsabile
Team di lavoro RES

Laurea in Ingegneria Matematica presso il Politecnico di Milano e di Ingegneria presso l’École Centrale di Lille, dal 2015 è coordinatore scientifico-tecnologico per RES Srl.
Una volta laureato nel 2011 con una tesi sull’utilizzo di GPU per ridurre i costi dei risolutori fluidodinamici, entra a far parte di MOXOFF, spin-off del Politecnico di Milano. Fino al termine del 2014 ricopre i ruoli di programmatore, ingegnere del software e responsabile del sistema informativo. I progetti svolti spaziano dalla statistica descrittiva e predittiva alla simulazione fisica, termodinamica, fluidodinamica e geologica. Collabora alla progettazione dell’idea di business della piattaforma Mathesia, start-up pluripremiata che propone un modello di crowd-sourcing per servizi di matematica computazionale.
Dall’inizio del 2015 lavora in RES srl al progetto ResAcademy, coordinando i rapporti fra le università e il gruppo interno di ingegneri, matematici e programmatori specializzati nell’R&D. Nell’ambito dello stesso progetto, dal 2015 fa parte dello Steering Committee della rete di imprese omonima, ResAcademy, con l’intento di facilitare i giovani imprenditori nei loro rapporti con le università, e coordinarne gli sforzi di ricerca.
Dal 2012 fa parte del consiglio di amministrazione di RES H srl fino alla sua fusione nella controllata RES srl, in cui riveste ora lo stesso ruolo.
Dal 2016 partecipa come consigliere alla start-up innovativa U.Go!, facente parte della rete di imprese ResAcademy.

ATTIVITÀ

COMPETENZE DELL’UNIVERSITÀ DI PAVIA:

Le competenze dell’Università di Pavia per RIDS hanno come comune denominatore la modellistica matematica e il calcolo scientifico ad alte prestazioni.
RIDS si avvale della competenza di più Dipartimenti dell’Università di Pavia per produrre applicazioni a diversi settori, dall’industria ai servizi, dal sociale al medicale.
RIDS ha la capacità di studiare nuovi modelli e algoritmi accomunati da una forte formalizzazione matematica e statistica, che possono essere utilizzati in diversi campi applicativi.

COMPETENZE DEL GRUPPO RES:

Il Gruppo RES mette a disposizione la propria capacità di project management e le competenze in infrastrutture sui Big Data di dati strutturati e non.
Un gruppo di Data Scientist tra cui matematici applicati, statistici computazionali, ingegneri e sviluppatori, svolgono il ruolo centrale di technology transferer, verso le aziende da un lato e l’Università dall’altro.
Vengono utilizzate differenti metodologie tra cui quelle Scrum e Kanban con organizzazione “agile programming“.

Affrontiamo un progetto di Data Science e produciamo informazioni di valore, partendo da dati di varia natura che ci vengono messi a disposizione dai Clienti e che possono essere di tipo endogeno, esogeno, strutturati o no, ad alta o bassa intensità di informazione, di proprietà del cliente oppure di pubblico dominio.

La nostra metodologia è molto rigorosa, e prevede i seguenti step:

a) Assessment del patrimonio di dati accessibile e individuazione dell’informazione di valore da ricavare.

b) Creazione del team di lavoro, andando ad individuare le figure che svilupperanno il progetto:

  • lo specialista di settore che conosce la problematica specifica e apporta l’esperienza necessaria a trattare correttamente le problematiche note, i metodi già utilizzati per attività simili, i limiti normativi.
  • il data scientist: conosce le metodologie statistiche e di machine learning necessarie per estrarre l’informazione di valore, e sa come applicarle facendo uso dei migliori strumenti computazionali disponibili.
  •  il project manager: è l’elemento di collegamento fra le varie competenze che l’università di Pavia e RES possono offrire.

c) Fase di acquisizione del dato: se possibile si aggrega l’informazione sui server del RIDS. Se ci sono limitazioni normative o impedimenti strutturali si studiano modalità operative differenti.

