ID:
D90004
Durata (ore):
36
CFU:
6
SSD:
METODI MATEMATICI DELL'ECONOMIA E DELLE SCIENZE ATTUARIALI E FINANZIARIE
Sede:
REGGIO DI CALABRIA
Url:
Economia/BEHAVIOURAL AND ENVIRONMENTAL ECONOMICS Anno: 2
Anno:
2026
Dati Generali
Periodo di attività
Secondo Ciclo Semestrale (15/02/2027 - 07/05/2027)
Syllabus
Obiettivi Formativi
Il corso affronta la progettazione e la valutazione dei sistemi di supporto alle decisioni in una prospettiva che integra modellazione matematica, apprendimento automatico e intelligenza economica. L'assunto di fondo è che un sistema decisionale non si giudichi soltanto dall'accuratezza delle sue previsioni, ma dalla capacità di rendere conto del proprio funzionamento, di resistere alla manipolazione dei dati e di restare stabile quando le condizioni operative mutano. Il percorso parte dall'architettura dei DSS e dal ciclo dell'economic intelligence, per poi formalizzare il processo decisionale attraverso le funzioni che ne governano la risposta, mostrando come proprietà apparentemente tecniche — saturazione, flusso del gradiente, efficienza campionaria, si traducano in comportamenti decisionali qualitativamente diversi. Vengono quindi introdotti i modelli predittivi che costituiscono il motore inferenziale del sistema, con una progettazione end-to-end che comprende soglie decisionali, analisi costi-benefici e valutazione del costo opportunità. Un blocco centrale è dedicato alla spiegabilità: i valori di Shapley e le tecniche di attribuzione vengono presentati non come strumenti diagnostici accessori, ma come requisito di accountability imposto dal quadro regolamentare europeo. Segue la trattazione della sicurezza informativa, dove gli attacchi di data poisoning sono modellati attraverso equilibri di Nash e di Stackelberg e la vulnerabilità topologica misura la fragilità strutturale del sistema. La parte conclusiva introduce l'ottimizzazione geometrico-entropica per problemi di allocazione multi-criterio e le prospettive aperte dai kernel quantistici per la classificazione e la previsione in ambito manageriale. Lo studente acquisisce la capacità di progettare, documentare e difendere un sistema decisionale in contesti ad alta responsabilità.
Prerequisiti
Analisi matematica, algebra lineare, statistica inferenziale, elementi di programmazione
Metodi didattici
Lezioni frontali, attività laboratoriale presso il Decisions LAB, Project Works
Verifica Apprendimento
Modalità di verifica
Prova di esame scritta ed orale e un Project work di gruppo e/o individuale
Criteri di valutazione:
30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti;
24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti;
20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite;
Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il Corso
Prova di esame scritta ed orale e un Project work di gruppo e/o individuale
Criteri di valutazione:
30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti;
24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti;
20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite;
Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il Corso
Testi
1. Ferrara, M. (2026). Geometric-Entropic Optimization: A Riemannian framework integrating optimal transport and entropy regularization for robust learning. Journal of Optimization Theory and Applications, 209. DOI: 10.1007/s10957-026-02958-8 — base teorica del Modulo F.
2. Ferrara, M. (2026). Multi-time Nash dynamics in neural network training: A game-theoretic approach to robustness. Neurocomputing, 696, 134176. DOI: 10.1016/j.neucom.2026.134176 — fondamento dinamico dei motori inferenziali adattivi, Moduli B–C.
3. Ferrara, M. (2025). Modeling by topological data analysis and game theory for analyzing data poisoning phenomena. AIMS Mathematics, 10(7), 15457–15475. DOI: 10.3934/math.2025693 — riferimento centrale del Modulo E.
4. Ferrara, M. (2025). Explainable artificial intelligence and mathematics: What lies behind? Let us focus on this new research field. European Mathematical Society Magazine, 135, 39–44. DOI: 10.4171/MAG/235 — inquadramento del Modulo D.
5. Ferrara, M. (2026). Unified framework for explainable and robust artificial intelligence. Journal of AI and Machine Learning, 2(1), 1–6. DOI: 10.47485/3069-8006.1010 — sintesi dei Moduli D ed E.
Complementari (utili in particolare per il Modulo D e per la declinazione gestionale):
Ciano, T., & Ferrara, M. (2024). Shapley value in machine learning modeling: Optimizing decision-making in coworking spaces. Applied Mathematical Sciences, 18(9), 419–441.
Ferrara, M. (2025). Strategic interplay: Game-theoretic frameworks for topological robustness against data poisoning. WSEAS Transactions on Information Science and Applications, 22, 540–544. DOI: 10.37394/23209.2025.22.44.
Ferrara, M. (2025). Strategic interplay: Game-theoretic frameworks for topological robustness against data poisoning. WSEAS Transactions on Information Science and Applications, 22, 540–544. DOI: 10.37394/23209.2025.22.44.
