2 assegni di ricerca a Pisa
« Torna all'elencodue bandi per assegni di ricerca di UNIPI + Regione Toscana sul progetto
“Fibonacci 2021: un sistema per edizioni digitali interrogabili a stampa e on line”
Nel primo (Settori scientifico disciplinari: MAT/04 – Matematiche complementari L-FIL-LET/05 – Filologia classica L-FIL-LET/08 – Letteratura latina medievale e umanistica M-STO/01 – Storia medievale M-STO/05 – Storia delle scienze e delle tecniche ) Il candidato dovrà possedere una laurea magistrale in uno dei settori sopra elencati o in un settore affine. Dovrà possedere una buona conoscenza del latino e buone conoscenze matematiche data la natura del testo che verrà utilizzato come dimostratore.
Dovrà avere anche conoscenza dei principi della critica del testo ed esperienza nel campo dell’edizione critica.
Dovrà avere competenze informatiche nel campo della codifica dei testi e in particolare relative ai linguaggi di mark-up.
Conoscenze di paleografia e codicologia saranno considerate un elemento preferenziale, così come possedere competenze con il linguaggio LaTeX e l'utilizzo di linguaggi formali nel campo dell'ecdotica.
Nel secondo (Settori scientifico disciplinari: INF/01 – Informatica ING-INF/05 – Sistemi di elaborazione delle informazioni MAT/01 – Logica matematica MAT/09 – Ricerca Operativa)
Il candidato dovrà possedere una laurea magistrale in Informatica/Informatica umanistica/Matematica/Ingegneria dell'informazione o equivalenti. Dovrà avere capacità di lavoro autonomo e di integrazione in un gruppo di ricerca e capacità di individuare criticamente le tecnologie più adeguate alla soluzione dei problemi connessi con gli obiettivi del progetto. Dovrà inoltre possedere almeno alcuni tra i seguenti requisiti:
- • conoscenza/esperienza delle tecniche di sviluppo web front-end e back-end;
- • conoscenza/esperienza nel campo dei linguaggi di mark-up;
- • conoscenza/esperienza di linguaggi di programmazione di uso più comune (con preferenza per Java, Python e C++);
- • saranno ritenute competenze preferenziali la familiarità o esperienze nel machine learning applicato alla linguistica computazionale.