d) Fase esplorativa per comprendere la struttura e le caratteristiche del dato. Per costruire una impalcatura metodologica bisogna comprendere le peculiarità del dato, fare delle ipotesi e verificarle. Se si capisce che il dato acquisito non è adeguato si procederà a una nuova acquisizione, aggiungendo fonti di dati o modificando la modalità di estrazione.

e) Fase prototipale per creazione di un prototipo software utilizzando un linguaggio di prototipazione (es. R per problemi di statistica, Python per problemi di machine-learning, Matlab/Octave per problemi di calcolo).

f) Reportistica: creazione della reportistica per condividere col cliente l’informazione ottenuta e valutarne il valore.

g) Realizzazione del software di produzione. Il RIDS facilita questa fase perché riduce i costi e gli inconvenienti del passaggio di informazioni fra il team che ha realizzato il prototipo e la software-house che realizza il prodotto finito, poichè le figure di data scientist e project manager faranno parte di entrambe le fasi e traghetteranno tutta la conoscenza necessaria nel nuovo team di sviluppo software che si verrà a creare.

TECHNOLOGY TRANSFER

I Data Scientist e Project Manager del RIDS non sono ricercatori puri, ma collaborano quotidianamente con ricercatori e professori, e si propongono come technology transferer. Lo scopo di questa figura è quello di condividere un linguaggio comune sia con il cliente aziendale, che con il ricercatore e il professore, facilitando lo scambio di informazioni. Si tratta di un ruolo delicato e importante per la buona riuscita del progetto, perché le motivazioni che muovono Università e Azienda sono molto diverse. Il technology transferer sa qual’é il ruolo di ciascuno e organizza il lavoro in modo che ognuno si debba preoccupare del proprio ambito.
La missione del technology transferer è quella di portare a buon uso aziendale i risultati delle ricerche universitarie (metodologie, algoritmi, modelli). Alcuni dei technology transferer del RIDS hanno collaborato a pubblicazioni scientifiche che mostrano i vantaggi di usare modelli avanzati in specifici ambiti verticali.

PROTOTIPI

Il laboratorio RIDS dispone di alcuni prototipi già realizzati. Semilavorati che utilizziamo per la realizzazione dei progetti e che riguardano:

  • Credit Risk Management: studio di modelli innovativi per la previsione del default; identificazione multivariata delle outliers in collaborazione con RES e Unicredit.
  • Managing extremes: studio e implementazione di modelli per la previsione di eventi rari ad alto impatto.
  • Marketing: stima del valore del cliente con integrazione di informazioni semantiche, opinioni, dati testuali e dati vocali.
  • Anti-Money Laundering Network Analysis: modelli innovativiper lo studio dei fenomeni di corruzione e identificazione di operazioni sospette nell’ambito del riciclaggio.

RIDS utilizza anche le tecnologie proprietarie RES ed, in particolare, alcune componenti per:

  • Analisi di eventi co-occorrenti, per scoprire relazioni fra eventi che accadono congiuntamente (es. malfunzionamento di componenti software o macchinari).
  • Estrazione di informazioni da testi in italiano o inglese (es. estrarre nomi, date, soggetti giuridici da testo libero, in qualunque formato).
  • Analisi statica di codice sorgente, analisi di impatto e analisi di qualità del software.

LA DATA SCIENCE

La Data Science è un insieme interdisciplinare di metodi scientifici, processi e sistemi per estrarre conoscenza da dati di varie fonti, strutturate o non strutturate.

Cosa intendiamo per Data Science al RIDS?

Il termine è estremamente ampio, ma nel nostro laboratorio abbiamo aggregato le persone e le competenze giuste per affrontare:

  • Tematiche di difficile modellizzazione.
  • Problemi estremamente difficili che necessitano di una forte modellistica statistica e matematica.
  • Problematiche che coniugano la Data Science con i Big Data e che richiedono l’analisi di grandi mole di dati: si tratta di estrarre informazioni da miliardi di documenti e rielaborarle.

Per avere maggiori informazioni contattaci