Corso di laurea

Informatica

Università degli Studi di L'Aquila · 40 materie · 0 file condivisi

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

Sfoglia il materiale didattico

Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!

Materie del corso

ANALISI MATEMATICA 1° anno · 1° semestre · 9 CFU · MATH-03/A · 0 file
Archivio Globale

L’insegnamento si propone di fornire agli studenti e alle studentesse le conoscenze fondamentali dell’Analisi Matematica e di favorire un uso consapevole dei suoi metodi di base.

Scheda dell'insegnamento

Obiettivi formativi

L’insegnamento si propone di fornire agli studenti e alle studentesse le conoscenze fondamentali dell’Analisi Matematica e di favorire un uso consapevole dei suoi metodi di base.

Programma

  • Teoria degli insiemi (notazioni e concetti di base), numeri reali (proprietà di base, ordinamento, completezza), induzione matematica (4 ore); - Successioni numeriche (convergenza, divergenza e irregolarità, Teorema dei Carabinieri, 5 ore); - Serie numeriche (convergenza, divergenza e irregolarità, criteri di convergenza 4 ore); - Funzioni (dominio, immagine, grafico, iniettività, suriettività, invertibilità, composizione, funzioni elementari, 5 ore); - Limiti (definizioni e regole di base, Teorema dei Carabinieri, 3 ore); - Continuità (definizioni e regole di base, Teorema dei valori intermedi, continuità della funzione inversa, Teorema di Weierstraß, 4 ore); - Calcolo differenziale (definizioni di base, regole e proprietà, estremi locali, Teorema di Rolle e di Lagrange), Regola di L'Hopital (tecniche e applicazioni), Teorema di Taylor (approssimazioni polinomiali di funzioni, serie di Taylor) (14 ore); - Studio di funzioni (3ore, 1 di teoria, 2 di esercitazioni); - Integrazione (definizione di Riemann, proprietà di base, Teorema fondamentale del calcolo integrale, integrazione per parti e per sostituzione, integrali impropri, 8 ore); - Limiti e continuità di funzioni di più variabili reali (tecniche di base, coordinate polari, 3 ore); - Calcolo differenziale di funzioni a valore reale e vettoriale di più variabili reali (derivate parziali, gradiente, derivata direzionale, differenziabilità, matrice di Jacobi, 4 ore); - Integrazione di funzioni reali di più variabili reali (domini semplici, Teorema di Fubini-Tonelli, integrazione per sostituzione, 5 ore). - 30 ore di esercitazioni

Metodi e nozioni matematiche di base insegnate al liceo.

Lezioni frontali di teoria (66%), esercitazioni (33%) con il coinvolgimento degli studenti nella risoluzione degli esercizi per verificare il grado di apprendimento della classe, tutoraggio, ricevimento studenti.

Modalità d'esame

Prova scritta di 2 ore ed eventuale prova orale. Ciò permette di accertare - la preparazione teorica; - il rigore logico; - la capacità di risolvere problemi, applicando le conoscenze acquisite. L’attribuzione del voto rifletterà i seguenti livelli di preparazione - sufficiente: comprensione basilare delle nozioni e definizioni e lo svolgimento degli esercizi standard; - adeguata: saper riprodurre e spiegare i concetti fondamentali del corso; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti in maniera indipendente

Testi di riferimento

  • Klaus Engel, Appunti del Corso di Analisi Matematica. https://people.disim.univaq.it/~klaus.engel/ana1.pdf; - P.Marcellini, C.Sbordone, Esercitazioni di Matematica. Carocci; - S.Salsa, A.Squellati, Esercizi di Matematica. Zanichelli; - M.Bramanti, C.D.Pagani, S.Salsa, Matematica. Zanichelli.

Codice insegnamento 34357

ARCHITETTURA DEGLI ELABORATORI 1° anno · 1° semestre · 6 CFU · INFO-01/A · 0 file

Il corso ha lo scopo di fornire le nozioni di base dell’architettura di un sistema di elaborazione, fondamentali per l’analisi e il progetto di reti combinatorie e sequenziali, per l’individuazione e il dimensionamento…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha lo scopo di fornire le nozioni di base dell’architettura di un sistema di elaborazione, fondamentali per l’analisi e il progetto di reti combinatorie e sequenziali, per l’individuazione e il dimensionamento delle componenti principali di un elaboratore e per la cononscenza del repertorio di base delle istruzioni del linguaggio macchina e delle loro modalità di esecuzione. Questi obiettivi rientrano negli obiettivi formativi del corso di laurea base in informatica.

Programma

  • Concetti di base: hardware, software, macchina di Von Neumann. Codifica caratteri, numeri interi e reali. Aritmetica interi e reali (1 CFU);- Algebra di Boole. Funzioni ed espressioni booleane. Minimizzazione di funzioni booleane a mappe di Karnaugh. Analisi e sintesi di reti combinatorie. Operatori e moduli combinatori fondamentali (1 CFU);- Flip-flop sincroni e asincroni. Registri e contatori. Reti sequenziali: diagrammi di stato e tabelle di flusso. Analisi e sintesi di reti sequenziali sincrone (1 CFU);- Linguaggio macchina e assembler. Repertorio delle istruzioni e modelli di architettura. Repertorio RISC e CISC. Indirizzamento dei dati e del controllo (1 CFU);- CPU: struttura interna e componenti. Fasi di fetch ed execute. Realizzazione unità di controllo a logica cablata e a logica multiprogrammata. Prestazioni della CPU. Bus di Sistema: caratteristiche meccaniche, elettriche e logico-funzionali. Allocazione del bus (1 CFU);- Memoria: criteri di classificazione. Memoria principale, memoria cache e dischi magnetici. Principio di località e organizzazione gerarchica. Sottosistema di I/O: interfacce, porte di I/O e loro indirizzamento. Modalità di gestione delle periferiche: a controllo di programma, a controllo di interruzione e tramite accesso diretto alla memoria, DMA (1 CFU).

CONOSCENZE: nozioni matematiche di base.CAPACITÀ: capacità di integrazione dello studio in aula con lo studio personale, capacità di interazione con il docente in aula in modo da originare momenti comuni di confronto.

Lezione frontale, svolgimento di esercizi in classe e a casa.

Modalità d'esame

Prova scritta (di massimo 2 ore) tesa ad accertare:- la preparazione teorica e pratica (di progettazione di reti combinatorie e sequenziali);- il rigore logico;- la capacità di risolvere problemi di progettazione e modellazione di reti combinatorie e sequenziali, applicando le conoscenze acquisite.Possibilità di svolgere una prova parziale (opzionale, non obbligatoria) durante il corso per acquisire una valutazione sull'apprendimento degli argomenti riguardanti la prima parte del corso. Chi supera il parziale, può poi decidere di svolgere per l'esame finale solo la seconda parte della prova scritta. Il voto finale sarà dato dalla media del voto ottenuto nel parziale e quello ottenuto dopo il superamento della seconda parte della prova scritta. Chi non sostiene il parziale e non lo supera, dovrà sostenere la prova scritta nella sua interezza, sia prima parte e sia seconda parte.L’attribuzione del voto rifletterà i seguenti livelli di preparazione:- sufficiente: comprensione basilare delle definizioni, dei concetti e formalismi di base e degli esercizi;- adeguata: saper risolvere i problemi di modellazione e progettazione di reti visti in classe;- buona: saper applicare quanto appreso alla soluzione di problemi di modellazione e progettazione simili a quelli visti in classe;- approfondita: saper applicare il ragionamento logico per combinare correttamente ed estendere le soluzioni viste in classe a problemi di modellazione e progettazione nuovi, elaborando quindi nuove soluzioni in maniera indipendente.

Testi di riferimento

Giacomo Bucci, Calcolatori elettronici. Architettura e organizzazione. McGraw-Hill, 2009.- Da Capitolo 1 a Capitolo 6 (esclusi i tre appendici che concludono il Capitolo 6);- Capitolo 10 (fino alla Sezione 10.4 esclusa);- Capitolo 11 (fino alla Sezione 11.2 esclusa);I Capitoli dal numero 12 in poi non fanno parte del programma del corso.OPPUREGiacomo Bucci, Calcolatori elettronici. Architettura e organizzazione. McGraw-Hill, edizione IV, 2017.- Capitolo 1: solo sezione 1.5;- Appendice A (dopo i vari capitoli);- Appendice B (subito dopo Appendice A);- Capitolo 2: dall'inizio fino a sezione 2.9.2 inclusa;- Capitolo 3: dall'inizio fino a sezione 3.6.4 inclusa;- Capitolo 4: dall'inizio fino a sezione 4.1 inclusa; poi solo sezioni 4.3.1 e 4.6.

Codice insegnamento 20175

CALCOLO DELLE PROBABILITA' E STATISTICA MATEMATICA 1° anno · 2° semestre · 6 CFU · MATH-03/B · 0 file

Lo scopo dell’insegnamento è fornire allo studente la conoscenza di concetti e strumenti di base del Calcolo delle Probabilità e della Statistica Matematica, e la capacità di utilizzare tali strumenti. Dopo aver superato…

Scheda dell'insegnamento

Obiettivi formativi

Lo scopo dell’insegnamento è fornire allo studente la conoscenza di concetti e strumenti di base del Calcolo delle Probabilità e della Statistica Matematica, e la capacità di utilizzare tali strumenti. Dopo aver superato l’esame lo studente sarà in grado di elaborare ed analizzare semplici modelli probabilistici che rappresentano fenomeni aleatori e di ricavare informazioni su tali modelli, utilizzando teoremi e metodi appresi durante il corso. Lo studente sarà inoltre in grado di eseguire stime di parametri relativi ad una popolazione, basandosi sui dati di un campione casuale, e di valutare l'incertezza di tali stime. Alla fine del corso lo studente dovrebbe: - avere una profonda conoscenza e capacità di comprensione di nozioni elementari (assiomi di Kolmogorov, probabilità condizionata, correlazione tra eventi, indipendenza, variabile aleatoria, funzione di ripartizione, valor medio, varianza, campione casuale, stimatore, verosimiglianza, intervallo di confidenza), dei modelli principali (distribuzioni discrete e assolutamente continue) e di teoremi fondamentali come la Legge dei Grandi Numeri e il Teorema del Limite Centrale; - saper calcolare la probabilità di un evento utilizzando gli assiomi di Kolmogorov e/o il calcolo combinatorio; - avere la capacità di applicare e spiegare il significato degli strumenti principali del Calcolo delle Probabilità (formula di Bayes, disintegrazione, funzione di ripartizione, densità di probabilità, funzioni generatrici, Legge dei Grandi Numeri, Teorema del Limite centrale); - dimostrare capacità di modellizzare fenomeni aleatori, di studiarne e descriverne le proprietà; - dimostrare capacità di estrarre informazioni su una popolazione utilizzando gli strumenti principali della Statistica Inferenziale; - dimostrare capacità di leggere e capire testi correlati agli argomenti del corso.

