INGEGNERIA DELLA CREATIVITÀ DIGITALE

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

CONOSCENZA E CAPACITÀ DI COMPRENSIONE Conoscenza basilare dei principi e dei fenomeni della microeconomia e della macroeconomia. Conoscenza dei principali modelli organizzativi e delle forme giuridiche d’impresa. Conoscenza dei documenti di contabilità delle imprese e degli strumenti quantitativi di base per valutare l’impatto delle decisioni aziendali. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE Capacità di interpretare il contesto economico in cui l’impresa opera e di prevedere gli effetti delle decisioni aziendali. Capacità di utilizzare gli strumenti di base per l'analisi economico-finanziaria delle decisioni aziendali e per l'interpretazione dei risultati. ULTERIORI RISULTATI DI APPRENDIMENTO ATTESI Autonomia di giudizio: Analisi e valutazione delle caratteristiche dei sistemi economici e del sistema aziendale, e interpretazione dei risultati. Abilità comunicative: Capacità di impiegare il lessico dell’economia e dell’organizzazione aziendale per descrivere un’impresa e il contesto economico in cui essa opera. Capacità di apprendimento: Capacità di comprendere autonomamente ed adottare ulteriori modelli e strumenti per la gestione d'impresa.

1. ELEMENTI DI ECONOMIA Microeconomia: concetti generali e teoria della domanda e dell’offerta. Macroeconomia: circuito del reddito e PIL 2. L’IMPRESA Natura giuridica dell’impresa. Principi di organizzazione aziendale La contabilità generale. Cenni di contabilità industriale. 3. CENNI DI PROJECT MANAGEMENT La Work Breakdown Structure. Il diagramma di Gantt. Tecniche reticolari. Cenni all’analisi degli investimenti.

Conoscenze di base di algebra, geometria e analisi matematica (trigonometria, equazioni algebriche, studi di funzione, rudimenti di calcolo differenziale e integrale)

Le attività didattiche sono erogate in maniera esclusivamente online attraverso la piattaforma di ateneo e sono strutturate in didattica erogativa con lezioni frontali registrate o in live streaming, materiale didattico multimediale, e didattica interattiva con forum di discussione, web conference, esercitazioni online, progetti collaborativi.

L'esame orale si svolgerà attraverso una prova orale con una eventuale discussione di un project work.

Costantino N., Pellegrino R., Scozzi B., 2019, Economia e organizzazione aziendale - Teoria, metodo ed esercitazioni. Ulrico Hoepli Editore, Milano. ISBN 978-88-203-9028-0 Ulteriore materiale didattico a cura del docente

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

CONOSCENZA E CAPACITÀ DI COMPRENSIONE Conoscenza basilare dei principi e dei fenomeni della microeconomia e della macroeconomia. Conoscenza dei principali modelli organizzativi e delle forme giuridiche d’impresa. Conoscenza dei documenti di contabilità delle imprese e degli strumenti quantitativi di base per valutare l’impatto delle decisioni aziendali. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE Capacità di interpretare il contesto economico in cui l’impresa opera e di prevedere gli effetti delle decisioni aziendali. Capacità di utilizzare gli strumenti di base per l'analisi economico-finanziaria delle decisioni aziendali e per l'interpretazione dei risultati. ULTERIORI RISULTATI DI APPRENDIMENTO ATTESI Autonomia di giudizio: Analisi e valutazione delle caratteristiche dei sistemi economici e del sistema aziendale, e interpretazione dei risultati. Abilità comunicative: Capacità di impiegare il lessico dell’economia e dell’organizzazione aziendale per descrivere un’impresa e il contesto economico in cui essa opera. Capacità di apprendimento: Capacità di comprendere autonomamente ed adottare ulteriori modelli e strumenti per la gestione d'impresa.

1. ELEMENTI DI ECONOMIA Microeconomia: concetti generali e teoria della domanda e dell’offerta. Macroeconomia: circuito del reddito e PIL 2. L’IMPRESA Natura giuridica dell’impresa. Principi di organizzazione aziendale La contabilità generale. Cenni di contabilità industriale. 3. CENNI DI PROJECT MANAGEMENT La Work Breakdown Structure. Il diagramma di Gantt. Tecniche reticolari. Cenni all’analisi degli investimenti.

Conoscenze di base di algebra, geometria e analisi matematica (trigonometria, equazioni algebriche, studi di funzione, rudimenti di calcolo differenziale e integrale)

Le attività didattiche sono erogate in maniera esclusivamente online attraverso la piattaforma di ateneo e sono strutturate in didattica erogativa con lezioni frontali registrate o in live streaming, materiale didattico multimediale, e didattica interattiva con forum di discussione, web conference, esercitazioni online, progetti collaborativi.

L'esame orale si svolgerà attraverso una prova orale con una eventuale discussione di un project work.

Costantino N., Pellegrino R., Scozzi B., 2019, Economia e organizzazione aziendale - Teoria, metodo ed esercitazioni. Ulrico Hoepli Editore, Milano. ISBN 978-88-203-9028-0 Ulteriore materiale didattico a cura del docente

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Lo studente deve conoscere le caratteristiche e le principali prestazioni dei blocchi base analogici e digitali utilizzati per la sintesi di forme d’onda da utilizzare per applicazioni audio e video. Deve conoscere le tecniche di conversione analogico/digitale e digitale/analogico e comprenderne la rilevanza delle specifiche in relazione alle applicazioni. Deve conoscere le tecniche di progettazione di semplici circuiti digitali combinatori e sequenziali e la descrizione degli stessi in un linguaggio orientato alla loro sintesi, con particolare riferimento ai circuiti impiegati per la sintesi e l’elaborazione dei segnali audio e video. Lo studente deve essere in grado di utilizzare le tecniche di descrizione e di progettazione presentate nel corso per realizzare blocchi funzionali analogici e digitali, partendo dalla definizione completa delle specifiche di partenza. Autonomia di giudizio: Lo studente deve acquisire la capacità di interpretare le specifiche di semplici sistemi elettronici analogici e digitali per le applicazioni di sintesi e d elaborazione di segnali audio e video e di identificare un’architettura in grado di soddisfarle. Abilità comunicative:Lo studente deve acquisire la capacità di descrivere e di documentare con adeguata proprietà di linguaggio la struttura e il funzionamento dei circuiti elettronici analogici e digitali per le applicazioni di sintesi ed elaborazione dei segnali audio e video. Capacità di apprendimento: La conoscenza e la padronanza delle tecniche di analisi e progettazione trattate durante il corso deve consentire di approcciare in modo autonomo lo studio di sistemi elettronici più complessi non affrontati durante il corso, in modo da garantire la possibilità di un continuo aggiornamento delle conoscenze acquisite.

Modulo 1: Elettronica Digitale Conversione A/D e D/A (5 ore – 0.5 CFU) Primitive logiche elementari combinatorie e sequenziali e loro descrizione mediante linguaggi HDL (20 ore – 2 CFU) Sintesi di sistemi digitali mediante elettronica digitale programmabile (FPGA) (10 ore – 1 CFU) Generazione di forme d’onda nel dominio digitale: Direct Digital Synthesis, generatori di inviluppo digitali, ALFSR e generatori di rumore (10 ore – 1 CFU) Filtri digitali (10 ore – 1 CFU) Tecniche di sintesi additiva e sottrattiva (5 ore – 0.5 CFU) Modulo 2: Elettronica avanzata Oscillatori sinusoidali (15 ore - 1.5 CFU) Generatori di forme d’onda nel dominio analogico (15 ore - 1.5 CFU) Filtri attivi basati su amplificatori operazionali (15 ore – 1.5 CFU) Blocchi base analogici per la musica: Voltage-Controlled Oscillator (VCO), Voltage-Controlled Filter (VCF), Voltage-Controlled Amplifier (VCA), Operational Transconductance Amplifier (OTA), generatori di inviluppo analogici, mixers, sviluppo di un semplice sintetizzatore analogico (15 ore – 1.5 CFU). Conoscenza dell’elettrotecnica e dell’elettronica di base Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

L’esame consiste in un colloquio orale durante il quale vengono posti al candidato quesiti riguardanti le tecniche di progettazione e di sintesi dei circuiti analogici e digitali presentati nel corso. I requisiti minimi di apprendimento sono i seguenti: 1. Conoscenza delle principali configurazioni circuitali dei circuiti analogici per la generazione di forme d’onda e dei filtri attivi 2. Conoscenza dei principali blocchi base analogici per sintesi e l’elaborazione dei segnali audio e video 3. Conoscenza delle caratteristiche e delle specifiche dei convertitori A/D e D/A 4. Conoscenza delle tecniche di sintesi di circuiti digitali sequenziali e combinatori 5. Conoscenza della struttura e delle principali configurazioni di sistemi digitali per la sintesi e l’elaborazione del segnale audio

1. S. Franco: “Design with Operational Amplifiers and Analog Integrated Circuits” - McGraw-Hill, 2015 2. G. Ballou: “Handbook for sound engineers” Focal Press-Elsevier, 2008. 3. J.M. Rabaey, A.P. Chandrakasan, B. Nicolic: “Circuiti integrati Digitali: L'ottica del progettista” – Pearson 2020. 4. Akhan Almagambetov, ‎J. Matt Pavlina, ‎Yelena Mukhortova: “Digital Circuit Design Laboratory Manual, 5th edition” - Automasis Publishing, 2020.

Conoscenza dei componenti fondamentali dei videogiochi (meccaniche, dinamiche, estetiche) e comprensione dei principi di game design. Capacità di analizzare e valutare la motivazione dei giocatori in differenti generi di videogiochi. Padronanza delle diverse fasi del processo di sviluppo di un gioco, dalla pre-produzione alla release finale. Conoscenza dei principi di level design e abilità nel creare livelli con flow, sfida e ritmo coinvolgenti. Comprensione dei concetti di programmazione orientata agli oggetti (OOP) e delle loro applicazioni nello sviluppo di videogiochi. Acquisire una solida conoscenza delle differenze architetturali tra CPU e GPU, focalizzandosi su progettazione dei core, gerarchia di memoria e compiti computazionali. Apprendere i concetti chiave della programmazione parallela su GPU, come thread, warp, blocchi di thread e griglie. Padroneggiare i diversi spazi di memoria disponibili sulle GPU (globale, condivisa, costante, texture) e i loro modelli di accesso per ottimizzare le prestazioni. Comprendere l'importanza della sincronizzazione dei thread e saper utilizzare meccanismi come barriere e operazioni atomiche per ottenerla. Capacità di progettare e realizzare un videogioco completo, applicando le conoscenze acquisite durante il corso. Abilità nell'utilizzo di software e strumenti per la creazione di videogiochi, come motori di gioco, editor di livelli e strumenti di programmazione. Capacità di implementare tecniche di testing e debugging per identificare e correggere errori nel codice. Padronanza dei sistemi di controllo delle versioni (VCS) per la gestione collaborativa del codice e delle risorse di gioco. Abilità nell'ottimizzare le prestazioni del gioco per diverse configurazioni hardware. Sviluppare abilità nella scrittura di programmi GPU utilizzando il modello di programmazione CUDA, includendo funzioni kernel, funzioni del dispositivo e tecniche di allocazione della memoria: • Applicare tecniche di ottimizzazione delle prestazioni come accesso coalesced alla memoria, ottimizzazione dell'occupazione e gestione dei conflitti di banchi di memoria. • Imparare a utilizzare librerie come CUDA Libraries (cuBLAS, cuFFT) per sfruttare implementazioni ottimizzate di funzioni matematiche comuni. • Acquisire dimestichezza con strumenti e tecniche di debugging e profiling per identificare e risolvere problemi di performance nei programmi GPU. Autonomia di giudizio: Capacità di analizzare criticamente un videogioco e individuare i suoi punti di forza e di debolezza. Autonomia nel prendere decisioni progettuali e nella risoluzione di problemi durante lo sviluppo del gioco. Abilità nel lavorare in modo indipendente e proattivo all'interno di un team di sviluppo. Sviluppare la capacità di valutare criticamente l'applicabilità del GPU computing a differenti problemi computazionali. Selezionare autonomamente le tecniche di programmazione e ottimizzazione più adatte in base al contesto applicativo. Assumere un approccio proattivo nella risoluzione di problemi e nel debugging di programmi GPU. Abilità comunicative: Capacità di comunicare in modo chiaro e conciso le proprie idee e proposte all'interno del team di sviluppo. Abilità nel redigere documentazione tecnica relativa al progetto di gioco. Capacità di presentare il proprio lavoro in modo efficace a un pubblico di esperti e non. Redigere report tecnici chiari e concisi che documentano il lavoro svolto e i risultati ottenuti. Presentare in modo efficace le proprie analisi e soluzioni a un pubblico di tecnici e non. Saper comunicare in modo collaborativo all'interno di un team di sviluppo. Capacità di apprendimento: Capacità di apprendere autonomamente nuove tecnologie e strumenti per lo sviluppo di videogiochi. Attitudine all'aggiornamento continuo sulle ultime tendenze del settore videoludico. Capacità di lavorare in modo collaborativo e di apprendere dagli altri membri del team. Essere in grado di apprendere autonomamente nuovi concetti e tecnologie nell'ambito del GPU computing. Rimanere aggiornati sulle tendenze emergenti nel campo, esplorando nuove architetture GPU, modelli di programmazione e applicazioni. Affrontare con flessibilità e proattività nuove sfide computazionali sfruttando le potenzialità del GPU computing.

