Posts

Nell’ambito della Open Week 2024, Settimana di stage e orientamento del DIMA dell’Università degli Studi di Genova, ho proposto agli studentesse e studenti un’attività su grafi, reti, e sistemi complessi. Vedremo come la Teoria dei Grafi, che sembra una parte creativa della matematica nata per risolvere puzzle, abbia riscontri in molti ambiti di interesse pratico.

Course description Interest in the geometrical approach to statistical inference has been growing in the last decades. Starting from the seminal works of Rao (1945) and then Amari and Chentsov in the 80s, the inter-disciplinary field of Information Geometry (IG) is now well-established with few dedicated conferences and a journal Information Geometry.

Nell’ambito di OrientaEstate, Settimana di Orientamento dell’Università di Trento, ho proposto ai ragazzi di quarta e quinta superiore un’attività su grafi, reti, e sistemi complessi, per mostrare come la Matematica, nella sua ricchezza di linguaggii e strumenti, possa essere utilizzata in ambiti molto diversi da quelli tradizionali (dell’analisi, dell’algebra, della geometria).

I had the great opportunity to contribute to muxViz, building the R package muxViz that now can be installed as easy as devtools::install_github("manlius/muxViz") I built the package website using pkgdown (cf.

Nell’ambito della Settimana di Orientamento dell’Università di Trento, ho tenuto un seminario dal titolo Semplicemente… Reti Complesse! Scarica le slides della mia presentazione. Abbiamo visto qualche risultato classico della teoria dei grafi: il famoso problema dei ponti di Königsberg e abbiamo dimostrato il teorema dei 4 colori (in realtà quello dei 5 colori).

This is a small demo related to our (Giulia Bertagnolli, Claudio Agostinelli, Manlio De Domenico) recent work, Network depth: identifying median and contours in complex networks, Journal of Complex Networks 8 (4).

A series of three seminars on complex networks for master students in Mathematics (not only) at the University of Trento. Course material is available in my github and you can interact with the Jupyter notebooks here

Abstract A statistical data depth $d(x, \mathbb{P})$ is a measure of depth or outlyingness of a sample $x \in \mathbb{R}^p$ with respect to its underlying distribution $\mathbb{P}$ and it provides a centre-outward ordering of sample points.