Programma

  • ELEMENTI DI PROBABILITA': Spazio degli eventi, gli insiemi e le loro operazioni elementari, concetto di probabilità, gli assiomi di Kolmogorov, formula di inclusione esclusione, principio di enumerazione e principio di enumerazione generalizzato, spazi di probabilità uniformi, disposizioni, permutazioni e combinazioni, probabilita condizionata, formula di disintegrazione e formula di Bayes, eventi indipendenti. * VARIABILI ALEATORIE E VALORE ATTESO: Variabili aleatorie discrete e continue, legge di una variabile aleatoria reale, densità di probabilità, funzione di ripartizione, vettori aleatori, distribuzioni congiunte e marginali di variabili casuali discrete, distribuzioni congiunte e marginali di variabili casuali continue. Variabili aleatorie indipendenti. Valore atteso di una variabile aleatoria e proprietà del valore atteso, varianza e covarianza, momenti. * MODELLI DI VARIABILI ALEATORIE: Variabili aleatorie di Bernoulli e Binomiali, Geometriche, di Poisson, Uniformi, Esponenziali, Gamma, Beta, Gaussiane (e Gaussiane multivariate). Distribuzione T di Student, distribuzione chi-quadro. * CONVERGENZA DI VARIABILI ALEATORIE: Funzioni generatrici, Legge dei Grandi Numeri, Teorema del Limite Centrale. * INTRODUZIONE ALL’INFERENZA STATISTICA. CAMPIONE CASUALE, STIMA DEI PARAMETRI, INTERVALLI DI CONFIDENZA, TEST STATISTICO. Nozione di campione casuale e stimatore, media e varianza campionaria. Stima dei parametri: metodo dei momenti e stima di massima verosimiglianza. Intervalli di confidenza: intervallo di confidenza per la media di un campione gaussiano con varianza nota e sconosciuta; intervallo di confidenza per la media di un campione di Bernoulli. Test statistici: ipotesi e alternativa, regione critica, errore di prima e seconda specie, livello e potenza, p-value.

Buona conoscenza, sia concettuale che operativa, dei contenuti del corso di Analisi Matematica.

Lezioni frontali di teoria, complementate da discussioni e soluzioni di problemi ed esercizi.

Modalità d'esame

Verifiche scritte (ed eventualmente orali) su tutti i temi principali del corso. Esercizi su come modellizzare dei semplici problemi reali in termini probabilistici e proporne la soluzione e su come risolvere problemi utilizzando gli opportuni strumenti matematici e sapendo portare a termine i calcoli coinvolti.

Testi di riferimento

Sheldon M. Ross, Probabilità e statistica per l'ingegneria e le scienze, Apogeo Education - Maggioli Editore Paolo Baldi, Calcolo delle probabilità e Statistica (Edizione 2), Mc Graw-Hill, 1998

Codice insegnamento 34393

CONOSCENZA DELLA LINGUA INGLESE (LIVELLO B2) 1° anno · 1° semestre · 3 CFU · 0 file

OBIETTIVI FORMATIVI DELL’INSEGNAMENTO Il corso ha lo scopo di: 1) fornire allo studente la conoscenza e le competenze relative alla lingua inglese al fine di produrre un testo chiaro e dettagliato su un'ampia gamma di…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI DELL’INSEGNAMENTO Il corso ha lo scopo di: 1) fornire allo studente la conoscenza e le competenze relative alla lingua inglese al fine di produrre un testo chiaro e dettagliato su un'ampia gamma di argomenti e spiegare un punto di vista su un argomento fornendo i pro e i contro delle varie opzioni. 2) Sviluppare le abilità linguistiche orali (ascolto e parlato); 3) Abituare gli studenti alle diverse strategie e tecniche a cui adattare materiale autentico. RISULTATI DI APPRENDIMENTO Alla fine del corso lo studente dovrà dimostrare di: - Comprendere i punti chiave di argomenti familiari che riguardano l’università, il tempo libero, la famiglia etc - Saper muoversi con disinvoltura in situazioni che possono verificarsi mentre viaggia nel Paese di cui parla la lingua. - Essere in grado di produrre un testo semplice relativo ad argomenti che siano familiari o di interesse personale. - Essere in grado di esprimere esperienze e avvenimenti, sogni, speranze e ambizioni, e anche di spiegare brevemente le ragioni delle sue opinioni e dei suoi progetti.

Programma

Attraverso lo studio del Libro di Testo e dei vari siti web che saranno comunicati durante lo svolgimento del corso, saranno proposti, per la lettura e l’ascolto, brani autentici di diverso genere. Le strutture morfologiche e lessicali saranno approfondite attraverso lo studio di “grammar in discourse” e “English in use”. Le attività proposte avranno come scopo il consolidamento dei principali aspetti fonologici, morfologici, sintattici e semantici della lingua inglese con l’obiettivo di sviluppare in modo armonico le quattro abilità linguistiche e fornire agli studenti gli insegnamenti necessari per una riflessione sulla lingua inglese ed una conoscenza fondamentale del metalinguaggio, secondo i parametri del livello B2 indicati nel Common European Framework of Reference (CEFR).

Gli studenti devono possedere le abilità di base che rispecchino il livello B1 del Quadro Comune Europeo di riferimento per la conoscenza delle lingue (QCER)

Il docente presenterà gli argomenti presenti nel syllabus servendosi del libro di testo e di ulteriore materiale che sarà fornito durante le lezioni. Ci si avvarrà dell’uso di dispositivi elettronici come la lavagna luminosa, il computer e il proiettore. Si richiede un’attiva partecipazione degli studenti nelle varie attività di classe poiché avranno la possibilità di sviluppare le loro abilità linguistiche fino ad arrivare ad un livello B2

Modalità d'esame

È prevista una prova scritta e orale finale (B2) articolata in 4 parti: LETTURA ED USO DELL’INGLESE La Lettura e l’Uso dell’Inglese prevedono quattro parti. Dalla Parte 1 alla Parte 4 si verifica la conoscenza della grammatica e del vocabolario (Testi a riempimento a scelta multipla, Testo a riempimento libero e formazione di parole). Dalla Parte 5 alla Parte 7 si verificano le abilità di lettura e comprensione della lingua (Multiple choice, Gapped text and Multiple matching). SCRITTURA La sezione della scrittura è formata da una parte. Lo studente potrà scegliere tra la Parte 1, la produzione scritta di un saggio, e la Parte 2, una lettera o email formale o informale ASCOLTO L’ascolto consiste di due parti. La registrazione riguarda monologhi (esempio lezioni e presentazioni) e conversazioni tra due o più parlanti (discussioni e interviste). (Scelta multipla, Completamento di frasi e abbinamento multiplo). Gli oratori avranno una diversa varietà di accenti. Gli studenti avranno il tempo di leggere le domande prima dell’ascolto e ascolteranno la registrazione due volte. PARLATO Il parlato prevede tre parti: Parte 1 (colloquio) -Rispondere a domande su se stessi Parte 2 (risoluzione di problemi) -Parlare di problemi della quotidianità a seconda del corso di studi Parte 3 (lungo compito individuale) -Parlare di due fotografie per circa 2 minuti. Poi rispondere ad una domanda sulla foto del partner dopo che lui/lei abbia svolto la sua parte. Di solito la prova si svolge con due candidati e alle volte anche con tre. Il docente valuterà i candidati considerando quattro descrittori: - Grammatica e vocabolario - Controllo del discorso - Pronuncia - Comunicazione interattiva

Testi di riferimento

FIRST FOR SCHOOLS TRAINER 2. SIX PRACTICE TESTS WITHOUT ANSWERS- CAMBRIDGE UNIVERSITY PRESS – ISBN 978-1108380904

Codice insegnamento 40625

FONDAMENTI DI PROGRAMMAZIONE CON LABORATORIO 1° anno · 1° semestre · 12 CFU · INFO-01/A · 0 file

------------------------------------------------------------ Modulo: F0053 - FONDAMENTI DI PROGRAMMAZIONE ------------------------------------------------------------ Il corso ha lo scopo di introdurre le nozioni sulla…

Scheda dell'insegnamento

Obiettivi formativi

------------------------------------------------------------ Modulo: F0053 - FONDAMENTI DI PROGRAMMAZIONE ------------------------------------------------------------ Il corso ha lo scopo di introdurre le nozioni sulla Sintassi e sulla Semantica dei Linguaggi di Programmazione attraverso l'utilizzo delle Grammatiche e dei Sistemi di Transizione. In particolare, il corso studia la Semantica Operazionale di un sottoinsieme del Linguaggio di Programmazione Java. ------------------------------------------------------------ Modulo: F0054 - LABORATORIO DI PROGRAMMAZIONE ------------------------------------------------------------ Il corso ha lo scopo di introdurre le nozioni di base della programmazione imperativa ed orientata agli oggetti, al fine di risolvere problemi semplici, implementare i relativi algoritmi correttamente in un linguaggio di programmazione e strutturare dati complessi e le operazioni su tali dati tramite l’utilizzo di un calcolatore. Tali obiettivi sono parte delle finalità formative della Laurea Triennale in Informatica.

Programma

------------------------------------------------------------ Modulo: F0053 - FONDAMENTI DI PROGRAMMAZIONE ------------------------------------------------------------ - Sintassi dei Linguaggi di Programmazione: Grammatiche Libere dal Contesto, Alberi di Derivazione, Ambiguità. - Semantica dei Linguaggi di Programmazione: Sistemi di Transizione. Rappresentazione e semantica dei numeri. Definizione di stato: concetto di stato, strutturazione dello stato e modifica dello stato. -Semantica operazionale del nucleo di Java: dichiarazione di variabili non strutturate, semantica operazionale delle espressioni e dei comandi. Equivalenza di comandi. - Semantica Operazionale di +/- Java: introduzione dei concetti di classe e oggetto, ristrutturazione dello stato in tre componenti, modifica dello stato. - Espressioni, Comandi, Libreria di Classi. -Semantica operazionale dell’invocazione dei metodi di un oggetto, visibilità delle variabili, semantica operazionale di un blocco di comandi. Equivalenza di comandi ------------------------------------------------------------ Modulo: F0054 - LABORATORIO DI PROGRAMMAZIONE ------------------------------------------------------------ - Algoritmi, programmi e linguaggi di programmazione. Diagrammi di flusso, struttura di un programma. - Tipi di dato base. Costanti, variabili, espressioni aritmetiche e booleane. Istruzione di assegnamento. Primitive di Input/Output. Strutture di controllo: sequenzializzazione, condizionale, iterazione e ciclo. - Tipi di dato strutturati: array, stringhe. - Metodi. Struttura a blocchi e regole di scoping. Meccanismi di passaggio dei parametri. Metodi statici. Ricorsione e metodi ricorsivi. - Classi e oggetti: concetti base, creazione di oggetti e loro manipolazione. Metodi di istanza. Array di oggetti. - Ereditarietà e gerarchie. Polimorfismo e late binding. Eccezioni e loro gestione.