Modulo 1: Game Design Progettazione di videogiochi: Analisi dei componenti fondamentali dei videogiochi (meccaniche, dinamiche, estetiche) e comprensione della motivazione dei giocatori. Processo di sviluppo del gioco: Esame delle diverse fasi della creazione di un gioco, dalle idee iniziali alla release finale, e valutazione delle metodologie agili per uno sviluppo efficiente. Level Design: Esplorazione dei principi per la creazione di livelli (flow, sfida, ritmo) e integrazione di elementi narrativi all'interno dell'ambiente di gioco. Programmazione: Analisi di come i concetti di programmazione orientata agli oggetti (OOP) si applicano allo sviluppo di videogiochi e tecniche per ottimizzare le prestazioni di gioco. Testing e Debugging: Utilizzo di framework di test automatizzati e strumenti di debugging per identificare e correggere bug nelle fasi iniziali dello sviluppo, insieme a diverse metodologie di testing per un prodotto finale raffinato. Collaborazione: Padronanza dei sistemi di controllo delle versioni (VCS) per lo sviluppo collaborativo, gestione efficiente delle modifiche al codice ed esplorazione di pratiche di integrazione e distribuzione continue per flussi di lavoro ottimizzati. Ottimizzazione delle prestazioni: Identificazione dei colli di bottiglia delle prestazioni, applicazione di tecniche di ottimizzazione e bilanciamento tra qualità visiva e gameplay fluido su hardware diversi. Pattern di progettazione: Esplorazione e implementazione di pattern di progettazione software specifici per lo sviluppo di videogiochi al fine di creare codice riutilizzabile e manutenibile. Pratiche di ingegneria del software: Analisi delle metodologie agili per la gestione dei progetti e la collaborazione di gruppo, implementazione delle best practice per codice di alta qualità e comprensione dell'importanza della comunicazione, della pianificazione e della gestione dei rischi nel ciclo di vita di sviluppo del videogioco (SDLC). Modulo 2: GPU Computing 1. Architettura GPU vs CPU: Comprendere le differenze fondamentali tra CPU e GPU in termini di progettazione dei core, gerarchia di memoria e idoneità per diversi task computazionali. 2. Concetti di Programmazione Parallela su GPU: Apprendere concetti chiave come thread, warp, blocchi di thread e griglie utilizzati per la programmazione parallela sulle GPU. 3. Gestione della Memoria su GPU: Studiare i diversi spazi di memoria disponibili sulle GPU (globale, condivisa, costante, texture) e i loro modelli di accesso per prestazioni ottimali. 4. Sincronizzazione dei Thread: Comprendere la necessità di sincronizzare i thread nei programmi GPU e analizzare meccanismi come barriere e operazioni atomiche per raggiungerla. 5. Introduzione alla Programmazione CUDA: Apprendere le basi del modello di programmazione CUDA, incluse funzioni kernel, funzioni del dispositivo e tecniche di allocazione della memoria. 6. Tecniche di Ottimizzazione delle Prestazioni: Esplorare strategie come accesso coalesced alla memoria, ottimizzazione dell'occupazione ed evitare conflitti di banchi di memoria per migliorare le prestazioni dei programmi GPU. 7. Librerie Comuni per la Programmazione GPU: Utilizzare librerie come CUDA Libraries (cuBLAS, cuFFT, ecc.) che forniscono implementazioni ottimizzate per funzioni matematiche comuni sulla GPU. 8. Debugging e Profiling di Programmi GPU: Comprendere strumenti e tecniche per eseguire il debug e il profiling dei programmi GPU al fine di identificare colli di bottiglia delle prestazioni e ottimizzarli efficacemente. 9. Applicazioni del GPU Computing: Esplorare vari domini applicativi in cui il GPU computing eccelle, tra cui calcolo scientifico, machine learning, elaborazione di immagini/video e altro ancora. 10. Tendenze Future nel GPU Computing: Acquisire familiarità con le tendenze emergenti nelle architetture GPU, nei modelli di programmazione e nelle nuove applicazioni che sfruttano la potenza delle GPU. Conoscenze di base di programmazione in un linguaggio di scripting (es. Python, C#). Familiarità con i concetti di base di informatica e matematica. Conoscenza di linguaggi di programmazione procedurali e object-oriented. Comprensione dei principi di base dell'architettura dei calcolatori. Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

L'esame finale consiste in una prova finale con domande ed esercizi relativi a tutti gli argomenti introdotti e discussi durante le lezioni. Lavori di progetto opzionali possono contribuire alla valutazione finale dello studente. Requisiti minimi per il superamento del Modulo Game Design: Conoscenze di base di programmazione: familiarità con i concetti di programmazione orientata agli oggetti (OOP) e con un linguaggio di programmazione (es. C++, Java, Python). Comprensione del design del gioco: conoscenza dei principi di progettazione di livelli, meccaniche di gioco e dinamiche di gioco. Capacità di problem solving: abilità nel risolvere problemi logici e analizzare le prestazioni del software. Attitudine al lavoro collaborativo: familiarità con i sistemi di controllo delle versioni (VCS) e con le metodologie di sviluppo agile. Requisiti minimi per il superamento del modulo GPU Computing: Architettura GPU vs CPU: comprendere le differenze di progettazione e l'idoneità per diversi compiti computazionali. Concetti di programmazione parallela su GPU: thread, warp, blocchi di thread e griglie. Gestione della memoria su GPU: spazi di memoria e modelli di accesso per prestazioni ottimali. Sincronizzazione dei thread: barriere e operazioni atomiche. Introduzione alla programmazione CUDA: modello di programmazione, funzioni kernel e del dispositivo. Sviluppare programmi GPU utilizzando il modello di programmazione CUDA. Utilizzare librerie comuni per la programmazione GPU (cuBLAS, cuFFT, ecc.). Valutare l'applicabilità del GPU computing a differenti problemi computazionali. Selezionare le tecniche di programmazione e ottimizzazione più adatte per un determinato caso d'uso.

Appunti del docente. Materiale di riferimento online (articoli scientifici, tutorial, documentazione ufficiale). Librerie e framework per la programmazione GPU.

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Prova finale

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Tipo esame: Orale - Valutazione: Voto Finale - Frequenza: Non obbligatoria

Stage interno

Tipo esame: Orale - Valutazione: Giudizio Finale - Frequenza: Non obbligatoria

Lo studente al termine del corso possiederà tutte le conoscenze relative alla programmazione ad oggetti, agli algoritmi e strutture dati fondamentali. Lo studente sarà inoltre in grado di comprendere la complessità computazionale di un algoritmo. Verranno inoltre presentati tutti i costrutti per lo sviluppo di codice in Java. Lo studente sarà in grado di identificare gli algoritmi e le strutture dati necessarie alla codifica e soluzione di un problema di natura informatica. Avrà inoltre a disposizione tutti gli strumenti per modellare il problema attraverso il paradigma della programmazione ad oggetti essendo anche in grado di calcolare la complessità computazionale della soluzione scelta.

Riepilogo dei principali argomenti sulla programmazione strutturata (2 ORE – 0.25 CFU) Principali argomenti relativi alla programmazione strutturata, le funzioni e gli arrai. Introduzione a Java (4 ORE – 0.5 CFU) Compilazione e bytecode. Variabili e tipi di variabili, sintassi del linguaggio, metodi e parametri Classi e oggetti (2 ORE – 0.25 CFU) Definizione di classe e di oggetto. Esempi di classi e oggetti in Java. Interfaccia pubblica e interfaccia privata. Esercitazione (2 ORE – 0.25 CFU) Esercitazione al calcolatore sulle basi del linguaggio Java Array (2 ORE – 0.25 CFU) Array in Java e loro manipolazione. Gestione degli array Esercitazione (2 ORE – 0.25 CFU) Esercitazione al calcolatore sull’uso degli array La programmazione orientata agli oggetti (4 ORE – 0.5 CFU) Elementi caratteristici della programmazione orientata agli oggetti in Java. Ereditarietà, interfacce, overload e override di un metodo Riepilogo (2 ORE – 0.25 CFU) Riepilogo degli argomenti trattati nella prima metà del corso e visione d’insieme. Liste (2 ORE – 0.25 CFU) Liste semplicemente e doppiamente concatenate Esercitazione (2 ORE – 0.25 CFU) Esercitazione al calcolatore sulla programmazione orientata agli oggetti Analisi di complessità di algoritmi (2 ORE – 0.25 CFU) Calcolo e valutazione della complessità computazionale di un algoritmo Esercitazione (2 ORE – 0.25 CFU) Esercitazione al calcolatore sulle liste Ricorsione (2 ORE – 0.25 CFU) La ricorsione. Ricorsione lineare e binaria. Analisi di complessità. Esercitazione (2 ORE – 0.25 CFU) Esercitazione al calcolatore sulla ricorsione Pile e code (2 ORE – 0.25 CFU) Le strutture dati astratte Pila e Coda e la loro implementazione con array e con liste. Esercitazione (2 ORE – 0.25 CFU) Esercitazione al calcolatore su Pile e Code Mappe (2 ORE – 0.25 CFU) Il concetto di Mappa. Hash Map. Implementazione di una Hash Map con un array. Alberi (2 ORE – 0.25 CFU) Alberi e alberi binari. Visita di un albero. Implementazione in Java di Liste e Mappe (2 ORE – 0.25 CFU) Le strutture dati astratte così come implementate nelle librerie Java. Esercitazione (2 ORE – 0.25 CFU) Esercitazione al calcolatore sulle Liste e le Mappe e sull’uso degli iteratori Esercitazione (2 ORE – 0.25 CFU) Esercitazione al calcolatore sugli alberi Esercitazione (2 ORE – 0.25 CFU) Preparazione alla prova d’esame

Programmazione strutturata, array, analisi di funzioni matematiche

Le attività didattiche sono erogate in maniera esclusivamente online attraverso la piattaforma di ateneo e sono strutturate in didattica erogativa con lezioni frontali registrate o in live streaming, materiale didattico multimediale, e didattica interattiva con forum di discussione, web conference, esercitazioni online, progetti collaborativi.

L’esame si svolgerà attraverso una prova scritta con una discussione facoltativa dell’elaborato. La prova scritta si svolgerà attraverso la somministrazione di quesiti che potranno essere a risposta multipla, a risposta libera o essere presentati in forma di esercizi numerici e di codifica di algoritmi e strutture dati.

Algoritmi e strutture dati in Java di Roberto Tamassia e Michael T. Goodrich. Maggioli Editori. Linguaggi di programmazione. Principi e paradigmi di Gabbrielli e Martini — McGraw-Hill

L'insegnamento ha l'obiettivo di fornire agli allievi i principi dell'Analisi Matematica e le tecniche di Calcolo necessarie per lo studio delle Scienze Applicate e dell'Ingegneria

I MODULO 1. NUMERI REALI 2. NUMERI COMPLESSI 3. FUNZIONI REALI 4. LIMITI DI FUNZIONI REALI 5.FUNZIONI CONTINUE 6. CALCOLO DIFFERENZIALE 7. CALCOLO INTEGRALE II MODULO 8. INTEGRALI IMPROPRI E SERIE NUMERICHE 9. EQUAZIONI DIFFERENZIALI 10. FUNZIONI DI PIU' VARIABILI REALI 11. CALCOLO DIFFERENZIALE PER FUNZIONI A PIU' VARIABILI. 12. INTEGRALI MULTIPLI

L'insegnamento ha l'obiettivo di fornire agli allievi i principi dell'Analisi Matematica e le tecniche di Calcolo necessarie per lo studio delle Scienze Applicate e dell'Ingegneria

Lezioni ed esercitazioni in aula

Prova scritta comprendente esercizi numerici e domande di natura teorica. Lo studente può suddividere lo svolgimento della prova scritta in due prove parziali relative alla prima ed alla seconda parte del programma. Il superamento della prima prova parziale deve precedere il superamento della seconda prova. E' possibile svolgere un colloquio orale per definire l' esito dell' esame.

P. Marcellini, C. Sbordone: "Elementi di Analisi Matematica Uno", Liguori Editore, Napoli; N. Fusco, P. Marcellini, C. Sbordone:"Elementi di Analisi Matematica Due", Liguori Editore, Napoli; P. Marcellini, C. Sbordone: "Esercitazioni di Matematica", Voll. 1&2, Liguori Editore Napoli; M. Bramanti, C.D. Pagani, S.Salsa:"Analisi Matematica 1", Zanichelli Editore, Bologna; M. Bramanti, C.D. Pagani, S. Salsa: "Analisi Matematica 2", Zanichelli Editore Bologna.

L’insegnamento fornisce gli strumenti essenziali per operare professionalmente nel campo dell'Acustica Applicata, in un'ottica di integrazione interdisciplinare con le altre competenze ingegneristiche funzionali alle industrie della creativitia’. Saranno trattati metodi e tecnologie relativi al controllo del rumore in ambiente esterno; progettazione acustica degli edifici; progettazione degli ambienti per la musica e la comunicazione orale. Lo studente acquisirà conoscenze pratiche sull’utilizzo di strumentazione per misure di gestione dei segnali acustici, produzione e riproduzione musicale in ambiente aperto e/o confinato e auralizzazioni. Eventuali ulteriori risultati di apprendimento attesi, relativamente a: Autonomia di giudizio: sviluppo della capacità di analisi critica delle differenti modalità di gestione del suono in ambiente aperto e chiuso; Capacità di apprendimento: la preparazione acquisita rende lo studente capace di affrontare un generico problema di definizione di gestione acustica attraverso strumenti e tool moderni; Abilità comunicativa: sviluppo della capacità di inquadramento del problema e restituzione in modo efficace e sintetico del quadro risolutivo dello stesso, con proprietà di linguaggio e di analisi.

Acustica fisica (Modulo I – 1 CFU) Il fenomeno sonoro. Principali grandezze acustiche. Velocità del suono nei vari mezzi. Onde piane, sferiche, cilindriche, stazionarie. 2. Acustica psicofisica (Modulo II – 1 CFU) Sistema uditivo umano Disturbo e danno da rumore Creazione, riproduzione e gestione di Onde sonore 3. Livelli sonori decibel e spettri (Modulo III – 1 CFU) Filtri di (1/n di) ottava Curve di ponderazione in frequenza Metrica dei livelli sonori Analisi di Fourier Esercitazioni in laboratorio sulla misura dei Livelli sonori 4. Rumore in ambiente esterno (Modulo IV – 1 CFU) La propagazione sonora in ambiente esterno Barriere acustiche (Leggi e norme tecniche) Misure acustiche in ambiente aperto – metrologia acustica 5. Acustica edilizia e in ambienti chiusi (Modulo V – 1 CFU) Isolamento acustico: leggi fondamentali Valutazione delle prestazioni acustiche in architettura Esercitazioni in laboratorio Trattazione energetica-statistica. Riverberazione. Formule di Sabine e di Norris-Eyring del tempo di riverberazione. Cenni alla trattazione ondulatoria Esercitazioni in laboratorio – misure acustiche in edilizia 6. Acustica architettonica (Modulo VI – 1 CFU) Descrittori dell'intelligibilità del parlato. L'acustica delle sale da spettacolo: cenni storici fino all'opera di Sabine. L'opera di Beranek. Descrittori acustici monoaurali e binaurali per le sale da concerto. La teoria di Ando e le teorie sulla preferenza psicoacustica Auralizzazioni e acustica virtuale Modellazione della propagazione acustica in un ambiente

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

Discussione di elaborato progettuale La verifica finale consiste in una singola prova orale, con discussione delle tesine preparate dagli studenti. Le domande tendono ad accertare il raggiungimento da parte dello studente dei due obiettivi didattici: la piena conoscenza dei concetti e dei metodi teorici presentati a lezione; la capacità di impiegare tali strumenti per risolvere problemi applicativi. Gli studenti dovranno rispondere sia a domande che vertono sui principi e sui metodi (nel linguaggio comune "domande di teoria") sia a domande che prevedono la soluzione di un problema numerico del tipo di quelli affrontati durante le ore di esercitazione che affiancano le lezioni teoriche (nel linguaggio comune "esercizi"). Ciò serve a verificare la capacità di applicare gli strumenti acquisiti per modellare una data situazione, calcolare i risultati voluti ed interpretarli. Dettagliare la modalità dell’esame stabilendo i requisiti minimi di apprendimento per il superamento dell’esame.

