DESC

Didattica

Il Centro DESC e il Dipartimento DAIS
Innovazione e interdisciplinarietà

Il centro DESC trae origine dal Dipartimento di Scienze Ambientali, Informatica e Statistica (DAIS), istituito nel 2011 dalla fusione di tre dipartimenti: Scienze Ambientali (il primo in Italia, fondato nel 1984), Informatica e parte di Statistica. Da sempre interdisciplinare, il DAIS propone un'ampia gamma di percorsi formativi.

Per garantire lo sviluppo di competenze professionali, ulteriori attività di formazione e ricerca vengono erogate dal DESC, quale luogo di formazione avanzata. Il Centro sostiene studenti candidati a programmi dottorali del DAIS attraverso il co-finanaziamento di borse di dottorato congiunte sui temi innovativi della ricerca interdisciplinare.
Il DESC supporta anche studenti esterni all’Università Ca’ Foscari con l’organizzazione di:

  • Hackathon, eventi collaborativi e intensivi progettati per sviluppare soluzioni innovative a problemi complessi in tempi brevi, e con lo scopo di una formazione pratica che favorisca la collaborazione interdisciplinare;
  • Summer School, che coinvolgono studenti, post doc e docenti, in collaborazione con altre università o istituti di ricerca.

Borse di dottorato congiunte
in Computer Science ed Environmental Science

Nel 40° ciclo (a.a. 2024/2025) dei dottorati in Computer Science [ENG] ed Environmental Science [ENG], sono state attivate due borse di dottorato congiunte, co-finanziate dal Centro DESC, sui temi innovativi della ricerca interdisciplinare.
Questo progetto si inserisce nei temi chiave del Progetto di Eccellenza del DAIS, con particolare focus sulla gestione e il controllo di microinquinanti e inquinanti emergenti (in linea con i Sustainable Development Goals - SDGs n° 6, 14, e 15).

  • Titolo progetto: “Machine Learning Approaches for the Analysis and Study of Plastic Additives in the Environment and Biota”
  • Responsabili: prof. Marcello Pelillo (INFO-01/A) e prof. Andrea Gambaro (CHEM-01/A)
  • Dottorandi: Greta Palombella (Dottorato in Environmental Science) e Faiz Ur Rehman (Dottorato in Computer Science).

Questo progetto rappresenta un passo avanti verso una maggiore comprensione degli inquinanti emergenti e il loro impatto sull’ambiente e sulla salute.

Obiettivi

  • Analisi degli additivi presenti nelle microplastiche, considerati inquinanti emergenti per la loro persistenza ambientale e pericolosità per la salute umana
  • Studio dei composti rilasciati durante la degradazione delle microplastiche attraverso un approccio interdisciplinare

Metodologie

  • Analisi quantitative su plastiche comuni, additivi e composti rilasciati durante la degradazione, svolte nel contesto del Dottorato in Environmental Science
  • Tecniche di Machine Learning e bioinformatica, nel Dottorato in Computer Science, per analizzare i dati raccolti e identificare potenziali composti generati nei processi di degradazione

Hackathon
Hack the Environment - On Air

Nel 2024 è stato organizzato il primo Hackathon del Centro DESC, Hack the Environment - On Air, che ha avuto come obiettivo quello di analizzare dati in un’ottica di interdisciplinarietà e collaborazione tra diverse competenze scientifiche per affrontare le più attuali problematiche ambientali. La sfida che è stata affrontata nel corso di questo hackathon ha riguardato la qualità dell’aria nella laguna di Venezia. Ai partecipanti, divisi in gruppi misti, è stato messo a disposizione un corposo database sul quale lavorare nel corso di 10 ore. Al termine delle due giornate, ciascun gruppo ha presentato il proprio lavoro ad un’apposita commissione, che ha valutato i risultati in un’ottica di rigore scientifico. A ciascun partecipante è stato rilasciato un Open Badge a testimonianza delle nuove competenze acquisite.

Summer School
Introduzione ai Generalized Additive Models (GAMs) in R

23-24 giugno 2025, Campus Scientifico, Via Torino 155, Venezia Mestre
Docente: prof. Simon Wood [ENG]

I Generalized Additive Models (GAMs) rappresentano un’estensione flessibile dei modelli di regressione tradizionali, particolarmente utili sia per scopi predittivi che inferenziali. La loro popolarità deriva dalla capacità di bilanciare flessibilità e interpretabilità, gestendo con efficacia anche grandi dataset.
La Summer School fornisce una panoramica della teoria, dei metodi e degli strumenti software dei GAMs. Attraverso sessioni pratiche, i partecipanti possono acquisire le competenze necessarie per iniziare a modellare con i GAMs in R.