------------------------------------------------------------ Modulo: F0053 - FONDAMENTI DI PROGRAMMAZIONE ------------------------------------------------------------ Nozioni di matematica di base su funzioni e insiemi, e su espressioni logiche. Nozioni di base della programmazione orientata agli oggetti acquisibili con il modulo integrato Laboratorio di Programmazione. ------------------------------------------------------------ Modulo: F0054 - LABORATORIO DI PROGRAMMAZIONE ------------------------------------------------------------ Nozioni matematiche di base (in particolare, insiemi e funzioni). Non è richiesta alcuna conoscenza di programmazione né di specifici linguaggi di programmazione.

------------------------------------------------------------ Modulo: F0053 - FONDAMENTI DI PROGRAMMAZIONE ------------------------------------------------------------ Lezioni frontali Esercitazioni ------------------------------------------------------------ Modulo: F0054 - LABORATORIO DI PROGRAMMAZIONE ------------------------------------------------------------ Lezioni frontali, domande e discussioni in classe, esercitazioni, compiti per casa.

Modalità d'esame

------------------------------------------------------------ Modulo: F0053 - FONDAMENTI DI PROGRAMMAZIONE ------------------------------------------------------------ L'esame comprende una prova scritta e una prova orale obbligatoria. Chi ha acquisito la frequenza negli anni precedenti al 2007/08 dovrà sostenere l'esame del corso di Fondamenti di Programmazione. Gli studenti immatricolati nell'A.A. 2007/08 dovranno sostenere l'esame unico di Fondamenti di Programmazione con Laboratorio. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: sufficiente (comprensione di base dei concetti e delle metodologie); discreto (capacità di applicazione delle metodologie su problemi teorici e pratici); buono (padronanza delle metodologie introdotte e capacità di definizione di loro variazioni non canoniche); ottimo (capacità di risoluzione di problemi nuovi diversi da quelli risolti nel contesto degli argomenti del corso). ------------------------------------------------------------ Modulo: F0054 - LABORATORIO DI PROGRAMMAZIONE ------------------------------------------------------------ Questo modulo è parte del corso integrato di Fondamenti di Programmazione con Laboratorio, il cui esame finale (unico) prevede il superamento di una prova scritta+orale di natura teorica e di una prova scritta di laboratorio, seguita da un’eventuale prova orale da svolgersi a discrezione della docente o su richiesta dello/a studente/ssa. Durante le lezioni e le esercitazioni del corso viene attuata un’interazione continua tra docente e studenti/esse, che sono coinvolti in discussioni e proposte di strategie per la soluzione degli esercizi per mezzo di domande orali e/o compiti assegnati per casa e successivamente corretti in classe. L’accertamento del raggiungimento degli obiettivi formativi prevede una prova scritta ed eventuale prova orale. Viene data la possibilità, opzionale, di suddividere la prova scritta in tre prove scritte parziali relative alle tre parti del corso, per dividere il carico di lavoro. Lo/a studente/ssa può sostenere il secondo parziale (durata max 2 ore) solo se ha superato il primo parziale (durata max 1 ora). Lo/a studente/ssa che supera i primi due parziali, nel parziale finale svolgerà un compito relativo solo alla terza parte del corso. La prova scritta finale (durata max 2 ore) consiste di 3-4 esercizi ognuno contenente una o più domande. Se lo/a studente/ssa non ha svolto le prove parziali o non le ha superate, allora può svolgere la prova scritta totale (durata di 3 ore) che consiste in: (a) 3-4 esercizi relativi alle prime due parti del corso, 50% del voto finale, e (b) 3-4 esercizi relativi alla terza parte del corso, 50% del voto finale. Le prove scritte mirano a verificare (1) il livello di conoscenza dei costrutti del sottoinsieme del linguaggio di programmazione introdotto durante il corso e (2) l’abilità nella risoluzione di problemi e nell’implementare correttamente gli algoritmi proposti. Un gran numero di testi e relative soluzioni sono sul sito. Questo permette allo/a studente/ssa di essere consapevole di cosa potrà essere richiesto. La prova orale è obbligatoria solo se il giudizio finale risulta ai limite della sufficienza (voto = 16 o 17), oppure esistono carenze rilevanti in una delle tre parti del corso. Lo/a studente/ssa può chiedere di sostenere la prova orale con lo scopo di migliorare il giudizio della prova scritta. L’esame orale potrà essere svolto nella stessa sessione in cui è stata superata la prova scritta o in una sessione successiva. La prova orale dura meno di un’ora e le domande coprono gli argomenti e gli esercizi a cui, nella prova scritta, lo/a studente/ssa non ha dato risposte corrette o chiare. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: - sufficiente: conoscenza e comprensione basilare dei concetti fondamentali del sottoinsieme del linguaggio di programmazione presentato nel corso; - adeguata: saper implementare ed eseguire in un ambiente di programmazione i programmi che codificano gli algoritmi che risolvono semplici problemi; - buona: saper risolvere problemi, applicando astrazione e modularità, e codificare i relativi algoritmi nel linguaggio dato rispettando le specifiche dei problemi; - approfondita: saper analizzare e confrontare algoritmi diversi per lo stesso problema e codifiche diverse dello stesso algoritmo in modo chiaro e utilizzando la terminologia tecnica corretta.

Testi di riferimento

------------------------------------------------------------ Modulo: F0053 - FONDAMENTI DI PROGRAMMAZIONE ------------------------------------------------------------ - R. Barbuti, P. Mancarella, D. Pedreschi, F. Turini, Elementi di Sintassi dei Linguaggi di Programmazione. Corso di Laurea in Informatica Università di Pisa a.a. 2004/05. 2004/2005. https://informatica.di.univaq.it/getres.php?resid=746 Le parti della dispensa che devono essere studiate vanno da pagina 1 a pagina 5 e da sezione 3 (cioè da pagina 19) a sezione 3.4 inclusa (cioè fino a pagina 40). - R. Barbuti, P. Mancarella e F. Turini, Elementi di Semantica Operazionale. 2004/2005. https://informatica.di.univaq.it/getres.php?resid=1171 Le parti della dispensa che devono essere studiate vanno dall'inizio fino a Sezione 5.4 inclusa (cioè fino a pagina 48). Queste note rivisitano la versione precedente "Semantica Operazionale". Gli studenti possono scegliere una delle due versioni. - R. Barbuti, P. Mancarella e C. Montangero, Semantica Operazionale. https://informatica.di.univaq.it/getres.php?resid=747 Le parti della dispensa che devono essere studiate vanno dall'inizio fino a Sezione 5.3 inclusa (cioè fino a pagina 39). Queste note sono state rivisitate nella versione successiva "Elementi di Semantica Operazionale". Gli studenti possono scegliere una delle due versioni. - M. Autili, P. Inverardi, Semantica Operazionale di +/- Java - 03 Dicembre 2010. http://informatica.di.univaq.it/getres.php?resid=1053 Questa versione (3 dicembre 2010) rivisita la versione del 10 gennaio 2010. Questa versione deve essere considerata come la versione ufficiale da adottare e tutti i suoi contenuti fanno parte del programma del corso. ------------------------------------------------------------ Modulo: F0054 - LABORATORIO DI PROGRAMMAZIONE ------------------------------------------------------------ - Marco Bertacca e Andrea Guidi, Programmare in Java. McGraw-Hill. 2007. - Cay Horstmann, Concetti di informatica e fondamenti di JAVA. Apogeo (qualsiasi edizione). La docente metterà a disposizione i lucidi utilizzati durante il corso ed i vari codici sviluppati a lezione.

Codice insegnamento 30591

LABORATORIO DI PROGRAMMAZIONE AD OGGETTI 1° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file

L'insegnamento si propone di fornire agli studenti e alle studentesse una solida padronanza del paradigma di programmazione orientato agli oggetti (OO), utilizzando il linguaggio Java, e di introdurre gli aspetti più…

Scheda dell'insegnamento

Obiettivi formativi

L'insegnamento si propone di fornire agli studenti e alle studentesse una solida padronanza del paradigma di programmazione orientato agli oggetti (OO), utilizzando il linguaggio Java, e di introdurre gli aspetti più avanzati e moderni del linguaggio e della sua piattaforma (generici, reflection e annotazioni, Collections Framework, programmazione funzionale con espressioni lambda e Stream API), nonché gli strumenti professionali per lo sviluppo del software (sistemi di controllo di versione e gestione del progetto software).L'insegnamento concorre all'obiettivo formativo del Corso di Laurea in Informatica di fornire allo studente le conoscenze metodologiche e tecnologiche di base della programmazione, su cui fondare la capacità di analizzare, progettare e realizzare sistemi software corretti, manutenibili e ben strutturati. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea triennale in Informatica è stata verificata e armonizzata in fase di progettazione dello stesso.

Programma

Il programma è articolato in 7 moduli, per un totale di 60 ore, secondo la seguente scansione temporale:1. Fondamenti di Java e OOP: introduzione al paradigma OO; variabili, tipi, scope, array; classi e oggetti; costruttori, `this`, incapsulamento; ereditarietà; keyword `super`, `abstract`, `final`.2. Polimorfismo e interfacce: overloading e overriding; binding dinamico; interfacce (sintassi ed ereditarietà); metodi `default`, `static`, `private`; interfacce funzionali; accenni di UML (class diagram); esercitazione guidata.3. Eccezioni e I/O: `try/catch/finally`; try-with-resources; gerarchia delle eccezioni; `throws`/`throw` ed eccezioni personalizzate; File I/O e NIO.2.4. Generics, Reflection e Annotations: type parameters e bounded types; wildcard (`? extends`, `? super`); type inference e type erasure; ereditarietà, metodi e costruttori generici; Reflection API (Class, Method, Field, invocazione dinamica); annotazioni predefinite e personalizzate (retention e target) e loro uso nei framework.5. Collections Framework: interfacce principali; List (ArrayList, LinkedList); Set (HashSet, TreeSet, LinkedHashSet); Map (HashMap, TreeMap, LinkedHashMap); `Comparable` e `Comparator`; classe di utilità `Collections`; collezioni immutabili; Iterator pattern; comportamento fail-fast vs fail-safe; performance tuning; generics applicati alle collezioni.6. Programmazione funzionale: classi nested/inner e anonime; espressioni lambda; `@FunctionalInterface`; method reference; Stream API; Collectors e parallel stream.7. Strumenti di sviluppo: Git (repository, workflow, GitHub); Maven (POM, dipendenze, lifecycle).