L’insegnamento contempla lezioni teoriche ed esercitazioni in aula, anche attraverso l’uso di fogli di calcolo e software dedicati per lo svolgimento di esercizi relativi alla gestione di un file acustico e della progettazione di un sistema d riproduzione musicale. Testi di riferimento saranno: Renato Spagnolo (a cura di), Acustica. Fondamenti e applicazioni –UTET, Torino (2015) Umberto Nicolao, Acustica applicata per impianti audio professionali - Tecniche Nuove (2021)

Conoscenza delle modalità di progettazione e di rappresentazione di database con tecniche di tipo relazionale, object oriented e NoSql; modellazione dei dati e dei processi (linguaggio UML), rappresentazione relazionale e a oggetti dei dati (SQL, ORM); conoscenza delle architetture dei sistemi di rappresentazione dei dati e tecniche di normalizzazione; gestione delle transazioni, architetture per l'analisi dei dati (data wharehouse, data mining), i database NoSQL. Capacità di applicare conoscenza e comprensione Capacità di progettare database di tipo relazionale e a oggetti, con l'uso di adeguati strumenti di analisi e disegno. Sviluppo di applicazioni Web con l'uso di linguaggi di gestione di database relazionali e a oggetti. Capacità di utilizzare i meccanismi di transazione nelle elaborazioni dei dati. Progettazione di sistemi basati su architetture per l'analisi dei dati. Uso di sistemi di persistenza basati su oggetti (JPA, Hibernate) e di sistemi NoSql Eventuali ulteriori risultati di apprendimento attesi, relativamente a: • Autonomia di giudizio: capacità di comparare diverse soluzioni e stabilire la più indicata • Abilità comunicative: • Capacità di apprendimento: studio autonomo per l'applicazione dei modelli studiati a nuovi case study

Analisi e disegno dei sistemi con approccio a oggetti: OOA, OOD, Il linguaggio UML, Principali diagrammi UML e loro utilizzo: use case diagram, class diagram, object diagram, sequence diagram, etc. (0,8 CFU 8 ore) Approccio tradizionale alla modellazione di dati: diagrammi E/R, modello relazionale. Modello concettuale di una base di dati Modello logico: il modello relazionale ed i suoi elementi. Confronto con l'approccio Object Oriented: vantaggi / svantaggi (1 CFU 10 ore) Le varie forme di normalizzazione e i metodi di identificaione e di semplificazione delle relazioni. Algebra e calcolo relazionale Il linguaggio SQL per Relational Data Base Management System (RDBMS) SQL e sue caratteristiche evolute, Transazioni (Commit e Rollback, Proprietà ACID delle transazioni). Lo sviluppo delle applicazioni con accesso a database (2 CFU 20 ore) L'approccio ORM: la persistenza delle classi su un database reazionale (JPA e Hibernate; la rappresentazione delle classi Java su tabelle relazionali (0,4 CFU 4 ore) Architetture per l'analisi dei dati, Architettura di un Data Warehouse, Rappresentazione multidimensionale dei dati, Il processo di Data Mining (0,8 CFU 8 ore) Database NoSQL, Caratteristiche e principali implementazioni, Database basati sul modello a grafo: Neo4j, Cloud databases, Firebase (1 CFU 10 ore)

Conoscenza di linguaggi di programmazione e della progettazione di algoritmi

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

L'esame consiste in una prova da eseguirsi al computer comprendente: progettazione e rappresentazione di un database, realizzazione di diverse soluzioni per l'accesso ai dati attraverso una applicazione Web La prova riguarda tutti gli argomenti presentati nel corso e richiedono di dimostrare la capacità di applicare gli strumenti e le tecniche descritte nel corso. Requisiti minimi per il superamento dell'esame sono la capacità di progettare ed utilizzare tabelle di un database attraverso i linguaggi di interrogazione

Basi di Dti, P. Atzeni, S. Ceri, P. Fraternali, S. Paraboschi, R. Torlone, IV Edizione. McGraw Hill Istruzione, 2014. Tecniche di database agili, strategie efficaci per lo sviluppatore di software agile, S. Ambler, John Wiley & Sons Design Patterns: elementi di software orientato agli oggetti riutilizzabili, Erich Gamma, Richard Helm, Ralph Johnson, John Vlissides, Pearson, 2015 The UML User Guide (2nd Edition), G. Booch, J. Rumbaugh, I Jacobson, Addison Wesley, 2015

Conoscenza degli algoritmi numerici di base per la risoluzione di semplici problemi matematici Capacità di implementare su un elaboratore semplici algoritmi numerici Autonomia di giudizio :Valutazione critica dei risultati numerici forniti dall'elaboratore Valutazione della complessità computazionale degli algoritmi studiati Abilità comunicative:saper comunicare con chiarezza le metodologie utilizzate ed i risultati ottenuti. Capacità di apprendimento:avere le capacità di studiare autonomamente un problema matematico e valutarne la risoluzione per via algoritmica

Rappresentazione in base di un numero reale. I numeri di macchina. Operazioni macchina. Risoluzione numerica di equazioni non lineari. Metodo di bisezione. Metodo della falsa posizione. Metodi di iterazione funzionale. Condizione sufficiente per la convergenza. Ordine di convergenza di un metodo iterativo. Metodo di Newton-Raphson. Il metodo della direzione costante. Ordine di convergenza del metodo della direzione costante. Sistemi triangolari. Metodo di eliminazione di Gauss. Strategie di pivoting. La fattorizzazione LU. Il polinomio interpolante di Lagrange. Costruzione del polinomio interpolante di Lagrange. Polinomi di Chebyshev. Teorema di minimax. Approssimazione di dati sperimentali. La retta di regressione. Formule di quadratura di tipo interpolatorio. La formula dei trapezi. La formula di Simpson. La formula del punto di mezzo. Formula dei trapezi composta. Derivazione numerica. Approssimazione discreta delle derivate prima e seconda di una funzione. Metodi ad un passo per equazioni differenziali ordinarie. I metodi di Eulero implicito ed esplicito. Il metodo dei trapezi.

Nozioni dell'algebra lineare delle matrici e dei vettori, proprietà fondamentali delle funzioni di variabile reale

I principali metodi didattici saranno didattica frontale e laboratoriale. È prevista anche la somministrazione di esercizi di teoria e programmazione con finalità di approfondimento, sviluppo di maggiore autonomia da parte dello studente e valutazione delle competenze acquisite.

L'esame prevede lo svolgimento di un quesito di programmazione e la descrizione critica delle diverse metodologie numeriche mediante successivo colloquio orale.

Dispense del corso a cura del docente A. Quarteroni, F. Saleri, Introduzione al Calcolo Scientifico, Springer-Verlag 2006.

• Conoscenza su base teorica della struttura atomica. • Conoscenza del processo di bilanciamento chimico. • Conoscenza delle caratteristiche chimico-strutturali della materia. • Conoscenza dell’entalpia di reazione. ---------------------------------------------------- • Capacità di ricavare la configurazione elettronica di un elemento e di predirne la sua reattività. • Abilità nell’effettuare il bilanciamento delle reazioni chimiche. • Capacità nel calcolare il calore scambiato a seguito di una trasformazione chimica del sistema. • Capacità nel predire se una trasformazione è spontanea o meno. ------------------------------------------------------ • Autonomia di giudizio: capacità di comparare diverse soluzioni e stabilire la più indicata • Capacità di apprendimento: studio autonomo per l’applicazione dei modelli studiati a nuovi problemi chimici. Il corso sinteticamente ha lo scopo di mettere in grado lo studente di scrivere e bilanciare le equazioni chimiche, di eseguire calcoli stechiometrici, di conoscere le caratteristiche chimico-strutturali della materia e le basi della termochimica.

INTRODUZIONE (2.5 ORE – 0.25 CFU) Definizione di materia. Elementi e composti. Teoria atomica della materia. Leggi fondamentali della chimica: conseguenze. ATOMO, MOLECOLA, MOLE. FORMULA MINIMA E MOLECOLARE (5.0 ORE – 0.50 CFU) Numero atomico e di massa. Isotopi. Difetto di massa. Massa atomica e massa molecolare. Numero di Avogadro e concetto di mole. Massa molare. Percentuale in peso di elementi in un composto. -LA NATURA ELETTRICA DELLA MATERIA E STRUTTURA ATOMICA(7.5 ORE – 0.75 CFU) Breve storia della evoluzione della teoria atomica. Radioattività. Esperimento di Thomson. Esperimento di Rutherford. Il modello planetario dell’atomo. Spettri di emissione e di assorbimento. Equazione di Rydberg. Modello di Bohr dell’atomo di idrogeno. Insufficienza del modello di Bohr. Teorie di Sommerfeld e Zeeman. Principio di indeterminazione di Heisenberg. Ipotesi di De Broglie. Equazione di Schrödinger. Funzione d'onda ψ e suo significato probabilistico. Orbitali atomici. Atomi pluri-elettronici. Il numero quantico di spin. I principi dell’Aufbau: principio di Pauli e regola di Hund. CONFIGURAZIONE ELETTRONICA DEGLI ELEMENTI E TAVOLA PERIODICA (5.0 ORE – 0.50 CFU) Configurazione elettronica. La tavola periodica. Proprietà periodiche degli elementi. LEGAME CHIMICO (7.5 ORE – 0.75 CFU) Legame ionico, energia reticolare. Il legame covalente. Teoria Valence Bond e molecole e ioni biatomici e poliatomici. Teoria VSEPR. Ibridazione sp, sp2, sp3, sp3d, sp3d2. Concetto di risonanza, principio di elettroneutralità. Caratteristiche elettriche e magnetiche delle molecole. NOMENCLATURA CHIMICA (2.5 ORE – 0.25 CFU) Numero di ossidazione. Nomenclatura chimica dei composti binari, degli ossoacidi, dei sali e dei complessi. REAZIONI CHIMICHE (10 ORE – 1 CFU) Reazioni acido base e redox. Bilanciamento di reazioni. Calcoli stechiometrici e reagente limitante. LEGGI DEI GAS (5.0 ORE – 0.5 CFU) Stati di aggregazione della materia: solidi, liquidi e gas. Equazione di stato dei gas ideali. Trasformazioni isoterme (legge di Boyle), isobare (legge Charles) ed isocore (legge di Gay-Lussac). Densità di un gas. Gas perfetti nelle reazioni chimiche. SOLUZIONI E REAZIONI IN SOLUZIONE (5.0 ORE – 0.5 CFU) Soluzioni. Modi di esprimere le concentrazioni. Rapporti volumetrici nelle reazioni chimiche. TERMODINAMICA (10 ORE – 1 CFU) Sistema e variabili di stato, calore e lavoro, principio zero e definizione di temperatura. Funzioni di stato. Energia interna. Primo principio. Calore specifico. Definizione di stato standard. Entalpia. Legge di Hess.

Linguaggio scientifico di base. Leggi fondamentali della chimica. I prerequisiti saranno accertati attraverso un test, all’inizio del corso ufficiale, usufruendo dell’incremento delle ore di didattica per CFU introdotte per questo A.A..

Le attività didattiche sono erogate in maniera esclusivamente online attraverso la piattaforma di ateneo e sono strutturate in didattica erogativa con lezioni frontali registrate o in live streaming, materiale didattico multimediale, e didattica interattiva con forum di discussione, web conference, esercitazioni online, progetti collaborativi.

L’esame si svolgerà attraverso una prova scritta con una discussione facoltativa dell’elaborato. La prova scritta si svolgerà attraverso la somministrazione di quesiti che potranno essere a risposta multipla, a risposta libera o essere presentati in forma di esercizi numerici. Requisiti minimi per il superamento dell’esame sono la conoscenza della tavola periodica, del legame chimico, del bilancio di materia e di energia (calore) di una reazione chimica, e la capacità di impostare e risolvere esercizi di stechiometria.

1. Nobile F., Mastrorilli P., La chimica di base con esercizi, C.E.A., terza edizione Milano,2021. Materiale didattico: appunti di lezione, file in canale di Teams

CONOSCENZA E CAPACITÀ DI COMPRENSIONE Conoscenza basilare dei principi e dei fenomeni della microeconomia e della macroeconomia. Conoscenza dei principali modelli organizzativi e delle forme giuridiche d’impresa. Conoscenza dei documenti di contabilità delle imprese e degli strumenti quantitativi di base per valutare l’impatto delle decisioni aziendali. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE Capacità di interpretare il contesto economico in cui l’impresa opera e di prevedere gli effetti delle decisioni aziendali. Capacità di utilizzare gli strumenti di base per l'analisi economico-finanziaria delle decisioni aziendali e per l'interpretazione dei risultati. ULTERIORI RISULTATI DI APPRENDIMENTO ATTESI Autonomia di giudizio: Analisi e valutazione delle caratteristiche dei sistemi economici e del sistema aziendale, e interpretazione dei risultati. Abilità comunicative: Capacità di impiegare il lessico dell’economia e dell’organizzazione aziendale per descrivere un’impresa e il contesto economico in cui essa opera. Capacità di apprendimento: Capacità di comprendere autonomamente ed adottare ulteriori modelli e strumenti per la gestione d'impresa.

1. ELEMENTI DI ECONOMIA (15 ORE – 1.5 CFU) Microeconomia: concetti generali e teoria della domanda e dell’offerta. Macroeconomia: circuito del reddito e PIL 2. L’IMPRESA (35 ORE – 3.5 CFU) Natura giuridica dell’impresa. Principi di organizzazione aziendale (10 ORE – 1 CFU) La contabilità generale. Cenni di contabilità industriale. (25 ORE – 2.5 CFU) 3. CENNI DI PROJECT MANAGEMENT (10 ORE – 1 CFU) La Work Breakdown Structure. Il diagramma di Gantt. Tecniche reticolari. Cenni all’analisi degli investimenti.

