• Home
  • Papers
  • Short Bio
  • Teaching & Slides
  • Thesis Information (ITA)
  • Blogpost

Informazioni per la tesi di laurea

Sebbene talvolta vi sia una certa sovrapposizione, di norma la didattica, soprattutto quella “di base”, non riflette gli interessi di ricerca di un docente.

Le tematiche di cui mi occupo sono: applicazioni e metodi di statistica bayesiana (nonparametrica) & statistica computazionale. Per maggiori informazioni, si consiglia di consultare la lista delle pubblicazioni, oppure la lista di tesi passate che trovate in questa pagina.

Nel caso di tesi triennali, ho talvolta seguito anche progetti di carattere più applicativo (ad es. progetti legati ad uno stage esterno), oppure di statistica metodologica classica (test d’ipotesi, metodi bootstrap, etc.).

Per informazioni riguardanti la tesi, si prega di scrivere una mail a tommaso.rigon@unimib.it e venire quindi a ricevimento Martedì alle ore 17.30.

Intelligenza artificiale e LLM

L’uso di modelli linguistici di grandi dimensioni (ChatGPT, Claude, Gemini, etc.) è permesso come strumento di supporto: revisione linguistica, controllo di errori, chiarimenti su concetti, debugging del codice. Non è invece ammesso delegare la produzione dei contenuti: la struttura del lavoro, le scelte metodologiche, le analisi e l’interpretazione dei risultati devono essere opera del candidato.

Indicazioni in linea con le raccomandazioni sull’uso dell’IA generativa negli elaborati studenteschi, approvate dal PQA – Ramo Didattica dell’Ateneo l’11 aprile 2024.

Resta in capo al candidato la responsabilità piena di ogni frase e di ogni risultato contenuti nell’elaborato, comprese eventuali imprecisioni, dimostrazioni errate o riferimenti bibliografici inesistenti prodotti dal modello.

Importante. A partire dall’A.A. 2026/2027, è obbligatorio dichiarare nelle pagine iniziali della tesi se si è fatto uso o meno di strumenti di intelligenza artificiale, quali e in che misura.

Per le tesi triennali di cui io sarò relatore sarà inoltre prevista una prova orale, necessaria per valutare l’effettiva conoscenza degli argomenti inclusi nella tesi. Per le tesi magistrali la discussione finale è già prevista dal regolamento del corso di laurea.

Il software LaTeX

L’utilizzo del software LaTeX per la scrittura della tesi è caldamente raccomandato.

LaTeX può essere scaricato gratuitamente da internet. In alternativa, è possibile usare Overleaf. Per una guida in italiano all’uso di LaTeX si consiglia LaTeX per l’impaziente oppure l’Arte di scrivere con LaTeX.

Viene inoltre reso disponibile un template LaTeX. Se compilato, il risultato finale dovrebbe coincidere con questo file, in formato .pdf.

Tesi passate (triennali, magistrali e dottorato)

Vengono riportate nel seguito alcune tesi triennali svolte negli anni passati di cui sono stato relatore, correlatore, oppure in cui sono stato attivamente coinvolto per altri motivi. Non è una lista esaustiva.

Thesis
A.A. Laurea Candidata/o Titolo Placement
Laurea Triennale
2021/2022 Triennale Marco Carrettoni Analisi dei consumi energetici degli edifici dell’Università degli studi di Milano-Bicocca M.Sc. CLAMSES (Unimib)
2021/2022 Triennale Erica Delvino Regressione nonparametrica tramite processi gaussiani M.Sc. CLAMSES (Unimib)
2021/2022 Triennale Anna Petranzan An introduction to Bayesian mixture models and applications M.Sc. CLAMSES (Unimib)
2022/2023 Triennale Giulia De Innocentiis Criteri di selezione di un modello in ambito bayesiano M.Sc. CLAMSES (Unimib)
2022/2023 Triennale Tommaso Menghini Approccio bayesiano applicato a modelli di regressione probit M.Sc. CLAMSES (Unimib)
2023/2024 Triennale Stefano Andreoli Metodi di stima intervallare in un modello binomiale M.Sc. CLAMSES (Unimib)
2023/2024 Triennale Riccardo Cicuttin Metodi di campionamento per distribuzioni univariate M.Sc. in Mathematical Engineering (Polimi)
2024/2025 Triennale Federico Boiocchi Robust variable selection: an approach based on knockoffs M.Sc. DSBA (Bocconi)
Laurea magistrale
2020/2021 Magistrale (Unipd) Davide Agnoletto Analisi delle curve di mortalità: stima non parametrica della densità con approccio bayesiano Ph.D. in Statistics (Unipd)
2022/2023 Magistrale Gabriele Tinè Previsione della sopravvivenza di pazienti affetti da sarcomi tramite un modello bayesiano per dati ad elevata dimensionalità Data Scientist (IRCCS Istituto Nazionale dei Tumori)
2023/2024 Magistrale Anna Petranzan The Gnedin model: recent developments and future perspectives Ph.D. in Economics, Statistics and Data Science (Unimib)
2023/2024 Magistrale Luna Cantaroni Analisi della struttura interna de La Lombardia, attraverso l’utilizzo di modelli per blocchi stocastici estesi Data Scientist (PwC)
2024/2025 Magistrale Alessandro Colello Bayesian nonparametric clustering with variational inference and fusing of localized densities Ph.D. in Statistics (UT Austin)
2024/2025 Magistrale Maria Regina Mucilli Distribuzione secante iperbolica: caratterizzazione, generalizzazione e applicazioni in modelli lineari generalizzati - Slides -
2024/2025 Magistrale Tommaso Menghini Sondaggi elettorali: studio sull’affidabilità statistica degli istituti demoscopici e delle loro distorsioni sistematiche - Slides -
Dottorato di ricerca
2023 Ph.D. (Duke) Alessandro Zito Ecological modeling via Bayesian nonparametric species sampling priors - Slides Postdoctoral researcher (Harvard)
2024 Ph.D. (Unipd) Davide Agnoletto Statistical modeling within the generalized Bayesian paradigm Postdoctoral researcher (Duke)