Sono raccomandate le conoscenze acquisite nell'insegnamento di "Fondamenti di Programmazione con Laboratorio". In particolare, sono opportune la conoscenza di almeno un linguaggio di programmazione imperativo e la capacità di leggere e scrivere programmi elementari in tale linguaggio. Non sono previste propedeuticità obbligatorie.

Lezioni frontali con presentazione dei concetti teorici; esercitazioni di laboratorio e stesura di codice in aula; svolgimento di homework individuali (mini-progetti) a casa con feedback; uso di strumenti professionali (IDE, Git, Maven). L'apprendimento è organizzato in modo incrementale: a ogni blocco di argomenti corrisponde un'attività pratica che consolida quanto appreso.

Modalità d'esame

L'esame è composto da due parti:- Homework individuali — 40% del voto finale. Nel corso del semestre lo studente svolge 5 homework individuali (mini-progetti in Java), assegnati e consegnati secondo il calendario delle lezioni, di difficoltà crescente e mirati a valutare in modo granulare e continuo la capacità di *applicare* le conoscenze: HW1 (gerarchia di classi con ereditarietà), HW2 (design pattern Strategy con interfacce), HW3 (parsing di file con gestione delle eccezioni), HW4 (elaborazione dati con collezioni complesse), HW5 (analisi di dati con Stream API). Ogni homework verifica il raggiungimento dei risultati di apprendimento relativi alla capacità di progettare e implementare componenti software corretti e ben strutturati.- Prova orale approfondita — 60% del voto finale. Colloquio articolato in più domande, ciascuna vertente su una delle tematiche presentate durante il corso, teso ad accertare la conoscenza teorica, la capacità di argomentare e motivare le scelte progettuali (anche a partire dagli homework svolti) e la padronanza del paradigma OO e dei costrutti avanzati di Java. L'attribuzione del voto rifletterà i seguenti livelli di preparazione:- sufficiente: comprensione di base dei concetti e delle metodologie;- discreto: capacità di applicare le metodologie a problemi teorici e pratici;- buono: padronanza delle metodologie introdotte e capacità di definirne variazioni non canoniche;- ottimo: capacità di risolvere problemi diversi da quelli affrontati nel corso, collegando autonomamente i diversi argomenti.Le modalità di verifica e i criteri di valutazione sono illustrati all'inizio delle lezioni.

Testi di riferimento

Claudio De Sio Cesari, *Programmazione Java. Nuove tecniche e paradigmi. Con e-book. Con piattaforma didattica. Con risorse online*, Hoepli, Collana Hoepli Informatica (ISBN 8836018122, EAN 9788836018123). Materiale didattico integrativo (slide, esempi di codice, tracce degli homework) reso disponibile sul canale Teams dell'insegnamento.

Codice insegnamento 37239

LABORATORIO DI PROGRAMMAZIONE DI SISTEMA 1° anno · 2° semestre · 6 CFU · INFO-01/A · 0 file

Lo scopo dell'insegnamento è introdurre lo studente, attraverso un approccio laboratoriale, alla programmazione di sistema e ai sistemi di programmazione. Questi obiettivi formativi si collocano all’interno delle…

Scheda dell'insegnamento

Obiettivi formativi

Lo scopo dell'insegnamento è introdurre lo studente, attraverso un approccio laboratoriale, alla programmazione di sistema e ai sistemi di programmazione. Questi obiettivi formativi si collocano all’interno delle finalità generali del corso di studi, contribuendo a sviluppare: conoscenza e comprensione dell’architettura dei sistemi informatici, in particolare dei sistemi di programmazione di base conoscenza di linguaggi di programmazione, sia di alto che di basso livello di astrazione, orientati allo sviluppo di sistemi informatici e alla programmazione di sistema capacità di applicare le conoscenze e la comprensione acquisite nell'analisi e nello sviluppo di sistemi informatici, in particolare di sistemi operativi nonché linguaggi e sistemi di programmazione

Programma

L'insegnamento tratta i concetti e le tecniche fondamentali della programmazione di sistema e l'uso e la realizzazione dei principali sistemi di programmazione, attraverso linguaggi assembly e linguaggi ad alto livello orientati a tali impieghi. Il contenuto del corso è organizzato in 5 temi:Programmazione imperativa (1.2 CFU):modelli concettuali per la programmazione imperativa di sistemabasi di programmazione imperativa in linguaggi ad alto livello orientati alla programmazione di sistema e in linguaggi assembly Programmazione strutturata (0.8 CFU):controllo del programma attraverso Programmazione Strutturatacontrollo del programma attraverso Programmazione mediante DiramazioneOrganizzazione dei Dati (2 CFU):struttura, organizzazione e gestione dei dati in memoriaallocazione statica della memoriariferimenti ai datiprogramma memorizzatoriferimenti a codice e a procedureProgrammazione procedurale (1.2 CFU):concetto di procedurameccanismi di chiamata e ritornogestione di parametri e risultatolocalità dei datiSistemi di programmazione (0.8 CFU):allocazione dinamica della memoriamemory-mapped Input-Output: handshaking, buffering, modalità di gestione: programmata; guidata da interrupt gestione delle eccezioni traduzione ed esecuzione di programmi

È obbligatorio aver sostenuto con esito positivo l'esame dell'insegnamento “Architettura degli Elaboratori”. Sono quindi richieste nozioni di base sulle architetture dei computer, in particolare sui principi e le tecnologie di base dei linguaggi macchina. Sono inoltre opportune conoscenza di almeno un linguaggio di programmazione imperativo e capacità di leggere e scrivere programmi elementari in tale linguaggio.

Studio autonomo propedeutico sui materiali del corso, seguito da attività in aula orientate al chiarimento dei dubbi emersi e dei concetti più complessi, a discussioni guidate, alla risoluzione collaborativa di problemi e ad esercitazioni pratiche di laboratorio

Modalità d'esame

Accertamento del processo di apprendimento Durante le attività in aula, il docente interagisce costantemente con gli studenti attraverso la discussione e l'osservazione diretta del processo di risoluzione dei problemi, monitorando progressivamente il livello di apprendimento e la comprensione generale della classe. Accertamento del raggiungimento degli obiettivi formativi L'esame prevede una prova scritta seguita da un colloquio, da sostenersi all'interno del medesimo appello. La prova orale, della durata massima di un'ora, comprende la discussione dello scritto e la somministrazione di ulteriori quesiti. La combinazione di prova scritta, colloquio e attività svolte durante l'insegnamento è finalizzata a verificare il grado di raggiungimento di tutti gli Obiettivi Formativi (OF). L’attribuzione del voto rifletterà i seguenti livelli di preparazione: Sufficiente (18–20): Conoscenza dei contenuti essenziale o parziale (OF1); limitata capacità di applicare le conoscenze per la lettura e la scrittura di programmi (OF2, OF3); modesta capacità comunicativa (OF4); sufficiente capacità di apprendimento autonomo (OF5)Adeguata (21–23): Conoscenza dei contenuti discreta (OF1); discreta capacità di applicare le conoscenze nella lettura e scrittura di programmi (OF2, OF3); sufficiente o limitata capacità comunicativa (OF4); discreta capacità di apprendimento (OF5)Buona (24–26): Conoscenza dei contenuti buona (OF1); buona capacità di applicare le conoscenze alla lettura e scrittura di programmi (OF2, OF3); discreta o buona capacità comunicativa (OF4); buona capacità di apprendimento (OF5) Approfondita (27–29): Conoscenza dei contenuti ottima e completa (OF1); elevata capacità di applicare le conoscenze nella lettura e scrittura di programmi (OF2, OF3); buona o eccellente capacità comunicativa (OF4); ottima capacità di apprendimento (OF5) Eccellente (30–30L): Conoscenza dei contenuti solida, approfondita ed esaustiva (OF1); eccellente ed autonoma capacità di applicare le conoscenze per analizzare, progettare e scrivere programmi (OF2, OF3); eccellente padronanza del linguaggio tecnico e capacità comunicativa (OF4); piena ed elevata autonomia di apprendimento (OF5)

Testi di riferimento

Testo di Riferimento [Ki] Kim N. King, C Programming: a Modern Approach, W.W.Norton & Company, second edition, 2008. ISBN-10: 0-393-97950-4 Di questo testo esiste una versione italiana, (tuttavia è consigliata quella inglese): Kim N. King, Programmazione in C, Apogeo, prima edizione, 2009. ISBN: 9788850328697 Testi consigliati per approfondimenti [Cl] Alan Clements. 68000 Family Assembly Language. PWS Publishing Co., USA,1993 [PH] David A. Patterson, John L. Hennessy, Struttura e progetto dei calcolatori - Progettare con RISC-V, Zanichelli, prima edizione, 2019. Versione cartacea ISBN-13: 9788808820594, versione Ebook ISBN-13: 9788808767127 [Sw] Dominic Sweetman. See MIPS run. Elsevier, 2010 [Ta] Andrew S. Tanenbaum, Structured Computer Organization, Prentice Hall, 5th edition, 2005. ISBN-10: 0131485210

Codice insegnamento 37238

MATEMATICA DISCRETA 1° anno · 2° semestre · 12 CFU · MATH-02/B · 0 file

------------------------------------------------------------ Modulo: F0124 - MATEMATICA DISCRETA I ------------------------------------------------------------ Obiettivi formativi dell’insegnamento. Il modulo ha…

Scheda dell'insegnamento

Obiettivi formativi

------------------------------------------------------------ Modulo: F0124 - MATEMATICA DISCRETA I ------------------------------------------------------------ Obiettivi formativi dell’insegnamento. Il modulo ha l’obiettivo di fornire le conoscenze fondamentali dell’algebra lineare finito-dimensionale e di introdurre il relativo linguaggio matematico, con particolare attenzione agli strumenti utili nella formazione di uno studente di Informatica, mettendo in evidenza le relazioni tra gli aspetti algebrici, geometrici e algoritmici della disciplina. Più dettagliatamente, il corso fornisce nozioni di base di: Teoria delle matrici. Sistemi lineari e loro risoluzione. Spazi vettoriali. Applicazioni lineari. Diagonalizzazione. Geometria del piano e dello spazio. L’insegnamento intende inoltre sviluppare il ragionamento logico-deduttivo, la capacità di scegliere un procedimento risolutivo appropriato, l’uso corretto del linguaggio e della notazione matematica e la capacità di esporre in maniera ordinata e motivata i passaggi di una soluzione. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea triennale in Informatica è stata verificata e armonizzata in fase di progettazione dello stesso. ------------------------------------------------------------ Modulo: F0126 - MATEMATICA DISCRETA II ------------------------------------------------------------ Obiettivi formativi dell’insegnamento. Il corso consta di due parti. Parte 1: Matematica L’obiettivo è fornire le nozioni di base di: Combinatoria. Teoria delle permutazioni. Aritmetica (numeri primi, mcm, MCD, divisione euclidea). Aritmetica modulare (congruenze). Numeri complessi. Parte 2: Logica L’obiettivo è fornire le nozioni di base di: Logica proposizionale. Logica dei predicati. Tali obiettivi sono parte delle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea triennale in Informatica è stata verificata e armonizzata in fase di progettazione dello stesso.