Conoscenze di base di algebra, geometria e analisi matematica (trigonometria, equazioni algebriche, studi di funzione, rudimenti di calcolo differenziale e integrale)

Lezione frontale. Esempi e brevi casi di studio. Esercitazioni numeriche.

L’esame (scritto) ha lo scopo di verificare che l’allieva/o abbia assimilato i concetti principali del corso e sia in grado di impostare la soluzione di semplici problemi pratici nell’ambito della gestione di un’impresa.

Costantino N., Pellegrino R., Scozzi B., 2019, Economia e organizzazione aziendale - Teoria, metodo ed esercitazioni. Ulrico Hoepli Editore, Milano. ISBN 978-88-203-9028-0 Ulteriore materiale didattico a cura del docente

Lo studente deve conoscere le caratteristiche e le principali prestazioni dei blocchi base analogici e digitali utilizzati per la sintesi di forme d’onda da utilizzare per applicazioni audio e video. Deve conoscere le tecniche di conversione analogico/digitale e digitale/analogico e comprenderne la rilevanza delle specifiche in relazione alle applicazioni. Deve conoscere le tecniche di progettazione di semplici circuiti digitali combinatori e sequenziali e la descrizione degli stessi in un linguaggio orientato alla loro sintesi, con particolare riferimento ai circuiti impiegati per la sintesi e l’elaborazione dei segnali audio e video. Lo studente deve essere in grado di utilizzare le tecniche di descrizione e di progettazione presentate nel corso per realizzare blocchi funzionali analogici e digitali, partendo dalla definizione completa delle specifiche di partenza. Autonomia di giudizio: Lo studente deve acquisire la capacità di interpretare le specifiche di semplici sistemi elettronici analogici e digitali per le applicazioni di sintesi e d elaborazione di segnali audio e video e di identificare un’architettura in grado di soddisfarle. Abilità comunicative: Lo studente deve acquisire la capacità di descrivere e di documentare con adeguata proprietà di linguaggio la struttura e il funzionamento dei circuiti elettronici analogici e digitali per le applicazioni di sintesi ed elaborazione dei segnali audio e video. Capacità di apprendimento: La conoscenza e la padronanza delle tecniche di analisi e progettazione trattate durante il corso deve consentire di approcciare in modo autonomo lo studio di sistemi elettronici più complessi non affrontati durante il corso, in modo da garantire la possibilità di un continuo aggiornamento delle conoscenze acquisite.

Modulo 1: Elettronica Digitale Conversione A/D e D/A (5 ore – 0.5 CFU) Primitive logiche elementari combinatorie e sequenziali e loro descrizione mediante linguaggi HDL (20 ore – 2 CFU) Sintesi di sistemi digitali mediante elettronica digitale programmabile (FPGA) (10 ore – 1 CFU) Generazione di forme d’onda nel dominio digitale: Direct Digital Synthesis, generatori di inviluppo digitali, ALFSR e generatori di rumore (10 ore – 1 CFU) Filtri digitali (10 ore – 1 CFU) Tecniche di sintesi additiva e sottrattiva (5 ore – 0.5 CFU) Modulo 2: Elettronica avanzata Oscillatori sinusoidali (15 ore - 1.5 CFU) Generatori di forme d’onda nel dominio analogico (15 ore - 1.5 CFU) Filtri attivi basati su amplificatori operazionali (15 ore – 1.5 CFU) Blocchi base analogici per la musica: Voltage-Controlled Oscillator (VCO), Voltage-Controlled Filter (VCF), Voltage-Controlled Amplifier (VCA), Operational Transconductance Amplifier (OTA), generatori di inviluppo analogici, mixers, sviluppo di un semplice sintetizzatore analogico (15 ore – 1.5 CFU).

Conoscenza dell’elettrotecnica e dell’elettronica di base

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

L’esame consiste in un colloquio orale durante il quale vengono posti al candidato quesiti riguardanti le tecniche di progettazione e di sintesi dei circuiti analogici e digitali presentati nel corso. I requisiti minimi di apprendimento sono i seguenti: 1. Conoscenza delle principali configurazioni circuitali dei circuiti analogici per la generazione di forme d’onda e dei filtri attivi 2. Conoscenza dei principali blocchi base analogici per sintesi e l’elaborazione dei segnali audio e video 3. Conoscenza delle caratteristiche e delle specifiche dei convertitori A/D e D/A 4. Conoscenza delle tecniche di sintesi di circuiti digitali sequenziali e combinatori 5. Conoscenza della struttura e delle principali configurazioni di sistemi digitali per la sintesi e l’elaborazione del segnale audio

1. S. Franco: “Design with Operational Amplifiers and Analog Integrated Circuits” - McGraw-Hill, 2015 2. G. Ballou: “Handbook for sound engineers” Focal Press-Elsevier, 2008. 3. J.M. Rabaey, A.P. Chandrakasan, B. Nicolic: “Circuiti integrati Digitali: L'ottica del progettista” – Pearson 2020. 4. Akhan Almagambetov, ‎J. Matt Pavlina, ‎Yelena Mukhortova: “Digital Circuit Design Laboratory Manual, 5th edition” - Automasis Publishing, 2020.

Lo studente deve conoscere le caratteristiche e le principali prestazioni dei blocchi base analogici e digitali utilizzati per la sintesi di forme d’onda da utilizzare per applicazioni audio e video. Deve conoscere le tecniche di conversione analogico/digitale e digitale/analogico e comprenderne la rilevanza delle specifiche in relazione alle applicazioni. Deve conoscere le tecniche di progettazione di semplici circuiti digitali combinatori e sequenziali e la descrizione degli stessi in un linguaggio orientato alla loro sintesi, con particolare riferimento ai circuiti impiegati per la sintesi e l’elaborazione dei segnali audio e video. Lo studente deve essere in grado di utilizzare le tecniche di descrizione e di progettazione presentate nel corso per realizzare blocchi funzionali analogici e digitali, partendo dalla definizione completa delle specifiche di partenza. Autonomia di giudizio: Lo studente deve acquisire la capacità di interpretare le specifiche di semplici sistemi elettronici analogici e digitali per le applicazioni di sintesi e d elaborazione di segnali audio e video e di identificare un’architettura in grado di soddisfarle. Abilità comunicative:Lo studente deve acquisire la capacità di descrivere e di documentare con adeguata proprietà di linguaggio la struttura e il funzionamento dei circuiti elettronici analogici e digitali per le applicazioni di sintesi ed elaborazione dei segnali audio e video. Capacità di apprendimento: La conoscenza e la padronanza delle tecniche di analisi e progettazione trattate durante il corso deve consentire di approcciare in modo autonomo lo studio di sistemi elettronici più complessi non affrontati durante il corso, in modo da garantire la possibilità di un continuo aggiornamento delle conoscenze acquisite.

Modulo 1: Elettronica Digitale Conversione A/D e D/A (5 ore – 0.5 CFU) Primitive logiche elementari combinatorie e sequenziali e loro descrizione mediante linguaggi HDL (20 ore – 2 CFU) Sintesi di sistemi digitali mediante elettronica digitale programmabile (FPGA) (10 ore – 1 CFU) Generazione di forme d’onda nel dominio digitale: Direct Digital Synthesis, generatori di inviluppo digitali, ALFSR e generatori di rumore (10 ore – 1 CFU) Filtri digitali (10 ore – 1 CFU) Tecniche di sintesi additiva e sottrattiva (5 ore – 0.5 CFU) Modulo 2: Elettronica avanzata Oscillatori sinusoidali (15 ore - 1.5 CFU) Generatori di forme d’onda nel dominio analogico (15 ore - 1.5 CFU) Filtri attivi basati su amplificatori operazionali (15 ore – 1.5 CFU) Blocchi base analogici per la musica: Voltage-Controlled Oscillator (VCO), Voltage-Controlled Filter (VCF), Voltage-Controlled Amplifier (VCA), Operational Transconductance Amplifier (OTA), generatori di inviluppo analogici, mixers, sviluppo di un semplice sintetizzatore analogico (15 ore – 1.5 CFU).

Conoscenza dell’elettrotecnica e dell’elettronica di base

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

L’esame consiste in un colloquio orale durante il quale vengono posti al candidato quesiti riguardanti le tecniche di progettazione e di sintesi dei circuiti analogici e digitali presentati nel corso. I requisiti minimi di apprendimento sono i seguenti: 1. Conoscenza delle principali configurazioni circuitali dei circuiti analogici per la generazione di forme d’onda e dei filtri attivi 2. Conoscenza dei principali blocchi base analogici per sintesi e l’elaborazione dei segnali audio e video 3. Conoscenza delle caratteristiche e delle specifiche dei convertitori A/D e D/A 4. Conoscenza delle tecniche di sintesi di circuiti digitali sequenziali e combinatori 5. Conoscenza della struttura e delle principali configurazioni di sistemi digitali per la sintesi e l’elaborazione del segnale audio

1. S. Franco: “Design with Operational Amplifiers and Analog Integrated Circuits” - McGraw-Hill, 2015 2. G. Ballou: “Handbook for sound engineers” Focal Press-Elsevier, 2008. 3. J.M. Rabaey, A.P. Chandrakasan, B. Nicolic: “Circuiti integrati Digitali: L'ottica del progettista” – Pearson 2020. 4. Akhan Almagambetov, ‎J. Matt Pavlina, ‎Yelena Mukhortova: “Digital Circuit Design Laboratory Manual, 5th edition” - Automasis Publishing, 2020.

Il corso di Fisica Generale si propone di introdurre il metodo sperimentale e far acquisire agli studenti i concetti fondamentali della Fisica Classica, fornendo loro i principi, le metodologie attraverso il problem-solving e le conoscenze fisiche di base propedeutiche agli insegnamenti degli anni successivi. Conoscenza e capacità di comprensione Il corso si propone di introdurre il metodo sperimentale e far acquisire agli studenti i concetti fondamentali della Fisica Classica, fornendo loro i principi e le conoscenze fisiche di base propedeutiche agli insegnamenti degli anni successivi. In particolare al termine del corso saranno acquisiti i concetti di forza, lavoro ed energia, di campi di interazioni fondamentali e la corretta metodologia del problem-solving. Capacità di applicare conoscenza e comprensione La capacità di applicare le conoscenze apprese nel corso e la loro comprensione saranno accertate mediante prove scritte prevalentemente con esercizi numerici e quesiti di carattere teorico.

PROGRAMMA Cinematica (1.5CFU): la misura in fisica, grandezze scalari e vettoriali, cinematica del punto materiale. Dinamica del punto materiale (1.5CFU): interazioni fondamentali, principio di inerzia e introduzione al concetto di forza. Leggi di Newton. Lavoro ed Energia cinetica, forze conservative Dinamica dei sistemi di punti materiali (1.0CFU): Forze esterne ed interne. Centro di massa. Equazioni cardinali del moto. Dinamica del corpo rigido (1.0CFU): Moto di un corpo rigido. Corpo rigido in rotazione attorno ad un asse fisso, moto di puro rotolamento. Equilibrio statico del corpo rigido. Urti ed Oscillazioni (1.0CFU): Forze impulsive. Urti in sistemi isolati/non isolati. Urti elastici e anelastici. Urti tra punti materiali e corpi rigidi liberi/vincolati. Oscillazioni: Equazione differenziale dell’oscillatore armonico e sue proprietà. Campi di forze centrali. Moto di un corpo soggetto alla forza gravitazionale. Forza elettrostatica e campo elettrico (1.5 CFU): Forza di Coulomb. Campo elettrostatico. Campo di sistemi di cariche puntiformi o distribuzioni continue. Lavoro della forza elettrica e potenziale elettrostatico. Il campo come gradiente del potenziale. Legge di Gauss. Teorema di Gauss in forma integrale. Conduttori e Dielettrici (2.0 CFU): Corpi conduttori in equilibrio elettrostatico. Condensatori in serie e parallelo. Dielettrici. Equazioni dell’elettrostatica in presenza di dielettrici. Corrente elettrica, legge di Ohm e concetto di resistenza elettrica. Potenza elettrica ed effetto Joule. Modello classico della conduzione elettrica. Sistemi di resistori in serie e parallelo. Magnetostatica (1.5 CFU): Interazione magnetica e campo magnetico. Forza magnetica su una carica in moto e su un conduttori percorsi da corrente. Campo magnetico prodotto da una corrente. Legge di Ampère. Campi elettrici e magnetici variabili nel tempo (1.0 CFU): Legge di Faraday e induzione elettromagnetica. Origine del campo magnetico e della fem indotta. Applicazioni della legge di Faraday. Autoinduzione. Mutua Induzione. Legge di Ampère-Maxwell. Equazioni di Maxwell (cenni).

Nozioni di base di calcolo differenziale ed integrale

Lezioni su lavagna tradizionale o su LIM se disponibile o in formato elettronico. Eventuali appunti in formato elettronico (.pdf) scritti dal docente relativi ad argomenti di cui risulta necessario un approfondimento.

Prova scritta comprendente esercizi numerici e domande di natura teorica. Il docente si riserva la possibilità di effettuare un eventuale colloquio individuale per definire l'esito dell'esame. Lo studente può suddividere lo svolgimento della prova scritta in due prove parziali relative al programma del modulo 1 e del modulo2. Il superamento della prima prova parziale deve precedere il superamento della seconda prova. Gli argomenti della prova scritta (esercizi e domande di natura teorica) sono volti a determinare il superamento dei requisiti minimi di apprendimento legati a questi argomenti: cinematica, dinamica del punto materiale e dinamica del corpo rigido per il modulo 1, campo elettrostatico e suo flusso, potenziale elettrico, conduttori e campo magnetico per il modulo 2.

1. P. Mazzoldi, M. Nigro, C. Voci - “Elementi di Fisica - Vol. I”, EdiSES – Napoli 2. P. Mazzoldi, M. Nigro, C. Voci - “Elementi di Fisica - Vol. II”, EdiSES – Napoli

Conoscenza delle principali problematiche di emissione e suscettività elettromagnetica. Capacità di progetto di dispositivi per la riduzione dell’emissione e della suscettività. Conoscenza delle tecniche di misura per la compatibilità elettromagnetica. Capacità di progettare semplici dispositivi scegliendo tra diverse soluzioni tecnologiche. Capacità di caratterizzare dispositivi scegliendo adeguate strumentazioni di misura. Autonomia di giudizio: Capacità di operare scelte progettuali. Abilità comunicative: Capacità di usare un corretto linguaggio tecnico scientifico. Capacità di apprendimento: Capacità di comprendere documentazione tecnica e scientifica, normative e manuali con particolare riferimento alla compatibilità elettromagnetica.