2. Ferrara, M. (2026). Multi-time Nash dynamics in neural network training: A game-theoretic approach to robustness. Neurocomputing, 696, 134176. DOI: 10.1016/j.neucom.2026.134176 — fondamento dinamico dei motori inferenziali adattivi, Moduli B–C.
3. Ferrara, M. (2025). Modeling by topological data analysis and game theory for analyzing data poisoning phenomena. AIMS Mathematics, 10(7), 15457–15475. DOI: 10.3934/math.2025693 — riferimento centrale del Modulo E.
4. Ferrara, M. (2025). Explainable artificial intelligence and mathematics: What lies behind? Let us focus on this new research field. European Mathematical Society Magazine, 135, 39–44. DOI: 10.4171/MAG/235 — inquadramento del Modulo D.
5. Ferrara, M. (2026). Unified framework for explainable and robust artificial intelligence. Journal of AI and Machine Learning, 2(1), 1–6. DOI: 10.47485/3069-8006.1010 — sintesi dei Moduli D ed E.
Complementari (utili in particolare per il Modulo D e per la declinazione gestionale):
Ciano, T., & Ferrara, M. (2024). Shapley value in machine learning modeling: Optimizing decision-making in coworking spaces. Applied Mathematical Sciences, 18(9), 419–441.
Ferrara, M. (2025). Strategic interplay: Game-theoretic frameworks for topological robustness against data poisoning. WSEAS Transactions on Information Science and Applications, 22, 540–544. DOI: 10.37394/23209.2025.22.44.
Ferrara, M. (2025). Strategic interplay: Game-theoretic frameworks for topological robustness against data poisoning. WSEAS Transactions on Information Science and Applications, 22, 540–544. DOI: 10.37394/23209.2025.22.44.
Contenuti
Programma del corso — versione LM-56 in Economics
Modulo A — Architettura dei sistemi di supporto alle decisioni (6 ore)
Dai sistemi informativi direzionali ai DSS: componenti, tassonomie, evoluzione verso i sistemi data-driven e model-driven. Il ciclo dell'economic intelligence: raccolta, validazione, elaborazione, interpretazione e protezione dell'informazione economica. Business intelligence, analytics prescrittiva e sistemi di early warning.
Modulo B — Il framework matematico del decision-making (8 ore)
Formalizzazione del processo decisionale sotto incertezza. Le funzioni di attivazione come funzioni decisionali: limiti della risposta lineare, saturazione di sigmoide e TanH, comportamento non saturante della ReLU, estensioni PReLU ed ELU. Efficienza campionaria e robustezza al distribution shift. Casi di studio: trading ad alta frequenza, pianificazione del trattamento medico, navigazione autonoma. (Cap. 4)
Modulo C — Modelli predittivi a supporto della decisione economica (10 ore)
Regressione, classificazione, SVM, alberi e foreste, clustering e reti neurali come motori inferenziali del DSS. Progettazione end-to-end di un sistema di credit scoring con analisi costi-benefici, costo opportunità e soglie decisionali. Demand forecasting, price optimization, risk assessment. (Cap. 9)
Modulo D — Spiegabilità e accountability della decisione algoritmica (8 ore)
Valori di Shapley e attribuzione del contributo informativo nelle decisioni assistite. SHAP e LIME come strumenti di audit. SHAP values robusti e controfattuali stabili. Il modulo Fuzzy-Entropy-XAI per l'incertezza interpretativa. Certificazione delle interpretazioni e obblighi derivanti dall'AI Act.
Modulo E — Integrità informativa e sicurezza del ciclo decisionale (8 ore)
Manipolazione dei dati e attacchi di poisoning come minaccia all'intelligence economica. Modellazione game-theoretic dell'interazione attaccante-difensore; equilibri di Nash e Stackelberg applicati alla difesa informativa. Vulnerabilità topologica come indicatore di fragilità del sistema decisionale. Protocolli di sanitizzazione e difese certificate.
Modulo F — Ottimizzazione geometrico-entropica per la decisione (4 ore)
Il framework GEO: gradiente riemanniano, trasporto ottimo e regolarizzazione entropica applicati a problemi di allocazione e di scelta multi-criterio. Costruzione di indicatori compositi su basi entropiche e geometriche.
Modulo G — Frontiera quantistica del decision-making (4 ore)
Perché il quantum computing è rilevante per le decisioni di business. Kernel quantistici spiegati al decision-maker; ansatz circuitale e Q-SVM. Applicazioni manageriali: previsione del churn, targeting delle campagne, supply chain, valutazione del rischio finanziario, customer lifetime value. Criteri di scelta fra approccio quantistico e classico; roadmap di implementazione organizzativa. (Cap. 10)
Declinazione per Ingegneria Gestionale (UNIRC)
Impianto identico nei Moduli B, C, D, E; le variazioni riguardano l'orientamento applicativo:
Modulo A — enfasi su architetture software dei DSS, integrazione con sistemi ERP/MES, data pipeline industriali e qualità del dato di processo.
Modulo C — i casi economico-finanziari sono affiancati (o sostituiti) da: manutenzione predittiva, controllo statistico di processo assistito da ML, ottimizzazione di scorte e lot sizing, previsione della domanda multi-stadio lungo la supply chain.