Programma

------------------------------------------------------------ Modulo: F0124 - MATEMATICA DISCRETA I ------------------------------------------------------------ Gli argomenti trattati saranno:​​​​​ Definizione di matrice, operazioni tra matrici, matrice inversa. Determinante di una matrice e metodi di calcolo. Rango di una matrice e teorema degli orlati. Sistemi lineari e metodi di risoluzione. Teorema di Rouché-Capelli, sistemi lineari omogenei. Spazi vettoriali e proprietà. Base e dimensione. Sottospazi vettoriali e formula di Grassmann. Applicazioni lineari, nucleo e immagine. Endomorfismi diagonalizzabili, autovalori, autovettori e autospazi. Polinomio caratteristico, calcolo degli autovalori e degli autospazi. Criteri di diagonalizzabilità. Spazi vettoriali euclidei Endomorfismi simmetrici e teorema spettrale Geometria euclidea del piano e dello spazio. ------------------------------------------------------------ Modulo: F0126 - MATEMATICA DISCRETA II ------------------------------------------------------------ Matematica (40 ore)​​​​​​​ Concetti base della teoria degli insiemi. Funzioni: iniettività, surgettività e composizione. Combinatoria. Permutazioni. Principio di induzione. Divisione euclidea. Massimo comun divisore e minimo comune multiplo. Teorema fondamentale dell’aritmetica. Relazioni d’ordine e d’equivalenza. Congruenze e Teorema cinese del resto. Numeri complessi. Logica (20 ore) Logica proposizionale: linguaggio. Semantica della logica proposizionale. Equivalenza semantica. Completezza funzionale. Logica dei predicati: linguaggio. Variabili libere e legate. Semantica della logica dei predicati. Soddisfacibilità, validità e modelli.

------------------------------------------------------------ Modulo: F0124 - MATEMATICA DISCRETA I ------------------------------------------------------------ Calcolo aritmetico. Teoria degli insiemi. Concetto di funzione. Equazioni di primo e secondo grado. ------------------------------------------------------------ Modulo: F0126 - MATEMATICA DISCRETA II ------------------------------------------------------------ Calcolo aritmetico. Teoria degli insiemi. Concetto di funzione.

------------------------------------------------------------ Modulo: F0124 - MATEMATICA DISCRETA I ------------------------------------------------------------ Lezioni frontali. Esercizi in classe e a casa. ------------------------------------------------------------ Modulo: F0126 - MATEMATICA DISCRETA II ------------------------------------------------------------ Lezioni frontali. Esercizi in classe e a casa.

Modalità d'esame

------------------------------------------------------------ Modulo: F0124 - MATEMATICA DISCRETA I ------------------------------------------------------------ L’esame comprende: Prova scritta con le seguenti caratteristiche: Durata: 90 minuti (di cui 20 minuti per la teoria); Superamento: parte teorica corretta + voto almeno 18; Parte teorica: dare definizioni, enunciare/dimostrare risultati; Parte pratica: risoluzione di esercizi. Prova orale (comune con MD2) con le seguenti caratteristiche: L’orale consiste in domande sia pratiche che teoriche; Può portare al miglioramento o al peggioramento del voto. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: Sufficiente: appropriato linguaggio logico-matematico e conoscenza degli argomenti trattati a lezione. Buona: in aggiunta, comprensione delle dimostrazioni. Ottima: in aggiunta, utilizzo delle conoscenze acquisite in contesti correlati e in autonomia. ------------------------------------------------------------ Modulo: F0126 - MATEMATICA DISCRETA II ------------------------------------------------------------ L’esame comprende: Prova scritta con le seguenti caratteristiche: Durata: 90 minuti (di cui 20 minuti per la teoria); Superamento: parte teorica corretta + voto almeno 18; Parte teorica: dare definizioni, enunciare/dimostrare risultati; Parte pratica: risoluzione di esercizi. Prova orale (comune con MD1) con le seguenti caratteristiche: L’orale consiste in domande sia pratiche che teoriche; Può portare al miglioramento o al peggioramento del voto. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: Sufficiente: appropriato linguaggio logico-matematico e conoscenza degli argomenti trattati a lezione. Buona: in aggiunta, comprensione delle dimostrazioni. Ottima: in aggiunta, utilizzo delle conoscenze acquisite in contesti correlati e in autonomia.

Testi di riferimento

------------------------------------------------------------ Modulo: F0124 - MATEMATICA DISCRETA I ------------------------------------------------------------ Testi consigliati: A. Savo, “Geometria. Teoria ed esercizi”, ISBN 9788820399092. A. Bernardi, A. Gimigliano “Algebra Lineare e geometria analitica”. ISBN 978-8825174243. ------------------------------------------------------------ Modulo: F0126 - MATEMATICA DISCRETA II ------------------------------------------------------------ Testo riguardante la prima parte del corso: B. Scimemi, “Algebretta”, Decibel, ISBN 9788871710013. Testo riguardante la seconda parte del corso: E. J. Lemmon, “Elementi di Logica”, Laterza, ISBN 9788842027720. Testi che trattano tutti gli argomenti del corso: F. Bellissima, F. Montagna, “Matematica per l’informatica”, ISBN 9788843035861. A. Facchini, “Algebra e matematica discreta”, Zanichelli, ISBN 9788808097392.

Codice insegnamento 30569

ALGORITMI E STRUTTURE DATI CON LABORATORIO 2° anno · 12 CFU · INFO-01/A · 0 file

------------------------------------------------------------ Modulo: F0131 - ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ L'obiettivo del corso è quello di fornire allo studente…

Scheda dell'insegnamento

Obiettivi formativi

------------------------------------------------------------ Modulo: F0131 - ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ L'obiettivo del corso è quello di fornire allo studente competenze di base sui metodi di rappresentazione delle principali strutture di dati, sui rispettivi algoritmi fondamentali per la loro gestione e sulla valutazione della complessità computazionale di un algoritmo e di un problema. Infine, mira a sviluppare un’intuizione finalizzata alla soluzione efficiente di problemi computazionali. ------------------------------------------------------------ Modulo: F0132 - LABORATORIO DI ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ A partire dalle conoscenze acquisite nel corso di 'Fondamenti di Programmazione con Laboratorio' e 'Laboratorio di programmazione a oggetti', il modulo si concentra sullo studio di algoritmi e strutture dati fondamentali, con particolare attenzione agli aspetti di complessità computazionale, con l'obiettivo di stimolarne la comprensione attraverso la sperimentazione diretta in linguaggio Java.

Programma

------------------------------------------------------------ Modulo: F0131 - ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ Il corso è suddiviso in 6 sezioni, ciascuna del peso approssimativo di 1 CFU: - Analisi della complessità di un algoritmo; - Algoritmi di ordinamento (insertion-sort, selection-sort, merge-sort); - Code di priorità. heap binari, heap binomiali, heap-sort; - Il problema del dizionario: ricerca, inserimento, cancellazione. Gestione di dizionari: alberi AVL, tabelle hash; - Grafi: rappresentazioni, algoritmi di visita e connessione; - Algoritmi elementari su grafi: cammino minimo, minimo albero ricoprente. All'interno di tali sezioni, gli argomenti principali del corso saranno: Lower bound di un problema; Mergesort; Quicksort; Heap binomiale; Alberi AVL; Algoritmo di Dijkstra; Algoritmo di Kruskal. ------------------------------------------------------------ Modulo: F0132 - LABORATORIO DI ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ - Il Linguaggio Java: richiami sui concetti fondamentali; interfacce e classi astratte; Generics; classi e interfacce del Java Collection Framework (5 ore). - Strutture dati elementari e loro implementazione in Java: liste, stack e code. Implementazione delle liste mediante array e liste collegate semplici. Uso delle classi standard - client code perspective (10 ore). - Algoritmi di ricerca ed ordinamento e loro implementazione in Java: ricerca sequenziale e binaria; bubble-sort, insertion-sort, selection-sort, merge-sort, quick-sort (15 ore). - Strutture dati avanzate e loro implementazione in Java: alberi binari, visite BFS e DFS; heap binari, code con priorità implementate mediante heap binari (applicazione: algoritmo di ordinamento basato sulle code con priorità, implementazione Java dell'algoritmo heap-sort); alberi binari di ricerca (BST), BST bilanciati, alberi red-black, strutture dati union-find (15 ore). - Grafi: rappresentazione dei modelli di grafo orientato/non orientato ed etichettato/non etichettato; implementazione in Java delle visite BFS e DFS; implementazione in Java dei classici algoritmi per i problemi della ricerca del cammino minimo da sorgente singola e della ricerca del minimo albero ricoprente (15 ore).

------------------------------------------------------------ Modulo: F0131 - ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ Conoscere: - strutture dati elementari (array, liste) - concetto di ricorsione - sommatorie, dimostrazione per induzione e calcolo infinitesimale ------------------------------------------------------------ Modulo: F0132 - LABORATORIO DI ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ Si assume che lo studente abbia acquisito una buona comprensione dei principi della programmazione e una buona padronanza operativa del linguaggio di programmazione Java. Tali prerequisiti sono garantiti dalla propedeuticità obbligatoria del corso di 'Fondamenti di programmazione con laboratorio' rispetto al corso integrato. È inoltre richiesto per questo modulo un adeguato livello di conoscenze in analisi matematica e matematica discreta.

------------------------------------------------------------ Modulo: F0131 - ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ Lezioni frontali, durante le quali, attraverso la presentazione e il confronto di diverse soluzioni a un determinato problema, gli studenti saranno guidati ad apprendere e identificare in modo indipendente la loro soluzione più efficiente. Durante le lezioni frontali, alle proposte teoriche si alterneranno proposte e discussioni​ su esempi di problemi e le loro soluzioni​. ------------------------------------------------------------ Modulo: F0132 - LABORATORIO DI ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ Lezioni frontali, discussioni partecipate in classe, laboratori, stesura di codici.