Equazioni d Maxwell, Onda piana (1 CFU) Requisiti di compatibilità elettromagnetica per sistemi elettronici (0.25 CFU), Emissione e suscettibilità condotta: Correnti di modo comune e differenziale; Rete di stabilizzazione dell’impedenza di linea (LISN); Circuiti equivalenti dei filtri e attenuazioni di inserzione; (0.5 CFU) Emissione e suscettibilità radiata: antenne equivalenti; Modi comune e differenziale (0.5 CFU) Diafonia: accoppiamento induttivo e capacitivo, tecniche di riduzione del disturbo (1 CFU) Schermature elettromagnetiche: Efficienza di schermatura di lastre metalliche; schermatura di sorgenti vicine; Aperture; Materiali ferromagnetici (0.75) Siti di misura: sito aperto, camere anecoiche e semianecoiche, camere riverberanti, celle TEM, normative di riferimento (0.25 CFU) Modelli numerici di problematiche di compatibilità elettromagnetica (1.75) CFU)

Conoscenze di base di campi elettromagnetici e propagazione delle onde.

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

Esame orale. Requisiti minimi: Emissione condotta e radiata, Suscettività condotta e radiata. Conoscenza delle principali tecnologie per la compatibilità elettromagnetica

Appunti del corso. Clayton R. Paul, “Introduction to Electromagnetic compatibility”, Wiley, 2nd Edition. F. T. Ulaby, U. Ravaioli, “Fundamentals of applied electromagnetics”, Pearson Education, Inc.

Comprensione dei principi dell'apprendimento automatico, tra cui apprendimento supervisionato, non supervisionato e per rinforzo. Familiarità con i concetti di regressione lineare, regressione logistica, reti neurali e macchine a vettori di supporto. Capacità di comprendere e utilizzare il linguaggio di programmazione Python per l'analisi dei dati e la creazione di modelli di apprendimento automatico. Capacità di applicare i principi dell'apprendimento automatico a problemi reali. Capacità di utilizzare Python per la pre-elaborazione dei dati, la selezione delle caratteristiche, l'addestramento e la valutazione di modelli di apprendimento automatico. Capacità di interpretare i risultati di un modello di apprendimento automatico e di valutare la sua affidabilità. Autonomia di giudizio: Capacità di analizzare criticamente un problema e di scegliere il modello di apprendimento automatico pi√π adatto. Capacità di valutare le prestazioni di un modello di apprendimento automatico e di identificare eventuali problemi. Capacità di prendere decisioni autonome in merito all'utilizzo dell'apprendimento automatico. Abilità comunicative: Capacità di comunicare i principi dell'apprendimento automatico in modo chiaro e conciso. Capacità di redigere relazioni tecniche che descrivono il lavoro svolto e i risultati ottenuti. Capacità di presentare i risultati di un'analisi di apprendimento automatico a un pubblico di esperti e non esperti. Capacità di apprendimento: Capacità di apprendere autonomamente nuovi concetti e tecniche nell'ambito dell'apprendimento automatico. Capacità di rimanere aggiornati sulle ultime ricerche e innovazioni nel campo dell'apprendimento automatico. Capacità di applicare le conoscenze acquisite a nuovi problemi e sfide.

Apprendimento per esempi - Come progettare un sistema di apprendimento automatico (5h-0,5 CFU) Che cos'è l'apprendimento automatico (5h 0,5 CFU) Apprendimento supervisionato, apprendimento non supervisionato, sistemi di raccomandazione, apprendimento per rinforzo, modelli generativi, modelli discriminativi, rappresentazione del modello Regressione lineare (10 h1 CFU) Regressione lineare con una variabile: Funzione di costo, discesa del gradiente, funzioni multiple [Ipotesi, batch, stocastico, mini-batch), condizioni di arresto dell'algoritmo di discesa del gradiente [Iterazione massima, tolleranza assoluta, tolleranza relativa, tolleranza della norma del gradiente), Caratteristiche e regressione polinomiale, Discesa del gradiente per più variabili, Equazioni normali, Dimostrazione delle derivazioni delle equazioni normali, Regressione logistica (5 -0,5 CFU) Classificazione, rappresentazione dell'ipotesi [Sigmoide, limite decisionale, interpretazione probabilistica, funzione di costo, errori], discesa del gradiente [derivazione dell'aggiornamento del peso), classificazione multi classe Uno contro tutti Linguaggio Python (5h-0,5 CFU) Panoramica, sintassi di base, tipi di dati, variabili, operatori, cicli, funzioni, manipolazione di stringhe, manipolazione di array, manipolazione di data frame, input output Fitting (2,5h-0,25 CFU) Just Fit, Overfitting, Underfitting Reti neurali (10h-1 CFU) Ipotesi non lineari [propagazione diretta, esempio di classificazione non lineare XORI Intuizione, funzione di costo, algoritmo Rackpropagation, intuizione Backpropagation, Inizializzazione casuale Macchine a vettori di supporto (5h-0,5 CFU) Classificatore a margine grande [regola di decisione, problema duale), Macchine a vettori di supporto - Intuizione [funzione di costo SVM), Macchine a vettori di supporto - Dati separabili non lineari, Teorema di Cover, trick del kernel, Teorema di Mercer Come costruire un sistema ML. Sistema (2 h-0,2 CFU) Panoramica [ciclo di vita del sistema ML), cosa facciamo prima [analisi e pre-elaborazione dei dati, Boxplot, normalizzazione, selezione delle caratteristiche), Come valutare l'ipotesi [procedura di training/testing, Emor di generalizzazione, selezione del modello, set di convalida, convalida incrociata, Holdout, conval incrociata K-fold, sottocampionamento casuale), Come scegliere l'ipotesi successiva [diagnosi di bias/varianza, diagnosi di Lambda (regolarizzazione), curve di apprendimento, diagnosi di Rias alto, diagnosi di Varianza alta), Come misurare se un sistema ML funziona bene [MAE, MSE, RMSE, Accuratezza, Precisione/Richiamo, ROC], Come misurare se i risultati sono significativi [test t accoppiato, coefficiente di determinazione] Apprendimento non supervisionato - Clustering (6.5h-0,65 CFU) K-means, Scelta del valore di K, metodo del gomito, divergenza di Kullback-Leibler, approccio del criterio dell'informazione, criterio dell'informazione di Akaike (AIC), criterio dell'informazione bayesiana (BIC), criterio dell'informazione devianza (DIC), coefficiente di silhouette, clustering-K-medoidi, clustering-modelli di miscela gaussiana, gaussiana univariata multivariata, modello di miscela, algoritmo di aspettativa-massimizzazione (EM), clustering-clustering gerarchico, clustering gerarchico: linkage singolo, clustering gerarchico: criterio di Ward, misure di distanza del cluster, DBSCAN, HDBSCAN, convalida del cluster basata sulla stabilità Apprendimento non supervisionato - Riduzione della dimensionalità (4h-0,4 CFU) Analisi dei componenti principali, decomposizione del valore singolare, ricostruzione dalla rappresentazione compressa, scelta del numero di componenti principali

Conoscenza di base di matematica e statistica. Esperienza di programmazione in un linguaggio qualsiasi.

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

L'esame finale consiste in una prova finale con domande ed esercizi relativi a tutti gli argomenti introdotti e discussi durante le lezioni. Lavori di progetto opzionali possono contribuire alla valutazione finale dello studente. Requisiti minimi per il superamento dell'esame: 1. Comprensione dei principi base dell'apprendimento automatico e sue diverse tipologie (supervisionato, non supervisionato, rinforzo). 2. Conoscenza delle principali metriche di valutazione (MAE, MSE, RMSE, Accuratezza, Precisione/Richiamo, ROC). 3. Padronanza di algoritmi di apprendimento supervisionato. 4. Capacità di applicare tecniche di apprendimento automatico: 5. Fitting di modelli: overfitting, underfitting. Costruzione di un sistema ML: ciclo di vita, pre-processing, selezione delle caratteristiche, valutazione del modello. 6. Conoscenza di algoritmi di apprendimento non supervisionato 7. Capacità di interpretare e analizzare i risultati di un sistema ML

Artificial Intelligence: A Modern Approach (Stuart Russell and Peter Norvig) Machine Learning - A probabilistic approach (Kevin P. Murphy) Lecture Notes

Conoscenza delle caratteristiche dei principali dispositivi elettronici e capacità di comprendere la loro possibile funzione e applicazione Conoscenza delle principali configurazioni dei circuiti elettronici elementari e capacità di comprendere le loro prestazioni e limitazioni Conoscenza delle caratteristiche e delle principali applicazioni degli amplificatori operazionali e capacità di comprendere i relativi vantaggi e svantaggi Conoscenza delle principali configurazioni di amplificatori di potenza e capacità di comprendere le loro prestazioni e limitazioni Al termine del corso lo studente dovrà conoscere gli strumenti di modellazione e analisi di semplici sistemi dinamici lineari, di sintesi di regolatori con tecniche tradizionali, e dovrà conoscere i principi base di funzionamento e di modellazione cinematica dei robot. Lo studente deve essere in grado di valutare le prestazioni di semplici circuiti analogici realizzati con i dispositivi studiati e con gli amplificatori operazionali. Inoltre, deve essere in grado di progettare semplici circuiti realizzati con amplificatori operazionali. Inoltre, applicando le conoscenze acquisite, deve essere in grado di approcciare lo studio di configurazioni più complesse non direttamente studiate durante il corso. Lo studente deve essere in grado di derivare i modelli di sistemi dinamici lineari e dei robot, di pianificarne il moto, e di verificarne il comportamento implementando modelli in ambiente MATLAB. Autonomia di giudizio: Lo studente deve acquisire la capacità di individuare i parametri principali da considerare nella progettazione di circuiti elettronici di base e di gestirne i gradi di libertà. Lo studente dovrà essere in grado di valutare autonomamente le strategie più opportune per la modellazione e l’analisi dei sistemi dinamici lineari e per la modellazione cinematica ela pianificazione del moto dei robot. Abilità comunicative: Lo studente deve acquisire la capacità di descrivere e di documentare con adeguata proprietà di linguaggio il funzionamento di semplici circuiti elettronici basati su dispositivi elementari e su amplificatori operazionali. Lo studente dovrà essere in grado di descrivere con proprietà di linguaggio l’approccio all’analisi, la modellazione e il controllo di sistemi dinamici lineari, nonché alla modellazione cinematica e alla pianificazione del moto dei robot. Capacità di apprendimento: La conoscenza e la padronanza delle tecniche di analisi e progettazione trattate durante il corso deve consentire di approcciare in modo autonomo lo studio di blocchi base e di sistemi elettronici più complessi non affrontati durante il corso, in modo da garantire la possibilità di un continuo aggiornamento delle conoscenze acquisite. Lo studente dovrà essere in grado generalizzare le competenze acquisite per risolvere problemi più articolati di quelli affrontati nel corso.

Modulo 1: Elettronica Sorgenti audio e dispositivi elettroacustici (microfoni, pickup, altoparlanti), livelli standard del segnale (5 ore - 0.5 CFU) Caratteristiche dei dispositivi elettronici di base: BJT, JFET e MOSFET (10 ore – 1 CFU) Preamplificatori: principali configurazioni e loro prestazioni (15 ore – 1.5 CFU) Amplificatori operazionali e principali configurazioni circuitali (15 ore – 1.5 CFU) Distorsione e rumore nei dispositivi e negli amplificatori (5 ore – 0.5 CFU) Stadi di uscita: classe A, B, AB e D (10 ore – 1 CFU) Modulo 2: Automatica Modellistica dei sistemi dinamici (20 ORE – 2 CFU). Trasformata di Laplace e modelli di sistemi dinamici Funzione di risposta armonica Modelli in forma di stato Stabilità dei sistemi dinamici (10 ORE – 1 CFU). Concetti di stabilità. Sistemi in retroazione Controllo di sistemi dinamici (10 ORE – 1 CFU). Specifiche dei sistemi di controllo e regolatori PID. Simulazione di sistemi di controllo in MATLAB. Cinematica e pianificazione del moto dei robot (20 ORE – 2 CFU) Preliminari matematici. Trasformazioni. Modello cinematico dei robot. Pianificazione delle traiettorie. Digital Mock-Up e Animazioni 3D

Conoscenza dell’elettrotecnica di base e buona dimestichezza con la soluzione delle reti lineari. Fondamenti di analisi matematica, algebra, fisica, informatica di base

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

Modulo Elettronica L’esame consiste in un colloquio orale durante il quale vengono posti al candidato quesiti riguardanti i principi di funzionamento e le prestazioni dei dispositivi e delle configurazioni presentate nel corso. Potrà essere richiesto il calcolo di guadagni e altre specifiche di circuiti proposti in sede di esame, realizzati utilizzando i blocchi base discussi nel corso. I requisiti minimi di apprendimento sono i seguenti: 1. Conoscenza delle caratteristiche dei principali dispositivi elettronici e delle principali configurazioni di amplificatori realizzati con tali dispositivi 2. Conoscenza delle principali configurazioni circuitali realizzate con amplificatori operazionali 3. Conoscenza delle prestazioni e delle caratteristiche degli stadi di uscita e delle relative classi di funzionamento Modulo Automatica Prova scritta con esercizi sugli argomenti affrontati a lezione

Testi consigliati: 1. S. Sedra, K.C. Smith: “Circuiti per la microelettronica”, Edizioni Edises, 2012. 2. R.C. Jaeger, T.N. Blalock: “Microelettronica” McGraw-Hill, 2009. 3. G. Ballou: “Handbook for sound engineers” Focal Press-Elsevier, 2008. Appunti e slide delle lezioni. Testi di riferimento: G. Marro: “Controlli Automatici”- Zanichelli, Bologna, 2004. Siciliano, Sciavicco, Villani, Oriolo, Robotica, McGraw-Hill, 2008. Pianificazione delle traiettorie. Digital Mock-Up e Animazioni 3D

