A partire dall’aprile 2004, ogni ora vi è un’asta sul “mercato del giorno prima” (MGP) per lo scambio di energia elettrica all’ingrosso. Inoltre, nel tempo sono stata attivate ulteriori aste intermedie poste tra il mercato del giorno prima e il mercato di dispacciamento. Ogni asta del MGP consiste in centinaia di offerte di vendita di pacchetti di energia e in centinaia di offerte di acquisto di pacchetti di energia. Abbiamo la possibilità di scaricare i dati per mezzo di ftp con una settimana di ritardo rispetto alla produzione. Per ogni giorno viene prodotto uno zip con all’interno la tabella delle offerte di quel giorno. Lo stagista dovrà partecipare alla costruzione di un sistema di alimentazione automatica del dataset, della sua organizzazione efficiente per mezzo di un DBMS e per mezzo di una dashboard rendere possibile al ricercatore il semplice scarico dei dati desiderati e disponibile una serie di analisi e previsioni interessanti.

Supervisor/Proposer: Matteo Pelagatti

La finalità di una procedura di A / B  testing per il marketing digitale è identificare quale tra due pagine web possiede, ad esempio, il più alto "click-through rate" (CTR) o il miglior "conversion rate" (CR). Gli utenti vengono ripartiti casualmente in due gruppi (A e B) e viene quindi verificato se il CTR o il CR del gruppo A incrementa rispetto a quello del gruppo B. Vogliamo stabilire se A è migliore di B nel più breve tempo possibile. Al tempo stesso, vogliamo evitare che la decisione sia basata su oscillazioni casuali dei dati. Il progetto prevede la costruzione di una dashboard in Shiny la quale, ricevuti come input il CTR o il CR di ciascuno dei due gruppi, stabilisce se è possibile concludere l'esperimento oppure se è necessario raccogliere ulteriori dati, dichiarando nel primo caso quale delle due varianti A e B è preferibile.

Supervisor/Proposer: Tommaso Rigon

Negli ultimi anni l’interesse per i consumi energetici e la razionalizzazione degli stessi è un argomento di dibattito in molti contesti. Il monitoraggio e la previsione dei consumi sono fondamentali per la riduzione dei costi di gestione e per attuare decisioni più sostenibili. L’Università di Milano-Bicocca acquisisce mensilmente tutti i dati di consumo dei propri edifici creando così una opportunità di analisi e monitoraggio fondamentale a supporto delle decisioni. Il progetto prevede l’automatizzazione della fase di raccolta dati, l’analisi dei dati, la realizzazione di un sistema di machine learning per la previsione dei consumi e la costruzione di una dashboard in Shiny per la condivisione e divulgazione dei risultati.

Supervisor/Proposer: Matteo Borrotti

Owners of power plants bid quantity/price pairs on the day-ahead market to sell their electricity on the wholesale market. In order to do this efficiently, they need to forecast the supply curve of their competitors and, based on these forecasts, implement a bidding strategy that maximises their profits. The object of this research is building probabilistic predictions of the hourly aggregate supply curves of the competitors and using this information to obtain the optimal bidding strategy.

Technical skills: functional time series, optimisation, R or Python or Julia programming

Research topics: statistics, functional data analysis, operation research

Supervisor/Proposer: Matteo Pelagatti

Duration: 12 months

Knowledge graphs (KG) are large rdf graphs representing concepts and relation among them. they are becoming more and more important in a large number of field such as recommender systems, chatbot, search engine. KG are usually used by means of specific query languages such as SPARQL and they return a subgraph that is difficult to understand for end users. To extend the use of KG the research want to explore the translation of RDF instances (that is a subgraph) in natural language by means of deep network architectures. 

Technical skills: python programming, knowledge of deep learning architectures

Research topics: data science, computer science, natural language generation

Supervisor/Proposer: Andrea Maurino

Duration: 12 months