Modalità d'esame

------------------------------------------------------------ Modulo: F0131 - ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ L’esame va svolto congiuntamente con la parte di laboratorio, anche in momenti temporalmente distinti, e consiste in: una prova scritta e una prova orale di teoria, da svolgersi obbligatoriamente, e da una prova scritta di laboratorio, seguita da un’eventuale prova orale da svolgersi a discrezione della docente o su richiesta dello studente. Entrambe le parti prevedono la possibilità di svolgere una prova parziale, somministrata a metà del ciclo di lezioni. La prova scritta di teoria consiste in 10 test ragionati a risposta multipla. Tale prova ha l’obiettivo di valutare se lo studente mostra:​ Conoscenza e comprensione (D1)​ Capacità di applicare conoscenza e comprensione (D2)​ La prova orale consiste in due domande (una a scelta dello studente e una a scelta del docente) e ha l’obiettivo di verificare se lo studente dimostra ​ Autonomia e giudizio (D3)​ Capacità di comunicazione (D4)​ Capacità di apprendimento autonoma (D5)​ Il livello di competenza e conoscenza raggiunto sarà considerato: Sufficiente: conoscenza e comprensione degli argomenti principali del corso; capacità di applicare le conoscenze di tali contenuti. Difficoltà nell’argomentazione e nella comunicazione. Un punteggio di almeno 14/30 nello scritto e una discussione orale con sufficienti capacità argomentative. Adeguato: conoscenza e comprensione dei contenuti del corso; capacità di applicare le conoscenze di tali contenuti. Alcune difficoltà nell’argomentazione e nella comunicazione (D1, D2, D4). Un punteggio superiore a 22/30 nello scritto e una discussione orale con sufficienti capacità argomentative.​ Buono: conoscenza e comprensione dei contenuti del corso; capacità di applicare le conoscenze di tali contenuti. Buone capacità di argomentazione e nella comunicazione (D1, D2, D3, D4). Un punteggio superiore a 22/30 nello scritto e una discussione orale in cui vengono mostrati efficacemente i contenuti nell’esposizione proponendo alcuni approfondimenti.​ Approfondito: conoscenza e comprensione dei contenuti del corso; capacità di applicare le conoscenze di tali contenuti. Ottime capacità di argomentazione e nella comunicazione (D1, D2, D3, D4, D5). Un punteggio superiore a 22/30 nello scritto; una discussione orale in cui vengono mostrati efficacemente i contenuti nell’esposizione e vengono approfonditi temi affrontati in autonomia con collegamenti ad altri contesti.​ ------------------------------------------------------------ Modulo: F0132 - LABORATORIO DI ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ Pre-Assessment: Non è prevista nessuna valutazione preliminare. Formative Assessment: Durante lo svolgimento delle lezioni gli studenti sono invitati ad interagire con la docente, a porre domande e a discutere su argomenti proposti in classe. Summative Assessment: L’esame si svolge congiuntamente con la parte di teoria e consiste in: - una prova scritta e una prova orale di teoria, da svolgersi obbligatoriamente, - una prova scritta di laboratorio seguita da un’eventuale prova orale (a discrezione della docente in presenza di errori significativi nell’elaborato scritto, , di dubbi sull’autonomia e sull’originalità della prova,​​​​​​​ o su richiesta dello studente per migliorare il voto conseguito allo scritto). Entrambe le parti prevedono la possibilità di svolgere una prova parziale, somministrata a metà del ciclo di lezioni. In particolare, la prova scritta di laboratorio consiste nello svolgimento di esercizi di programmazione in Java volti a valutare il livello di: - Conoscenza e comprensione (D1)​ - Capacità di applicare conoscenza e comprensione (D2)​ - Autonomia e giudizio (D3)​ La prova orale verte sugli argomenti che necessitano un approfondimento alla luce della valutazione dell'elaborato scritto, e su ulteriori argomenti proposti dalla docente e consente di verificare se lo studente dimostra anche: - Capacità di comunicazione (D4)​ - Capacità di apprendimento autonoma (D5)​ La valutazione finale del profitto del corso integrato è unica e ottenuta discutendo collegialmente il livello di competenza e conoscenza raggiunto in entrambi i moduli.

Testi di riferimento

------------------------------------------------------------ Modulo: F0131 - ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ C. Demetrescu, I. Finocchi, G.F. Italiano, Algoritmi e Strutture Dati. Ed. McGraw-Hill ------------------------------------------------------------ Modulo: F0132 - LABORATORIO DI ALGORITMI E STRUTTURE DATI ------------------------------------------------------------ Michael T. Goodrich, R. Tamassia, M.H. Goldwasser, "Algoritmi e strutture dati in Java", Ed. Maggioli, Apogeo Education. William J. Collins, "Algoritmi e strutture dati in Java", Ed. Maggioli, Apogeo Education.

Codice insegnamento 30588

BASI DI DATI CON LABORATORIO 2° anno · 12 CFU · INFO-01/A · 0 file

------------------------------------------------------------ Modulo: F0137 - BASI DI DATI ------------------------------------------------------------ Obiettivi formativi del modulo Lo scopo dell'insegnamento è quello di…

Scheda dell'insegnamento

Obiettivi formativi

------------------------------------------------------------ Modulo: F0137 - BASI DI DATI ------------------------------------------------------------ Obiettivi formativi del modulo Lo scopo dell'insegnamento è quello di fornire allo studente la possibilità di comprendere cos'è e come è strutturata una base di dati dal punto di vista logico e implementativo, fornendo le conoscenze fondamentali sul modello relazionale e sui formalismi per definire le interrogazioni. Saranno inoltre studiati i concetti di base relativi ai sistemi di gestione di basi di dati (DBMS), all'architettura interna, alla gestione delle operazioni sui dati, al processamento delle interrogazioni e delle transazioni. ------------------------------------------------------------ Modulo: F0138 - LABORATORIO BASI DI DATI ------------------------------------------------------------ L’insegnamento si propone di fornire una preparazione completa sulle principali tecnologie e strumenti software necessari alla progettazione e allo sviluppo di una base di dati relazionale. L’insegnamento concorre all’obiettivo formativo del CdS di fornire conoscenze e competenze tecniche su cui fondare la preparazione dello studente nell’area professionale di Progettista e Amministratore di basi di dati, facente parte del profilo professionale previsto dal corso di studi e connessa alla professione di Tecnico gestore di basi di dati (codice ISTAT 3.1.2.4.0).

Programma

------------------------------------------------------------ Modulo: F0137 - BASI DI DATI ------------------------------------------------------------ - Sistemi informatici: I sistemi informativi e informatici. Basi di dati e sistemi di gestione (DBMS), (circa 4 ore di lezione). - Il modello relazionale: Relazioni e tabelle. Basi di dati e vincoli di integrità. Definizione dei dati in SQL, (circa 4 ore di lezione). - Algebra relazionale: Unione, Intersezione, Differenza. Ridenominazione. Selezione. Proiezione. Join. Interrogazione in algebra relazionale. Equivalenza di espressioni algebriche. Algebra con valori nulli. Viste, (circa 8 ore di lezione). - Calcolo relazionale: Calcolo relazionale su domini. Pregi e difetti del calcolo su domini. Calcolo su tuple con dichiarazioni di range, Datalog (circa 4 ore di lezione). - Forme Normali: Ridondanze e anomalie nella modifica di una relazione. Dipendenze funzionali. Vincoli e dipendenze funzionali; dipendenze complete. Le tre forme normali e le tecniche di decomposizione. La forma normale di Boice e Codd, (circa 8 ore di lezione). - Memorizzazione dei dati ed organizzazione dei file: File Heap, File Ordinati, File Hash, Indici di Accesso (circa 4 ore di lezione). - Cenni sul Gestore delle interrogazioni, (circa 2 ore di lezione). - Transazioni: Controllo di affidabilità e controllo di concorrenza, (circa 6 ore di lezione). - Tecnologia delle basi di dati distribuite: Frammentazione, Basi di dati replicate, (circa 4 ore di lezione). - Basi di Dati Direzionali (circa 4 ore di lezione). ------------------------------------------------------------ Modulo: F0138 - LABORATORIO BASI DI DATI ------------------------------------------------------------ Analisi dei requisiti. Progettazione concettuale delle basi di dati. I diagrammi Entità-Relazione (circa 12 ore di lezione); Progettazione logica delle basi di dati. Ristrutturazione e ottimizzazione di diagrammi ER. Passaggio da modello concettuale a modello logico (circa 12 ore di lezione); I tipi di dato in SQL. Operatori ed espressioni in SQL. Gestione delle utenze e dei permessi in un DBMS. Creazione e modifica di tabelle in SQL. Vincoli su tabelle. Vincoli di integrità referenziale (circa 10 ore di lezione); Inserimento di dati in SQL. Cancellazione di dati in SQL. Modifica di dati in SQL (circa 2 ore di lezione); Interrogazioni di base in SQL. Interrogazioni avanzate: join interno ed esterno tra tabelle, subquery, raggruppamento dei record, query di unione, intersezione, differenza (circa 12 ore di lezione); Concetti avanzati di SQL: viste, procedure, trigger. Interfacciamento con i linguaggi di programmazione (circa 12 ore di lezione).

------------------------------------------------------------ Modulo: F0137 - BASI DI DATI ------------------------------------------------------------ Sono richieste le conoscenze di base relative alla programmazione e ai sistemi operativi. ------------------------------------------------------------ Modulo: F0138 - LABORATORIO BASI DI DATI ------------------------------------------------------------ Conoscenza di base della programmazione imperativa.

------------------------------------------------------------ Modulo: F0137 - BASI DI DATI ------------------------------------------------------------ Lezioni ed esercitazioni con la partecipazione attiva degli studenti. ------------------------------------------------------------ Modulo: F0138 - LABORATORIO BASI DI DATI ------------------------------------------------------------ Lezioni frontali, stesura di codice, discussioni partecipate in classe