Conoscenza dei componenti fondamentali dei videogiochi (meccaniche, dinamiche, estetiche) e comprensione dei principi di game design. Capacità di analizzare e valutare la motivazione dei giocatori in differenti generi di videogiochi. Padronanza delle diverse fasi del processo di sviluppo di un gioco, dalla pre-produzione alla release finale. Conoscenza dei principi di level design e abilità nel creare livelli con flow, sfida e ritmo coinvolgenti. Comprensione dei concetti di programmazione orientata agli oggetti (OOP) e delle loro applicazioni nello sviluppo di videogiochi. Acquisire una solida conoscenza delle differenze architetturali tra CPU e GPU, focalizzandosi su progettazione dei core, gerarchia di memoria e compiti computazionali. Apprendere i concetti chiave della programmazione parallela su GPU, come thread, warp, blocchi di thread e griglie. Padroneggiare i diversi spazi di memoria disponibili sulle GPU (globale, condivisa, costante, texture) e i loro modelli di accesso per ottimizzare le prestazioni. Comprendere l'importanza della sincronizzazione dei thread e saper utilizzare meccanismi come barriere e operazioni atomiche per ottenerla. Capacità di progettare e realizzare un videogioco completo, applicando le conoscenze acquisite durante il corso. Abilità nell'utilizzo di software e strumenti per la creazione di videogiochi, come motori di gioco, editor di livelli e strumenti di programmazione. Capacità di implementare tecniche di testing e debugging per identificare e correggere errori nel codice. Padronanza dei sistemi di controllo delle versioni (VCS) per la gestione collaborativa del codice e delle risorse di gioco. Abilità nell'ottimizzare le prestazioni del gioco per diverse configurazioni hardware. Sviluppare abilità nella scrittura di programmi GPU utilizzando il modello di programmazione CUDA, includendo funzioni kernel, funzioni del dispositivo e tecniche di allocazione della memoria: • Applicare tecniche di ottimizzazione delle prestazioni come accesso coalesced alla memoria, ottimizzazione dell'occupazione e gestione dei conflitti di banchi di memoria. • Imparare a utilizzare librerie come CUDA Libraries (cuBLAS, cuFFT) per sfruttare implementazioni ottimizzate di funzioni matematiche comuni. • Acquisire dimestichezza con strumenti e tecniche di debugging e profiling per identificare e risolvere problemi di performance nei programmi GPU. Autonomia di giudizio: Capacità di analizzare criticamente un videogioco e individuare i suoi punti di forza e di debolezza. Autonomia nel prendere decisioni progettuali e nella risoluzione di problemi durante lo sviluppo del gioco. Abilità nel lavorare in modo indipendente e proattivo all'interno di un team di sviluppo. Sviluppare la capacità di valutare criticamente l'applicabilità del GPU computing a differenti problemi computazionali. Selezionare autonomamente le tecniche di programmazione e ottimizzazione più adatte in base al contesto applicativo. Assumere un approccio proattivo nella risoluzione di problemi e nel debugging di programmi GPU. Abilità comunicative: Capacità di comunicare in modo chiaro e conciso le proprie idee e proposte all'interno del team di sviluppo. Abilità nel redigere documentazione tecnica relativa al progetto di gioco. Capacità di presentare il proprio lavoro in modo efficace a un pubblico di esperti e non. Redigere report tecnici chiari e concisi che documentano il lavoro svolto e i risultati ottenuti. Presentare in modo efficace le proprie analisi e soluzioni a un pubblico di tecnici e non. Saper comunicare in modo collaborativo all'interno di un team di sviluppo. Capacità di apprendimento: Capacità di apprendere autonomamente nuove tecnologie e strumenti per lo sviluppo di videogiochi. Attitudine all'aggiornamento continuo sulle ultime tendenze del settore videoludico. Capacità di lavorare in modo collaborativo e di apprendere dagli altri membri del team. Essere in grado di apprendere autonomamente nuovi concetti e tecnologie nell'ambito del GPU computing. Rimanere aggiornati sulle tendenze emergenti nel campo, esplorando nuove architetture GPU, modelli di programmazione e applicazioni. Affrontare con flessibilità e proattività nuove sfide computazionali sfruttando le potenzialità del GPU computing.

Modulo 1: Game Design Progettazione di videogiochi: Analisi dei componenti fondamentali dei videogiochi (meccaniche, dinamiche, estetiche) e comprensione della motivazione dei giocatori. Processo di sviluppo del gioco: Esame delle diverse fasi della creazione di un gioco, dalle idee iniziali alla release finale, e valutazione delle metodologie agili per uno sviluppo efficiente. Level Design: Esplorazione dei principi per la creazione di livelli (flow, sfida, ritmo) e integrazione di elementi narrativi all'interno dell'ambiente di gioco. Programmazione: Analisi di come i concetti di programmazione orientata agli oggetti (OOP) si applicano allo sviluppo di videogiochi e tecniche per ottimizzare le prestazioni di gioco. Testing e Debugging: Utilizzo di framework di test automatizzati e strumenti di debugging per identificare e correggere bug nelle fasi iniziali dello sviluppo, insieme a diverse metodologie di testing per un prodotto finale raffinato. Collaborazione: Padronanza dei sistemi di controllo delle versioni (VCS) per lo sviluppo collaborativo, gestione efficiente delle modifiche al codice ed esplorazione di pratiche di integrazione e distribuzione continue per flussi di lavoro ottimizzati. Ottimizzazione delle prestazioni: Identificazione dei colli di bottiglia delle prestazioni, applicazione di tecniche di ottimizzazione e bilanciamento tra qualità visiva e gameplay fluido su hardware diversi. Pattern di progettazione: Esplorazione e implementazione di pattern di progettazione software specifici per lo sviluppo di videogiochi al fine di creare codice riutilizzabile e manutenibile. Pratiche di ingegneria del software: Analisi delle metodologie agili per la gestione dei progetti e la collaborazione di gruppo, implementazione delle best practice per codice di alta qualità e comprensione dell'importanza della comunicazione, della pianificazione e della gestione dei rischi nel ciclo di vita di sviluppo del videogioco (SDLC). Modulo 2: GPU Computing 1. Architettura GPU vs CPU: Comprendere le differenze fondamentali tra CPU e GPU in termini di progettazione dei core, gerarchia di memoria e idoneità per diversi task computazionali. 2. Concetti di Programmazione Parallela su GPU: Apprendere concetti chiave come thread, warp, blocchi di thread e griglie utilizzati per la programmazione parallela sulle GPU. 3. Gestione della Memoria su GPU: Studiare i diversi spazi di memoria disponibili sulle GPU (globale, condivisa, costante, texture) e i loro modelli di accesso per prestazioni ottimali. 4. Sincronizzazione dei Thread: Comprendere la necessità di sincronizzare i thread nei programmi GPU e analizzare meccanismi come barriere e operazioni atomiche per raggiungerla. 5. Introduzione alla Programmazione CUDA: Apprendere le basi del modello di programmazione CUDA, incluse funzioni kernel, funzioni del dispositivo e tecniche di allocazione della memoria. 6. Tecniche di Ottimizzazione delle Prestazioni: Esplorare strategie come accesso coalesced alla memoria, ottimizzazione dell'occupazione ed evitare conflitti di banchi di memoria per migliorare le prestazioni dei programmi GPU. 7. Librerie Comuni per la Programmazione GPU: Utilizzare librerie come CUDA Libraries (cuBLAS, cuFFT, ecc.) che forniscono implementazioni ottimizzate per funzioni matematiche comuni sulla GPU. 8. Debugging e Profiling di Programmi GPU: Comprendere strumenti e tecniche per eseguire il debug e il profiling dei programmi GPU al fine di identificare colli di bottiglia delle prestazioni e ottimizzarli efficacemente. 9. Applicazioni del GPU Computing: Esplorare vari domini applicativi in cui il GPU computing eccelle, tra cui calcolo scientifico, machine learning, elaborazione di immagini/video e altro ancora. 10. Tendenze Future nel GPU Computing: Acquisire familiarità con le tendenze emergenti nelle architetture GPU, nei modelli di programmazione e nelle nuove applicazioni che sfruttano la potenza delle GPU.

Conoscenze di base di programmazione in un linguaggio di scripting (es. Python, C#). Familiarità con i concetti di base di informatica e matematica. Conoscenza di linguaggi di programmazione procedurali e object-oriented. Comprensione dei principi di base dell'architettura dei calcolatori.

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

L'esame finale consiste in una prova finale con domande ed esercizi relativi a tutti gli argomenti introdotti e discussi durante le lezioni. Lavori di progetto opzionali possono contribuire alla valutazione finale dello studente. Requisiti minimi per il superamento del Modulo Game Design: Conoscenze di base di programmazione: familiarità con i concetti di programmazione orientata agli oggetti (OOP) e con un linguaggio di programmazione (es. C++, Java, Python). Comprensione del design del gioco: conoscenza dei principi di progettazione di livelli, meccaniche di gioco e dinamiche di gioco. Capacità di problem solving: abilità nel risolvere problemi logici e analizzare le prestazioni del software. Attitudine al lavoro collaborativo: familiarità con i sistemi di controllo delle versioni (VCS) e con le metodologie di sviluppo agile. Requisiti minimi per il superamento del modulo GPU Computing: Architettura GPU vs CPU: comprendere le differenze di progettazione e l'idoneità per diversi compiti computazionali. Concetti di programmazione parallela su GPU: thread, warp, blocchi di thread e griglie. Gestione della memoria su GPU: spazi di memoria e modelli di accesso per prestazioni ottimali. Sincronizzazione dei thread: barriere e operazioni atomiche. Introduzione alla programmazione CUDA: modello di programmazione, funzioni kernel e del dispositivo. Sviluppare programmi GPU utilizzando il modello di programmazione CUDA. Utilizzare librerie comuni per la programmazione GPU (cuBLAS, cuFFT, ecc.). Valutare l'applicabilità del GPU computing a differenti problemi computazionali. Selezionare le tecniche di programmazione e ottimizzazione più adatte per un determinato caso d'uso.

Appunti del docente. Materiale di riferimento online (articoli scientifici, tutorial, documentazione ufficiale). Librerie e framework per la programmazione GPU.

Conoscenza e capacità di comprensione: • Conoscenze di base di algebra lineare • Conoscenza di base di geometria analitica del piano e dello spazio Euclidei. Capacità di applicare conoscenza e comprensione: • Capacità di rendere applicative alcune nozioni astratte attraverso l’interpretazione geometrica di problemi di algebra lineare e la traduzione in termini algebrici di alcuni problemi geometrici. Eventuali ulteriori risultati di apprendimento attesi, relativamente a: • Autonomia di giudizio: capacità di scegliere strumenti geometrici e/o algebrici per risolvere problemi concreti. • Abilità comunicative: capacità di esprimere correttamente e con chiarezza problemi e risultati. • Capacità di apprendimento: capacità di sviluppare e approfondire argomenti non noti o noti solo parzialmente.

Spazi vettoriali (1,5 CFU) Strutture algebriche: gruppi e campi. Spazi vettoriali: definizioni, modelli e proprietà fondamentali. Sottospazi vettoriali. Sottospazio intersezione, span di un insieme finito di vettori e sottospazio somma. Dipendenza e indipendenza lineari. Basi e dimensione. Basi ordinate. Cambiamento di base. Matrici e sistemi lineari (1,25 CFU) Operazioni tra matrici e loro proprietà. Matrici invertibili. Determinante di una matrice quadrata e sue proprietà. Teoremi di Laplace. Teorema di Binet. Matrice inversa. Definizione e proprietà del rango di una matrice. Teorema di Krönecker o degli orlati. Sistemi lineari. Formula di Cramer. Il Teorema di Rouché-Capelli. Applicazioni lineari e diagonalizzazione (1,25 CFU) Definizione e proprietà di un’applicazione lineare. Nucleo e immagine di un’applicazione lineare. Matrici associate ad applicazioni lineari tra spazi vettoriali di dimensione finita. Autovalori e autovettori. Similitudine di matrici. Polinomio caratteristico. Matrici diagonalizzabili. Criteri di diagonalizzazione. Geometria analitica del piano e dello spazio (2 CFU) Prodotti scalare, vettoriale e misto tra vettori liberi e relative proprietà. Riferimenti Cartesiani. Rappresentazioni parametrica e cartesiana di una retta. Posizioni reciproche di due rette; fasci di rette. Angoli e distanze in un piano euclideo reale. Cenni sulle coniche. Rappresentazioni parametrica e cartesiana di una retta e di un piano nello spazio euclideo reale. Posizioni reciproche tra piani. Posizioni reciproche tra rette; posizioni reciproche tra rette e piani; fasci di piani. Angoli e distanze nello spazio euclideo.

Calcolo algebrico. Primi rudimenti di logica. Operazioni tra insiemi. Relazioni e applicazioni. Assiomi euclidei.

Lezioni frontali, esercitazioni in aula, tutoraggio in forma di assistenza individuale anche on line.

La verifica dell’apprendimento sarà stabilita tramite una prova scritta della durata di 2 ore, comprendente esercizi numerici e domande a contenuto teorico come segue: Esercizio 1: Spazi Vettoriali (5 punti) Esercizio 2: Sistemi lineari (5 punti) Esercizio 3: Applicazioni lineari e diagonalizzazione (5 punti) Esercizio 4: Geometria analitica (5 punti) Esercizio 5: Quesito teorico su argomenti di algebra lineare (5 punti) Esercizio 6 Quesito teorico su argomenti di geometria analitica (5 punti) Il docente si riserva la possibilità di effettuare un eventuale colloquio individuale per definire l'esito dell’esame.

Abatangelo V., Larato B., Terrusi A., Complementi ed esercizi di algebra, Laterza, Bari Cavicchioli A., Spaggiari F., Primo modulo di Geometria, Pitagora Editrice, Bologna Dispense scritte dal docente

Conoscenza degli elementi di base per la codifica e rappresentazione dell'informazione; conoscenza degli elementi di base per la progettazione di algoritmi; conoscenza delle tecniche di codifica degli algoritmi; conoscenza delle principali architetture e funzionalità di un sistema informatico di base; conoscenze delle principali funzioni di un sistema operativo; conoscenza delle principali strutture dati e delle loro caratteristiche. Capacità di applicare conoscenza e comprensione (max 4 righi, Times New Roman 10) Capacità di rappresentare l'informazione con i principali standard di codifica; capacità di progettazione di algoritmi strutturati; capacità di rappresentazione di algoritmi strutturati; capacità di applicare le tecniche di programmazione strutturata per la codifica di algoritmi; capacità di scelta ed utilizzo delle strutture dati. Eventuali ulteriori risultati di apprendimento attesi, relativamente a: - Autonomia di giudizio: capacità di comparare diverse soluzioni e stabilire la più indicata. - Abilità comunicative. - Capacità di apprendimento: studio autonomo per l'applicazione dei modelli studiati a nuovi case study.