Modulo E — la sicurezza è declinata come resilienza dei sistemi cyber-fisici e integrità dei dati sensoriali; il framework game-theoretic è applicato alla sicurezza di reti logistiche e produttive.
Modulo F — GEO applicato a problemi di ottimizzazione multi-obiettivo in produzione (costo/qualità/tempo) e alla costruzione di indicatori compositi di performance operativa.
Modulo G — applicazioni quantistiche a scheduling, routing e problemi combinatori di operations research.
Laboratorio integrativo (6 ore) — implementazione Python/Gurobi di un DSS operativo con interfaccia decisionale e cruscotto di monitoraggio.
Modulo A — Architettura dei sistemi di supporto alle decisioni (6 ore)
Dai sistemi informativi direzionali ai DSS: componenti, tassonomie, evoluzione verso i sistemi data-driven e model-driven. Il ciclo dell'economic intelligence: raccolta, validazione, elaborazione, interpretazione e protezione dell'informazione economica. Business intelligence, analytics prescrittiva e sistemi di early warning.
Modulo B — Il framework matematico del decision-making (8 ore)
Formalizzazione del processo decisionale sotto incertezza. Le funzioni di attivazione come funzioni decisionali: limiti della risposta lineare, saturazione di sigmoide e TanH, comportamento non saturante della ReLU, estensioni PReLU ed ELU. Efficienza campionaria e robustezza al distribution shift. Casi di studio: trading ad alta frequenza, pianificazione del trattamento medico, navigazione autonoma. (Cap. 4)
Modulo C — Modelli predittivi a supporto della decisione economica (10 ore)
Regressione, classificazione, SVM, alberi e foreste, clustering e reti neurali come motori inferenziali del DSS. Progettazione end-to-end di un sistema di credit scoring con analisi costi-benefici, costo opportunità e soglie decisionali. Demand forecasting, price optimization, risk assessment. (Cap. 9)
Modulo D — Spiegabilità e accountability della decisione algoritmica (8 ore)
Valori di Shapley e attribuzione del contributo informativo nelle decisioni assistite. SHAP e LIME come strumenti di audit. SHAP values robusti e controfattuali stabili. Il modulo Fuzzy-Entropy-XAI per l'incertezza interpretativa. Certificazione delle interpretazioni e obblighi derivanti dall'AI Act.
Modulo E — Integrità informativa e sicurezza del ciclo decisionale (8 ore)
Manipolazione dei dati e attacchi di poisoning come minaccia all'intelligence economica. Modellazione game-theoretic dell'interazione attaccante-difensore; equilibri di Nash e Stackelberg applicati alla difesa informativa. Vulnerabilità topologica come indicatore di fragilità del sistema decisionale. Protocolli di sanitizzazione e difese certificate.
Modulo F — Ottimizzazione geometrico-entropica per la decisione (4 ore)
Il framework GEO: gradiente riemanniano, trasporto ottimo e regolarizzazione entropica applicati a problemi di allocazione e di scelta multi-criterio. Costruzione di indicatori compositi su basi entropiche e geometriche.
Modulo G — Frontiera quantistica del decision-making (4 ore)
Perché il quantum computing è rilevante per le decisioni di business. Kernel quantistici spiegati al decision-maker; ansatz circuitale e Q-SVM. Applicazioni manageriali: previsione del churn, targeting delle campagne, supply chain, valutazione del rischio finanziario, customer lifetime value. Criteri di scelta fra approccio quantistico e classico; roadmap di implementazione organizzativa. (Cap. 10)
Declinazione per Ingegneria Gestionale (UNIRC)
Impianto identico nei Moduli B, C, D, E; le variazioni riguardano l'orientamento applicativo:
Modulo A — enfasi su architetture software dei DSS, integrazione con sistemi ERP/MES, data pipeline industriali e qualità del dato di processo.
Modulo C — i casi economico-finanziari sono affiancati (o sostituiti) da: manutenzione predittiva, controllo statistico di processo assistito da ML, ottimizzazione di scorte e lot sizing, previsione della domanda multi-stadio lungo la supply chain.
Modulo E — la sicurezza è declinata come resilienza dei sistemi cyber-fisici e integrità dei dati sensoriali; il framework game-theoretic è applicato alla sicurezza di reti logistiche e produttive.
Modulo F — GEO applicato a problemi di ottimizzazione multi-obiettivo in produzione (costo/qualità/tempo) e alla costruzione di indicatori compositi di performance operativa.
Modulo G — applicazioni quantistiche a scheduling, routing e problemi combinatori di operations research.
Laboratorio integrativo (6 ore) — implementazione Python/Gurobi di un DSS operativo con interfaccia decisionale e cruscotto di monitoraggio.
Altre informazioni
nessuna
Corsi
Corsi
Economia
Laurea Magistrale
2 anni
No Results Found
Persone
Persone
No Results Found
Altre Info
Insegnamento principale
ECONOMIC INTELLIGENCE & DECISION SUPPORT SYSTEMS