Modalità d'esame

------------------------------------------------------------ Modulo: F0137 - BASI DI DATI ------------------------------------------------------------ Questo corso è parte dell’insegnamento integrato di Basi di Dati con Laboratorio, il cui esame finale (unico) prevede il superamento di una prova di natura teorica e una di natura pratica, che contribuiscono al 50% del voto finale. Per questo motivo, la prova prevede un esame scritto, che include domande di natura sia teorica sia inerenti alla risoluzione di problemi specifici. Ad ogni domanda viene assegnato un punteggio massimo; il voto finale dello studente si calcola sommando i punteggi ottenuti ad ogni domanda. Nello specifico, lo studente dovrà rispondere a dei quesiti teorici e pratici inerenti alla modellazione dei dati nei sistemi software (30%), all’algebra e il calcolo relazionale (30%), ed ai restanti argomenti del corso (40%). Nel caso in cui il compito scritto svolto dallo studente presenti elementi di incomprensibilità, inconsistenze o altri elementi che non rendono possibile una valutazione obiettiva da parte del docente, quest’ultimo potrà chiedere allo studente una discussione orale su tali aspetti. Il modulo di Basi di Dati è anche fruibile come insegnamento monodisciplinare. In questo caso, la prova appena descritta ne costituisce l’intero esame finale. L'attribuzione del voto rifletterà i seguenti livelli di preparazione: - sufficiente: comprensione basilare per i concetti fondamentali delle basi di dati e dei sistemi transazionali, soluzione parziale ma concettualmente corretta per i quesiti pratici; - adeguata: discreta comprensione per i concetti fondamentali delle basi di dati e dei sistemi transazionali, soluzione quasi corretta, con alcuni dettagli da sistemare, per i quesiti pratici; - buona: buona comprensione per i concetti fondamentali delle basi di dati e dei sistemi transazionali, soluzione corretta, con pochi dettagli da sistemare, per i quesiti pratici; - ottima: ottima comprensione per i concetti fondamentali delle basi di dati e dei sistemi transazionali, soluzione pienamente corretta per i quesiti pratici. ------------------------------------------------------------ Modulo: F0138 - LABORATORIO BASI DI DATI ------------------------------------------------------------ Questo insegnamento è parte dell'insegnamento integrato di Basi di Dati con Laboratorio, la cui prova conclusiva (unica) prevede il superamento di una prova di natura teorica e di una di natura pratica, che contribuiscono ciascuna al 50% del voto finale assegnato all'esame. La prova pratica consiste nello sviluppo di un progetto (in gruppo) e in un orale (individuale), che contribuiscono rispettivamente per il 70% e il 30% al voto finale della prova pratica. Il progetto consiste in un database, da progettare e implementare insieme a una serie di query ad esso riferite, le cui specifiche sono fornite dal docente e sono valide per l'intero anno accademico di pubblicazione. La valutazione del progetto ha lo scopo di verificare il suo livello di completamento e di documentazione (15% del voto totale sul progetto), la corretta progettazione concettuale (30%) e logica (15%), la padronanza del linguaggio SQL di base, in particolare della capacità di formulare query sulla base di specifiche testuali (35%), e la capacità di sfruttare caratteristiche avanzate dell'SQL (5%). La prova orale ha come base la discussione del progetto, e mira a verificare il livello raggiunto nella capacità di lavorare in gruppo (10% del voto totale sull'orale) nonché il contributo individuale al progetto, con una forte enfasi sulla conoscenza delle principali tecnologie presentate nel corso (40%) e sulla capacità di applicarle in maniera ragionata e corretta (20%), nonché di progettare e implementare adeguatamente un database per soddisfare specifici requisiti (20%). L'attribuzione del voto rifletterà i seguenti quattro livelli di preparazione: sufficiente: conoscenza base degli strumenti e delle tecnologie illustrate nel corso; adeguata: capacità di applicare le tecnologie di base illustrate nel corso alla realizzazione di una base di dati; buona: capacità di progettare e correttamente una base di dati di media complessità seguendo il processo canonico e di implementarne le funzionalità tramite SQL; approfondita: capacità di progettare una base di dati seguendo il processo canonico, interpretandone ed ottimizzandone in modo ragionato le specifiche, e di implementarne le funzionalità usando il linguaggio SQL e i suoi costrutti più avanzati ove opportuno

Testi di riferimento

------------------------------------------------------------ Modulo: F0137 - BASI DI DATI ------------------------------------------------------------ - Chianese, Moscato, Picariello, Sansone. “Sistemi di basi di dati ed applicazioni”. Apogeo Education-Maggioli Editore. Settembre 2015. - Atzeni, Ceri, Fraternali, Paraboschi, Torlone, Basi di dati - Modelli e linguaggi di interrogazione, McGraw-Hill. ------------------------------------------------------------ Modulo: F0138 - LABORATORIO BASI DI DATI ------------------------------------------------------------ Atzeni, Ceri, Fraternali, Paraboschi, Torlone, Basi di dati - Modelli e linguaggi di interrogazione, McGraw-Hill.

Codice insegnamento 30570

INGEGNERIA DEL SOFTWARE 2° anno · 6 CFU · INFO-01/A · 0 file

OBIETTIVI FORMATIVI Lo scopo del corso e' quello di fornire una conoscenza delle nozioni fondamentali della progettazione di sistemi software e le abilità di analizzare, modellare, progettare sistemi software. Saranno…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI Lo scopo del corso e' quello di fornire una conoscenza delle nozioni fondamentali della progettazione di sistemi software e le abilità di analizzare, modellare, progettare sistemi software. Saranno introdotti concetti fondazionali relativi al processo di sviluppo software, una introduzione alla pianificazione del lavoro, nonché i fondamenti di modellazione software come strumento imprescindibile nella specifica di sistemi complessi. Dopo aver superato l’esame, lo studente sarà in grado di progettare sistemi software di natura complessa, avendo a disposizione gli ultimi strumenti metodologici, scientifici e tecnici. L’insegnamento concorre all’obiettivo formativo del CdS di fornire allo studente una solida formazione di base e metodologica nel campo della progettazione e sviluppo del software.

Programma

Il corso coprirà i seguenti contenuti: principi di base dell'ingegneria del software: riuso, qualità, automazione, ripetibilità, vincoli, persone (6 ore); processi di sviluppo: waterfall, RUP, agile (8 ore); concetti di modellazione: astrazione e modellazione, decomposizione, gerarchia (6 ore); requisiti: estrazione, classificazione, specifica. Requisiti funzionali e non funzionali (8 ore); UML: concetti e modelli degli Use case, sequenze, class, component, e state (10 ore); pianificazione delle risorse: definizione dei task, risorse, milestone, deliverables, etc. (6 ore); introduzione al software testing (4 ore). ​​​​​​​ All'interno del corso di spiegherà anche come gli LLM possono essere utilizzati nel contesto della progettazione di sistemi software.

Conoscenza dei concetti base dei linguaggi di programmazione. Corsi propedeudici: Fondamenti di Programmazione con Laboratorio

Il metodo didattico utilizzato è volto a massimizzare l'interazione tra il docente e gli studenti. Nello specifico, oltre alle lezioni frontali, il corso prevede: - lavori di gruppo; - discussione in classe su tematiche trattate nel corso; - relazioni e presentazioni in classe; - lezioni con dimostrazioni concrete; - progetti.

Modalità d'esame

ACCERTAMENTO DEL PROCESSO DI APPRENDIMENTO: durante lo svolgimento delle lezioni o delle esercitazioni gli studenti vengono attivamente coinvolti con domande o richiesta di contribuire alla risoluzione degli esercizi proposti. Vengono inoltre assegnati esercizi da svolgere autonomamente in classe e a casa. ACCERTAMENTO DEL RAGGIUNGIMENTO DEGLI OBIETTIVI FORMATIVI: L'esame prevede un parziale, un progetto, uno scritto ed una prova orale (opzionalmente, dei quiz). parziale: volto all'analisi delle conoscenze teoriche acquisite dagli studenti nella prima parte del corso. Permette di comprendere il livello di conoscenza acquisito dai discenti. Il suo superamento permette di focalizzare l'orale sui contenuti non ancora trattati e conta per il 20% del voto finale.progetto: volto all'applicazione pratica della teoria presentata durante il corso. Il progetto viene sviluppato in maniera incrementale, seguendo un processo di sviluppo RUP. Il progetto viene discusso dal team che lo ha realizzato, e conta per il 20% del voto finale (a seconda della complessità dello stesso); scritto: volto a comprendere la capacità di applicare la teoria in contesti più ampi del progetto. Conta per il 40% del voto finale.orale: volto a comprendere la preparazione teorico-pratica dello studente, la sua e la sua capacità espositiva verbale. L'esame orale conta per il 20% del voto finale; quiz tematici (se previsti): volti ad attivare subito l'interesse dello studente alla materia, coprono un tema specifico trattato a lezione. Tipicamente riconoscono 0,5 punti extra. Tali quiz non vengono assegnati tutti gli anni. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: sufficiente: progetto minimale e conoscenza base degli argomenti trattati durante il corso; adeguata: progetto adeguato ed acquisizione di una basilare abilità di progettazione dei sistemi software; buona: buon progetto e capacità di ragionamento rigoroso; approfondita: ottimo progetto e capacità di applicare la teoria su progetti complessi di diversa natura.

Testi di riferimento

Bernd Bruegge and Allen H. Dutoit, Object-Oriented Software Engineering , Prentice Hall. 2012. The UML Bible , Wiley. H.E. Eriksson e altri, UML Distilled , Wiley. 2004. ​​​​​​​Altri testi forniti durante il corso.

Codice insegnamento 14175

LABORATORIO DI SVILUPPO SOFTWARE AVANZATO 2° anno · 6 CFU · INFO-01/A · 0 file
RICERCA OPERATIVA E OTTIMIZZAZIONE 2° anno · 12 CFU · MATH-06/A · 0 file

------------------------------------------------------------ Modulo: F0140 - RICERCA OPERATIVA ------------------------------------------------------------ L'insegnamento si prefigge d'introdurre gli/le studenti/esse…

Scheda dell'insegnamento

Obiettivi formativi

------------------------------------------------------------ Modulo: F0140 - RICERCA OPERATIVA ------------------------------------------------------------ L'insegnamento si prefigge d'introdurre gli/le studenti/esse alla Ricerca Operativa. Questa disciplina consiste nell'applicazione del metodo scientifico alla soluzione dei problemi decisionali che sorgono nei contesti pratici, quali sistemi di produzione e servizio, logistica, telecomunicazioni, medicina e finanza. A tale scopo, si presentano agli/alle studenti/esse gli elementi dei problemi di Ottimizzazione matematica e la loro classificazione. Obiettivo primario dell'insegnamento è addestrare gli/le studenti/esse alla modellazione e risoluzione dei problemi di ottimizzazione lineare. L'insegnamento descrive gli aspetti teorici dell'ottimizzazione convessa e lineare e la loro applicazione allo sviluppo di algoritmi di soluzione. Inoltre, vengono illustrate rilevanti connessioni con altre discipline, quali l'informatica, l'ingegneria, la statistica e l'economia. ------------------------------------------------------------ Modulo: F0141 - OTTIMIZZAZIONE COMBINATORIA ------------------------------------------------------------ Il corso si propone di mettere lo studente in condizione di: Comprendere il ruolo di modelli di ottimizzazione combinatoria in applicazioni tecnico-scientifiche. Formulare e risolvere problemi di ottimizzazione combinatoria come ottimizzazione lineare 01. Familiarizzare con alcuni algoritmi fondamentali per problemi particolari. Gli obiettivi formativi sopra elencati sono parte delle finalità formative del CdS, come previsto in sede di progettazione globale del corso di Laurea.