Rappresentazione dell'informazione (0.8 CFU 8 ore): Definizione di messaggio e misura dell’informazione. Sistemi numerici non posizionali. Sistemi numerici posizionali. Codici numerici ed alfanumerici. Aritmetica del computer. Da analogico a digitale. Cenni di algebra booleana (0.2 CFU 2 ore): Algebra di Boole, diagrammi di Venn, funzioni booleana. Algoritmi (0.6 CFU 6 ore): Definizione, caratteristiche. Pianificazione e progettazione. Rappresentazione. Operazioni fondamentali. Teorema di Jacopini-Böhm. Diagrammi di flusso. Analisi strutturata. SVILUPPO TOP DOWN e BOTTOM-UP. AlgoBuild (0.4 CFU 4 ore): introduzione ed uso di Algobuild. Architettura dei calcolatori (0.4 CFU 4 ore): Panoramica storica. Schema e funzionamento delle architetture: Von Neumann, Bus. Tipi di computer. Principali componenti di un PC. Software di sistema e sistemi operativi (0.2 CFU 2 ore) Cos’è un sistema operativo (macchina estesa o gestore di risorse). Storia dei sistemi operativi. Nozioni sui S.O. Introduzione a Matlab, Progettazione e codifica in Matlab di semplici algoritmi (1.2 CFU 12 ore): Esempi di progettazione e codifica di semplici algoritmi. Introduzione agli array ed operazioni con array. Progettazione e codifica in Matlab di un programma modulare, script e funzioni. Esercitazioni (2.2 CFU 22 ore): Progettazione e codifica di programmi modulari. Simulazioni d'esame.

L’esame consiste in una prova da eseguirsi al computer comprendente: progettazione e rappresentazione di un algoritmo: codifica in Matlab dell’algoritmo progettato; set di domande a risposta aperta o multipla. La prova riguarda tutti gli argomenti presentati nel corso e richiedono di dimostrare la capacità di applicare gli strumenti e le tecniche descritte nel corso. Requisiti minimi per il superamento dell’esame sono la capacità di impostare e risolvere semplici esercizi, la conoscenza dei concetti fondamentali dell’informatica.

Slides di ogni lezione del corso - Sciuto, Buonanno, Mari. Introduzione ai sistemi informatici 5/ed. McGraw Hill (2014) William J. Palm. Matlab - Un'introduzione per gli ingegneri. McGraw-Hill (2011)

Conoscenza della logica di funzionamento e delle caratteristiche tecniche dei principali strumenti di misura Conoscenza dei sistemi di acquisizione dati e dei metodi di misura Conoscenza delle specifiche per sistemi audio e video Capacità di eseguire prove e misure in modo autonomo e di calcolarne errori e incertezze Capacità di interpretare e utilizzare le specifiche di strumenti, schede di acquisizione dati e dispositivi audiovisivi Capacità di valutare le prestazioni di sistemi audiovisivi Autonomia di giudizio: capacità di selezionare strumenti e metodi di misura con riferimento a specifici casi applicativi Abilità comunicative: capacità di utilizzare un corretto linguaggio tecnico-scientifico, di illustrare e argomentare le scelte tecniche in un progetto e di lavorare in gruppo Capacità di apprendimento: capacità di applicare le conoscenze acquisite per gestire problematiche nuove o non specificatamente trattate nel corso:

Lezioni teoriche: Riferibilità metrologica e sistema internazionale delle unità di misura (0.5 CFU). Errore e incertezza. Propagazione di errori e incertezze nelle misure dirette e indirette (1 CFU). Caratterizzazione metrologica degli strumenti (0.5 CFU). Rumore nei dispositivi e sua valutazione (0.5 CFU). Conversione analogico-digitale ideale e reale e schede di acquisizione dati (0.5 CFU). Strumentazione di misura per l’analisi nel dominio del tempo e delle frequenze di segnali. Cenni sulle trasformate tempo-frequenza (1.5 CFU). Metodi di valutazione per sistemi audio e video (0.5 CFU) Esercitazioni di laboratorio: uso della strumentazione di misura di base: multimetro, oscilloscopio, analizzatore di spettro e generatore di segnali (1 CFU)

Calcolo differenziale e integrale. Teoria dei circuiti elettrici: tecniche di risoluzione di semplici circuiti in regime costante e sinusoidale. Risoluzione nel dominio di Laplace e Fourier. Teoria elementare delle variabili aleatorie.

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

requisiti minimi di apprendimento per il superamento dell’esame: - Essere in grado di rispondere a una domanda su un argomento di esercitazione e di spiegare come i risultati sono stati ottenuti - Essere in grado di rispondere a una domanda su un argomento teorico fondamentale spiegato a lezione

Materiale del Docente

• Conoscenze e competenze relative a motori di sviluppo di giochi e strumenti per la creazione di ambienti virtuali. • Comprensione dei componenti chiave di un motore di gioco (grafica, fisica, scripting, ecc.) e del loro ruolo nella creazione di ambienti virtuali. • Capacità di analizzare le funzionalità di Unreal Engine e Unity per lo sviluppo di giochi. • Conoscenza del sistema operativo ROS (Robot Operating System) e delle sue applicazioni nella creazione di simulazioni di robot e ambienti virtuali. Al termine del corso, gli studenti saranno autonomi nella scrittura di una sceneggiatura di videogiochi, cinema e televisione a partire dal soggetto, procedendo al suo sviluppo in trattamento e scaletta fino ad arrivare allo script definitivo. • Capacità di utilizzare motori di gioco e strumenti per la creazione di ambienti virtuali. • Abilità nello sviluppo di script per giochi e ambienti virtuali. • Capacità di progettare livelli e mondi coinvolgenti e realistici. • Abilità nell'implementare simulazioni fisiche realistiche e immersive. Autonomia di giudizio: Capacità di scegliere il motore di gioco o lo strumento di sviluppo più adatto a un progetto specifico. Abilità nel risolvere problemi di progettazione e sviluppo in modo autonomo. Capacità di valutare criticamente l'usabilità e l'efficacia di un'interfaccia utente. Valutare il valore di un'idea, le sue potenzialità di sviluppo e la sua spendibilità sul mercato audiovisivo; Imparare a sviluppare storie basate su temi sociali e valori etici condivisi. Abilità comunicative: Capacità di comunicare in modo chiaro e conciso concetti tecnici relativi a game development e ambienti virtuali. Abilità nel redigere documentazione tecnica e presentare progetti. Capacità di lavorare in gruppo e collaborare con altri sviluppatori. Sostenere un pitch con il mondo produttivo; Interfacciarsi con professionisti della scrittura a livello locale, nazionale e internazionale Capacità di apprendimento: Capacità di apprendere autonomamente nuovi linguaggi di scripting e tecnologie di sviluppo. Abilità nel tenere aggiornate le proprie conoscenze sulle ultime tendenze del game development e della realtà virtuale. Capacità di adattarsi a nuovi strumenti e metodologie di sviluppo. Applicare le proprie conoscenze all’intera filiera audiovisiva.

Modulo 1: Motori di Sviluppo e Ambienti Virtuali Concetti fondamentali: Definire e differenziare tra Motori di Sviluppo di Giochi e Strumenti per Ambienti Virtuali. Spiegare i componenti chiave di un motore di gioco (grafica, fisica, scripting, ecc.) e i loro ruoli nella creazione di ambienti virtuali. Confronto tra Motori (Unreal vs. Unity): Analizzare i punti di forza e di debolezza di Unreal Engine e Unity per lo sviluppo di giochi. Discutere dei fattori da considerare nella scelta tra Unreal e Unity per un progetto specifico. Introduzione a ROS (Robot Operating System): Spiegare lo scopo e le funzionalità di ROS nella creazione di simulazioni di robot e ambienti virtuali. Discutere dell'architettura di base di ROS (nodi, argomenti e servizi) e dei suoi metodi di comunicazione. Modellazione 3D per Motori di Gioco e Ambienti Virtuali: Descrivere il processo di creazione di modelli 3D per l'uso all'interno di motori di gioco e ambienti virtuali. Spiegare l'importanza dell'ottimizzazione dei modelli 3D per il rendering in tempo reale all'interno di questi ambienti. Linguaggi di Scripting: Discutere il ruolo dei linguaggi di scripting (ad esempio, C#, C++, Python) nello sviluppo di giochi e ambienti virtuali. Confrontare brevemente i linguaggi di scripting comuni utilizzati in queste applicazioni. Progettazione di Livelli e Costruzione del Mondo: Spiegare i principi della progettazione dei livelli nello sviluppo di giochi e ambienti virtuali. Discutere degli strumenti e delle tecniche utilizzate per creare mondi virtuali coinvolgenti e immersivi. Simulazione Fisica: Descrivere i fondamenti della simulazione fisica all'interno dei motori di gioco e degli ambienti virtuali. Spiegare come i motori fisici interagiscano con altri componenti del gioco per creare comportamenti realistici. Tecniche di Illuminazione e Rendering: Analizzare l'importanza delle tecniche di illuminazione e rendering nella creazione di ambienti visivamente accattivanti. Discutere dei vari modelli di illuminazione e delle pipeline di rendering utilizzate nello sviluppo di giochi e ambienti virtuali. Progettazione dell'Interfaccia Utente (UI) e dell'Esperienza Utente (UX): Spiegare l'importanza di interfacce utente intuitive nei giochi e negli ambienti virtuali. Discutere delle principali considerazioni per la progettazione di esperienze UI/UX coinvolgenti ed intuitive. Test e Debugging: Descrivere il processo di test e debug dei progetti di gioco e degli ambienti virtuali. Spiegare le strategie per identificare e risolvere i bug al fine di garantire un'esperienza utente fluida. Modulo 2: Sceneggiatura per i video giochi ed il Cinema Il corso insegnerà, prima con le teorie dei grandi maestri e poi con la messa in pratica le tecniche della narrazione cinematografica, ovvero tutto il sistema di regole che consentono di sviluppare un’idea in un prodotto audiovisivo. Viaggio dell’eroe, arco narrativo, personaggi, dialoghi, generi, saranno affrontati alla luce del confronto costante con i film che fanno parte della esperienza quotidiana degli studenti, ma anche della storia del cinema. Metodi, regole, trucchi, linguaggio tecnico, ma anche pratico sviluppo delle idee portate dagli studenti, lavoro collettivo, condivisione delle soluzioni fino ad arrivare a un primo draft di scrittura. Come scrivere logline, sinossi, soggetto, trattamento, scaletta e, per ultimo, come scrivere tout court, ovvero l’uso dei programmi di scrittura, da Celtx a Final Draft

Conoscenze di base di programmazione in C++, C# o Python. Comprensione dei principi di base della grafica 3D e della fisica.

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

L'esame finale consiste in una prova finale con domande ed esercizi relativi a tutti gli argomenti introdotti e discussi durante le lezioni. Lavori di progetto opzionali possono contribuire alla valutazione finale dello studente. Requisiti minimi per superare l'esame: Conoscere i fondamenti degli strumenti per lo sviluppo di videogiochi e ambienti virtuali (game engine e VR). Programmare in linguaggi scripting per game engine e realtà virtuale. Progettare livelli e mondi virtuali immersivi. Creare interfacce utente intuitive per videogiochi e ambienti virtuali. Creare una sceneggiatura efficace.

Dispense fornite dal docente. Documentazione ufficiale di Unreal Engine e Unity. Documentazione online per lo sviluppo di giochi e ambienti virtuali. Testi di riferimento saranno: C. Vogler, Il viaggio dell’eroe. La struttura del mito ad uso di scrittori di narrativa e di cinema, Dino Audino, Roma 2010. R. McKee, Story. Contenuti, struttura, stile, principi per la sceneggiatura e per l'arte di scrivere storie, Omero, Roma 2010.

Conoscenza dei principali sistemi di telecomunicazioni digitali Conoscenza delle principali architetture di reti di telecomunicazioni Conoscenza della pila protocollare TCP/IP Capacità di dimensionamento di un sistema di telecomunicazioni digitale Capacità di analisi degli elementi di una rete Capacità di usare un corretto linguaggio tecnico scientifico. Capacità di progettare una semplice rete IP Conoscenza dei principali protocolli applicativi Conoscenza delle principali metodologie per la distribuzione dei contenuti Autonomia di giudizio: Tale insegnamento consente di sviluppare nello studente la capacità di analizzare e progettare sistemi per l’analisi, l’elaborazione e la trasmissione di segnali attraverso architetture di rete. Abilità comunicative: Gli allievi saranno dotati della capacità di scelta delle tecnologie più opportune nelle diverse applicazioni e di descrivere adeguatamente le opportunità e le problematiche riguardanti il loro utilizzo. Capacità di apprendimento: La preparazione acquisita rende lo studente capace di affrontare più facilmente gli studi di diverse discipline ingegneristiche. Saranno anche in grado di aggiornare continuamente ed in autonomia la propria preparazione culturale e professionale.

• Introduzione al networking: - Reti: definizioni e concetti di base - Classificazione delle reti - Topologia delle reti locali - Il trasferimento dell’informazione: - La trasmissione delle informazioni - Definizione di sistema di comunicazione - Generalità sui protocolli - Tecniche di trasferimento dell’informazione - Multiplazione statica e dinamica - Tecniche di accesso multiplo senza contesa: - TDMA Time Division Multiple Access - FDMA Frequency Division Multiple Access - Passaggio del token (token ring) - le collisioni - Aloha, Aloha slotted, CSMA, CSMA/CD - protocolli deterministici: - protocolli con contesa/metodi casuali: - Modalità di di accesso al canale: - Tecniche di commutazione - L’architettura a strati ISO-OSI e TCP-IP: - L’architettura a strati - Il modello ISO/OSI: - Livelli e servizi offerti - Incapsulamento e decapsulamento - L’architettura TCP/IP - Modello ISO/OSI - Livello 1: - Tipologie di mezzi trasmissivi: - Reti su cavi conduttori - Standard EIA/TIA-568B - Cavo Coassiale - Doppino Telefonico - Tipologie di rete e loro implementazione - Reti su fibra ottica - Composizione dei cavi in fibra ottica - Il trasferimento dati tramite segnali ottici - Fibre monomodali e multimodali - Reti wifi: - Generalità sui protocolli IEEE 802.11X - Procedura di scanning e associazione - Realizzazione di una rete wireless - Problemi del nodo nascosto e del nodo esposto - CSMA/CA - Modello ISO/OSI - Livello 2: - Generalità e servizi offerti - IEEE 802.3: - Sottolivelli LLC e MAC - Struttura dei Frame - Tipologie di Ethernet: Legacy, Fast, Gigabit - Modello ISO/OSI - Livello 3: - Generalità e servizi offerti - L’intestazione IP - Indirizzi IPv4 e IPv6 - Classi di indirizzi IP - Subnetting FLSM - Forwarding diretto e indiretto - Rete logica e rete fisica - NAT (Network Address Translation) - PAT (Port Address Translation) - Port Forwarding - ICMP (Internet Control Messa Protocol): - Ping - Trace route - Configurazione di un host in rete: - Protocollo DHCP - I Dispositivi di rete di livello 1, 2 e 3: - Hub/Repeater - Bridge/Switch: - Forwarding e Filtering - Backward Learning - I router: - L’operazione del routing - Modello ISO/OSI - Livello 4: - Generalità e servizi offerti - Protocollo TCP: - Formato del segmento - Il riscontro dei segmenti - Three Way Handshake - Four Way Handshake - Protocollo UDP: - Formato del datagram - TCP/IP - Application Layer - Protocolli Applicativi: - Architettura Client-Server - Domain Name Service - Protocolli per la navigazione WEB - Protocollo FTP - Protocolli per la Posta elettronica: - Formato di un messaggio di posta elettronica - Protocolli per l'invio e la ricezione dei messaggi - Protocollo MPEG/DASH ISO/IEC 23009-1 - Distribuzione dei contenuti: - Server Farm - Hosting, Housing, VPS - Cloud Computing - Content Delivery Network - Distribuzione dei contenuti video di Youtube - Distribuzione dei contenuti tramite Architettura P2P: - Mainline DHT - BitTorrent - GnuTella - Spotify P2P Protocolli per la distribuzione e condivisione sicura dei contenuti digitali - Crittografia simmetrica/Asimmetrica - Certificati digitali - Firma Digitale - Protocollo SSH - VPN

Il corso sarà erogato in modalità blended ed in lingua italiana. È strutturato in videolezioni pre-registrate e lezioni on line e in aula sincrone con aule virtuali e attività collaborative (Forum).

L’esame si articola in un colloquio orale. Per il primo modulo, i requisiti minimi riguardano la conoscenza delle principali tecniche di progettazione di filtri numerici. Per il secondo modulo, i requisiti minimi riguardano la conoscenza delle reti di telecomunicazione, dell’architettura TCP/IP, dei protocolli applicativi e dei sistemi di distribuzione dei contenuti.

Kurose, Ross, Reti di calcolatori e Internet. Un approccio Top down. Pearson, 2017.

Apprendimento delle competenze di base relative al design sonoro e musicale. Acquisizione delle competenze per le applicazioni del design musicale e/o sonoro nei diversi contesti audio e audiovisivi Autonomia di giudizio: capacità di valutare gli esisti tecnici ed artistici del proprio lavoro. Abilità comunicative: capacità di lavorare in gruppo e di saper descrivere sia i problemi sia le soluzioni. Capacità di apprendimento: comprensione del concetto di design, della sua funzione e della sua applicazione

Argomento 1 Teorie e Tecniche di base per il Design Argomento 2 Il Sound Design (dal Foley al trattamento integrato del suono, incluso il parlato, nei diversi contesti applicativi) Argomento 3 Il Music Design Argomento 4 Integrazione del Design sonoro e musicale

Le attività didattiche sono erogate in maniera esclusivamente online attraverso la piattaforma di ateneo e sono strutturate in didattica erogativa con lezioni frontali registrate o in live streaming, materiale didattico multimediale, e didattica interattiva con forum di discussione, web conference, esercitazioni online, progetti collaborativi.

L’esame si svolgerà attraverso una prova scritta con una discussione delle esercitazioni programmate svolte dallo studente durante il corso. La prova scritta si svolgerà attraverso la somministrazione di quesiti che potranno essere a risposta multipla, a risposta libera o essere presentati in forma di esercizi numerici.

Dispense a cura del docente

Conoscenza delle tecniche di sviluppo di applicazioni in Python per l’elaborazione e il processamento del segnale audio e video. Conoscenza delle tecniche di sviluppo di applicazioni in Max/Msp per il dominio del signal processing audio e video. Conoscenza delle tecniche di sviluppo di prototipazione nel dominio audio con l’ambiente di sviluppo RNBO. Conoscenza delle tecniche di elaborazione delle informazioni nel dominio della musica per la composizione assistita con l’elaboratore (computer). Essere in grado di sviluppare Virtual Instrument (VST – Virtual Studio Technology) compatibili con i formati delle DAW più comuni. Saper progettare prototipi e applicazioni audio e video con gli ambienti di sviluppo Python, Max/Msp e RNBO. Essere in grado di progettare e sviluppare architetture di Backend e Frontend scegliendo la soluzione più funzionale al caso d’uso. Essere in grado di applicare i principi della Human Computer Interaction per la progettazione di interfacce Frontend con un buon livello di usabilità. Autonomia di giudizio: Capacità di valutare criticamente le diverse tecniche di progettazione e sviluppo di software per musica e video. Autonomia nella scelta e nell'utilizzo di strumenti e librerie per la realizzazione di progetti complessi. Capacità di risolvere autonomamente problemi di natura tecnica e progettuale. Abilità comunicative: Capacità di redigere documentazione tecnica e presentare progetti in modo chiaro e conciso. Efficacia nella comunicazione interpersonale e nel lavoro di gruppo. Abilità nel presentare le proprie idee e i risultati ottenuti in modo convincente. Capacità di apprendimento: Capacità di apprendere autonomamente nuove tecnologie e linguaggi di programmazione. Attitudine all'aggiornamento continuo delle proprie conoscenze in un campo in continua evoluzione.

Argomento 1 – Analisi delle tecniche di progettazione e prototipazione di VST per l'editing audio e MIDI in tempo reale. (3 ORE - 1 CFU) (Capire cosa e come vengono realizzati i VST per l'elaborazione audio e MIDI in tempo reale, approfondimento con Juce). Argomento 2 – Logica delle tecniche di programmazione visuale: Max/Msp, Node-Red, Pure Data. (2 ORE – 1 CFU) (Studiare i paradigmi della programmazione visuale con oggetti e presentare i più diffusi ambienti di sviluppo.) Argomento 3 – Principi di costruzione di una interfaccia grafica per prototipazione applicando i principi di HCI al dominio della musica. (6 ORE – 1 CFU) (Apprendere le tecniche di progettazione di interfacce grafiche per VST e prototipi orientati alla composizione musicale con specifici oggetti di visualizzazione di note musicali, spartiti completi e visualizzazione delle features audio.) Argomento 4 – Audio Signal Processing e studio dei principali framework e librerie in Python. (4 ORE – 1 CFU) (Apprendere i principi dell’audio signal processing e come è possibile applicarli con l’uso di librerie specifiche in Python.) Argomento 5 – Analisi dei filtri digitali nel dominio dell’Audio Signal Processing e studio dei principali framework e librerie in Python e Max/Msp. (4 ORE – 1 CFU) (Apprendere i concetti teorici alla base dei filtri digitali e le tecniche di implementazione pratica in Python e Max/Msp). Argomento 6 – Studiare come è possibile rappresentare l’audio e il video con l’estrazione delle features. (6 ORE – 1 CFU) (Apprendere il concetto di Features e studiare le principali librerie in Python e in Max/Msp – Jitter per l’estrazione delle features audio e video. Studio approfondito del concetto di convoluzione.) Argomento 7.a - Studio dei principali oggetti in Max/Msp e Python per la generazione di timbri e sound texture con tecniche di sintesi con modulazione di ampiezza (AM) e di frequenza (FM). (3 ORE – 1 CFU) Argomento 7.b – Studio dei principali oggetti in Max/Msp e in Python per la generazione di timbri e sound texture con la Additiva e Granulare. (3 ORE – 1 CFU) Argomento 7.c – Studio dei principali oggetti in Max/Msp e in Python per la generazione di timbri e sound texture con sintesi Sottrattiva e Wavetable (3 ORE – 1 CFU) Argomento 8.a - Analisi delle tecniche computazionali per la composizione musicale algoritmica. (4 ORE - 1 CFU) (Comprendere come e quali sono i processi algoritmici di composizione musicale automatica). Argomento 8.b – Studio dei sistemi di temperamento musicale in termini formali. (3 Ore – 1 CFU) (Analisi dei vari sistemi di temperamento Musicali usati nella storia in termini matematici con implementazione tecnica in Max/Msp e Python) Argomento 8.c – Analisi dei sistemi Armonici e Teorici Musicali nella storia (5 Ore – 1 CFU) (Analisi dei sistemi Armonici e Teorici Musicali usati nella storia anche in termini geometrici con implementazione tecnica in Max/Msp). Argomento 9 - Studio della logica algoritmica nel dominio della composizione musicale con altezze appartenenti ai vari sistemi di temperamento possibili. (6 ORE – 1 CFU) (Apprendere e studiare i principali algoritmi di permutazione e combinazioni delle strutture melodiche e armoniche possibili per generare musica algoritmica in real-time.) Argomento 10.a – Studio approfondito della libreria Torch-audio per l’audio signal processing con specifici riferimenti alle tecniche di A.I. (4 ORE – 1 CFU) (Conoscere approfonditamente il framework Torch-audio per l’audio signal processing. Prime descrizioni dei modelli di Deep Learning integrati in Torch-audio.) Argomento 10.b – Primi approcci di tecniche di Deep Learning per la generazione di features audio e video orientati a task generativi di musica. (4 ORE – 1 CFU) (Apprendere le tecniche principali di pre-processing del segnale audio in funzione delle competenze richieste per la progettazione di modelli di Machine Learning e Deep Learning. Prime analisi delle architetture di modelli di Machine Learning e Deep Learning per la generazione del suono e di profili melodici e armonici).

Conoscenza delle tecniche generali di programmazione informatica.

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

La modalità dell’esame prevede la presentazione di un progetto d’anno finalizzato all’implementazione di un prototipo in grado di: (uno a scelta) 1) Generazione e composizione di musica nel sistema temperato con possibile implementazione anche di video correlato alla musica. 2) Generazione di timbri sonori con video correlati alla generazione timbrica. Sostenere un colloquio finalizzato a dimostrare le competenze apprese durante il corso, con specifica importanza sulle tecniche di programmazione in Max/Msp e Python e dei Framework analizzati durante il corso.

Dispense, Slides e Colab Notebook forniti dal docente. Possibile libro di testo per le tecniche di sintesi audio.

Conoscenza delle principali tecniche di analisi dei segnali Conoscenza delle principali tecniche di elaborazione dei segnali digitali Conoscenza delle principali architetture di protocolli di rete Capacità di modellare segnali analogici e digitale Capacità di progettare filtri numerici Capacità di progettare architetture di reti di telecomunicazioni Autonomia di giudizio: Tale insegnamento consente di sviluppare nello studente la capacità di analizzare e progettare sistemi per l’analisi, l’elaborazione e la trasmissione di segnali attraverso architetture di rete. Abilità comunicative: Gli allievi saranno dotati della capacità di scelta delle tecnologie più opportune nelle diverse applicazioni e di descrivere adeguatamente le opportunità e le problematiche riguardanti il loro utilizzo. Capacità di apprendimento: La preparazione acquisita rende lo studente capace di affrontare più facilmente gli studi di diverse discipline ingegneristiche. Saranno anche in grado di aggiornare continuamente ed in autonomia la propria preparazione culturale e professionale.

Modulo 1: Fondamenti di Teoria ed Elaborazione del Segnale Audiovisivo (6 CFU) Argomento 1: segnali a tempo continuo (2 CFU) Modellazione di segnali deterministici a tempo continuo nel tempo e in frequenza. Argomento 2: segnali a tempo discreto (2 CFU) Modellazione di segnali deterministici a tempo discreto nel tempo e in frequenza. Argomento 3: filtri numerici (2 CFU) Tecniche basilari per la progettazione di filtri numerici. Modulo 2: Reti e Protocolli per la collaborazione e la distribuzione di contenuti digitali Argomento 1: Introduzione ai sistemi di telecomunicazioni (1 CFU) Analisi delle principali problematiche di livello fisico Argomento 2: Architetture di rete (4 CFU). Analisi e progettazione di architetture TCP/IP Argomento 3: Piattaforme di condivisione dei contenuti (1 CFU). Analisi e progettazione di piattaforme di condivisione dei contenuti multimediali

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

L’esame si articola in un colloquio orale. Per il primo modulo, i requisiti minimi riguardano la conoscenza delle principali tecniche di progettazione di filtri numerici. Per il secondo modulo, i requisiti minimi riguardano la conoscenza dell’architettura TCP/IP.

Argenti, Mucchi, Del Re, Elaborazione numerica dei segnali. McGraw-Hill Education 2011. Kurose, Ross, Reti di calcolatori e Internet. Un approccio Top down. Pearson, 2017.

Conoscenza delle tecniche di elaborazione dei segnali audio video deterministici e aleatori. Conoscenza delle architetture per l’elaborazione dei segnali audio video deterministici e aleatori. Capacità di progettare algoritmi per l’elaborazione di segnali audio video deterministici e aleatori. Capacità di progettare architetture per l’elaborazione di segnali audio video deterministici e aleatori. Autonomia di giudizio: Tale insegnamento consente di sviluppare nello studente la capacità di analizzare e progettare sistemi per l’elaborazione di segnali audio video deterministici e aleatori. Abilità comunicative: Gli allievi saranno dotati della capacità di scelta delle tecnologie più opportune nelle diverse applicazioni e di descrivere adeguatamente le opportunità e le problematiche riguardanti il loro utilizzo. Capacità di apprendimento: La preparazione acquisita rende lo studente capace di affrontare più facilmente gli studi di diverse discipline ingegneristiche. Saranno anche in grado di aggiornare continuamente ed in autonomia la propria preparazione culturale e professionale.

Argomento 1: processi aleatori (1 CFU). Modellazione di processi aleatori nel tempo e in frequenza. Argomento 2: elaborazione di segnali audio (1 CFU) Progettazione di algoritmi per l’elaborazione di segnali audio. Argomento 3: elaborazione di segnali video (1.5 CFU) Progettazione di algoritmi per l’elaborazione di segnali video. Argomento 4: compressione dei segnali audio (1 CFU). Standard e tecnologie per la compressione di segnali audio. Argomento 5: compressione dei segnali video (1.5 CFU). Standard e tecnologie per la compressione di segnali video.

Il corso sarà erogato in modalità blended ed in lingua italiana. E’ strutturato in videolezioni pre-registrate, lezioni in aula sincrone, aule virtuali e attività collaborative (Forum).

L’esame si articola in un colloquio orale. I requisiti minimi riguardano la conoscenza dei principali standard per la compressione dei segnali audio video.

Argenti, Mucchi, Del Re, Elaborazione numerica dei segnali. McGraw-Hill Education 2011.