Programma

------------------------------------------------------------ Modulo: F0140 - RICERCA OPERATIVA ------------------------------------------------------------ Problemi di Ottimizzazione: variabili di decisione, vincoli e obiettivi; tecniche di formulazione e classificazione dei modelli; problemi di Ottimizzazione convessa; problemi di Ottimizzazione Lineare; geometria della Programmazione Lineare (PL); teorema fondamentale della PL; il metodo del simplesso; teoria delle dualità in Programmazione Lineare; metodo del simplesso duale; interpretazione economica della dualità. ------------------------------------------------------------ Modulo: F0141 - OTTIMIZZAZIONE COMBINATORIA ------------------------------------------------------------ Grafi. Grafi finiti, copertura con vertici e con archi, grado. Grafi riflessivi e non, loopless, simmetrici, transitivi. Grafi regolari: esempi. Isomorfismo: esempi. Clique e insieme stabile. Grafo complemento. Passeggiate, cammini, circuiti e cicli. Grafo Euleriano e Hamiltoniano. Come rendere un grafo Euleriano. Teorema di Eulero (enunciato). Cammini e cicli Hamiltoniani. Connessione. Alberi e foreste. Grafi bipartiti e loro caratterizzazione. Colorazione di un grafo. Applicazioni. Problemi di ottimizzazione combinatoria (OC) e formulazioni come PL 01. Problemi di insieme trasversale, stabile, dominante in un grafo. Problemi di edge-cover e matching (perfetto). Formulazioni come PL 01. Esempi di applicazioni. Problema del cammino minimo: formulazione come PL 01 e suoi limiti. Problema dell'albero ricoprente. Forma generale di un problema di OC. Relazioni con problemi di programmazione lineare. Altri esempi di problemi di OC formulati come PL 01 (problema dell'isomorfismo di due grafi, PLA folding, taglio massimo etc.). Complessità computazionale. Complessità di un algoritmo e di un problema, esempi. Macchina di Turing. La classe P. Riduzioni polinomiali. La classe NP. Problema di soddisfacibilità. Teorema di Cook (enunciato), classe NP-complete. Esempi di riduzione: clique. Matrici totalmente unimodulari. Il metodo del simplesso in breve. problemi di PL in forma generale e standard, riduzioni; basi, soluzioni (ammissibili) di base. Matrici unimodulari e totalmente unimodulari. Condizione di interezza delle soluzioni di base. Condizioni necessarie o sufficienti di totale unimodularità. Programmazione dinamica. Da un ordine parziale a uno totale. Ordine topologico in un grafo, grafi diretti aciclici (DAG). Condizioni di Bellman. Formula di ricorrenza per il calcolo del miglior cammino in un DAG. Esempi di applicazione (copertura di un requisito al costo minimo, distanza di Levenshtein, Knapsack 01 etc.). Nozioni fondamentali di Teoria della Dualità nella PL. Poliedri convessi: forma algebrica e geometrica. Proiezione di un poliedro: Teorema di Fourier-Veronese's (enunciato). Sistemi compatibili di disequazioni lineari: metodo di eliminazione di Fourier-Motzkin, applicazione numerica e casi particolari. Dal Teorema di Fourier-Veronese alla Dualità nella PL. Teoremi dell'Alternativa: Teorema di Gale. Teoria del Matching. Numero di matching in un grafo e sue relazioni con numero di edge-cover, trasversale e di stabilità. Teoremi di Gallai. Relazioni primale-duale: Teoremi di Koenig del matching e dell'edge-cover. Matching bipartito e unimodularità totale. Percorsi aumentanti, caratterizzazione di un matching massimo. Matching bipartito: algoritmi combinatorici per il caso pesato e non pesato. Matching non bipartito: formulazione di Edmonds. Matroidi e Algoritmo Greedy. Introduzione, motivazione, esempi. Insiemi massimi e massimali. Ingannare l'Algoritmo Greedy. Sublclusione, proprietà di scambio, matroide. Caratterizzazione di un matroide: Teorema di Rado. Esempi di matroide. Rappresentazione di matroidi: matroide grafico come matroide vettoriale. Algoritmi approssimanti. Introduzione agli algoritmi deterministici ad approssimazione garantita. Rapporto di approssimazione, schemi polinomiali di approssimazione. TSP metrico: Algoritmo doppio-albero. Algoritmo di Christofides. Knapsack 01: Un algoritmo di programmazione dinamica su base utilità. Complessità. Schemi di approssimazione completamente polinomiale. Algoritmi di enumerazione implicita. Ricerca per separazione. Albero di enumerazione per problemi di OC. Relazioni fra PL e PLI. Calcolo di limitazioni superiori o inferiori tramite PL e loro uso in un metodo di branch & bound.

------------------------------------------------------------ Modulo: F0140 - RICERCA OPERATIVA ------------------------------------------------------------ Elementi di algebra lineare; vettori e matrici; sistemi di equazioni lineari. ------------------------------------------------------------ Modulo: F0141 - OTTIMIZZAZIONE COMBINATORIA ------------------------------------------------------------ Elementi di algebra lineare, operazioni elementari con matrici e vettori di dimensione finita.

------------------------------------------------------------ Modulo: F0140 - RICERCA OPERATIVA ------------------------------------------------------------ Lezioni frontali ed esercitazioni. ------------------------------------------------------------ Modulo: F0141 - OTTIMIZZAZIONE COMBINATORIA ------------------------------------------------------------ Lezioni, esercitazioni, seminari, prova d'esonero intermedia.

Modalità d'esame

------------------------------------------------------------ Modulo: F0140 - RICERCA OPERATIVA ------------------------------------------------------------ L'esame prevede una prova scritta ed una prova orale. La prova scritta consiste in esercizi su tutte le tematiche svolte, ritenute equamente rilevanti, ed include attività computazionali. La prova orale riguarda principalmente gli aspetti metodologici. Per sostenere la prova orale lo studente deve aver conseguito un giudizio sufficiente alla prova scritta. L'esame può essere svolto anche mediante due prove parziali; alla seconda prova parziale si accede esclusivamente avendo conseguito una votazione sufficiente alla prima. Non è prevista prova orale per coloro che svolgono le prove parziali. ------------------------------------------------------------ Modulo: F0141 - OTTIMIZZAZIONE COMBINATORIA ------------------------------------------------------------ Prova scritta (50%) + prova orale (50%)

Testi di riferimento

------------------------------------------------------------ Modulo: F0140 - RICERCA OPERATIVA ------------------------------------------------------------ Dimitris Bertsimas and John N. Tsitsiklis, Introduction to Linear Optimization. Athena Scientific. 1997; Matteo Fischetti, Lezioni di Ricerca Operativa. 1995. ------------------------------------------------------------ Modulo: F0141 - OTTIMIZZAZIONE COMBINATORIA ------------------------------------------------------------ C.H. Papadimitriou, K.E. Steiglits: Combinatorial Optimization: Algorithms and Complexity (1998). ISBN-10: 0486402584. Slide e dispense del corso.

Codice insegnamento 30594

SISTEMI OPERATIVI CON LABORATORIO 2° anno · 12 CFU · INFO-01/A · 0 file

------------------------------------------------------------ Modulo: F1I020 - SISTEMI OPERATIVI ------------------------------------------------------------ CONOSCENZE : concetti di base comuni a tutti i sistemi…

Scheda dell'insegnamento

Obiettivi formativi

------------------------------------------------------------ Modulo: F1I020 - SISTEMI OPERATIVI ------------------------------------------------------------ CONOSCENZE : concetti di base comuni a tutti i sistemi operativi, meccanismi e strategie dei sistemi operativi, tradeoff tra overhead di sistema ed efficienza delle soluzioni CAPACITA' : capacita’ di mettere in relazione contenuti di argomenti differenti; capacita’ di risoluzione di esercizi che propongono modelli mai affrontati in teoria, ma risolvibili mediante deduzioni logiche e conoscenze di base (i.e., analisi e sintesi di concetti); capacita’ di lavorare durante lo svolgimento del corso, e di non rinviare il raffinamento ed il consolidamento della conoscenza; migliorata capacita’ di esprimere in aula perplessita’ e dubbi ------------------------------------------------------------ Modulo: F1I021 - LABORATORIO DI SISTEMI OPERATIVI ------------------------------------------------------------ L'obiettivo di questo corso è quello di fornire un'introduzione completa ai sistemi operativi Unix-like. I contenuti del corso sono organizzati come segue: PARTE I - Architettura di Sistemi UNIX PARTE II - Linea di comando (shell Bash) PARTE III - Bash Scripting PARTE IV - Programmazione in ambienti Unix-like Il corso offre una conoscenza di base, ma comunque completa, dei seguenti aspetti pratici: architettura di sistemi Unix-like, interazione da riga di comando, scripting di shell, files and directories, chiamate di sistema, programmazione di sistema, gestione dei processi e programmazione concorrente.

Programma

------------------------------------------------------------ Modulo: F1I020 - SISTEMI OPERATIVI ------------------------------------------------------------ Concetti generali, strutture dei sistemi di calcolo e dei sistemi operativi. (20%) I processi e lo scheduling della CPU. (20%) Sincronizzazione tra processi e la gestione del deadlock. (40%) Gestione della memoria principale. La memoria virtuale. (20%) ------------------------------------------------------------ Modulo: F1I021 - LABORATORIO DI SISTEMI OPERATIVI ------------------------------------------------------------ PARTE I - Architettura di Sistemi UNIX (4 ore) PARTE II - Linea di comando - shell Bash (13 ore) PARTE III - Bash Scripting (13 ore) PARTE IV - Programmazione in ambienti Unix-like (30 ore) Vedere "Altre informazioni" di seguito per i "Risultati dell'apprendimento"

------------------------------------------------------------ Modulo: F1I020 - SISTEMI OPERATIVI ------------------------------------------------------------ Le conoscenze acquisite al corso di Lab. Programmazione II sono fortemente consigliate al fine di sostenere tale esame. CONOSCENZE : fondamenti di programmazione, algoritmi e strutture dati, architetture degli elaboratori, lettura e comprensione in lingua inglese CAPACITA' : capacita’ di integrazione dello studio in aula con lo studio personale, capacita’ di esprimere in aula perplessita’ e dubbi in modo da originare momenti comuni di confronto. ------------------------------------------------------------ Modulo: F1I021 - LABORATORIO DI SISTEMI OPERATIVI ------------------------------------------------------------ Argomenti trattati nel modulo di Sistemi Operativi, algoritmi e strutture dati, architetture degli elaboratori, progettazione e programmazione di semplici soluzioni software per problemi elementari, programmazione in linguaggio C. Capacità di integrazione dello studio di aula con lo studio di personale. Lettura e comprensione della lingua inglese.

------------------------------------------------------------ Modulo: F1I020 - SISTEMI OPERATIVI ------------------------------------------------------------ Il modulo comprende 48 ore di lezioni frontali più 30 ore di chiarimenti su richiesta nell'ufficio dell'insegnante. Le lezioni frontali sono suddivise in teoria ed esercitazioni. ------------------------------------------------------------ Modulo: F1I021 - LABORATORIO DI SISTEMI OPERATIVI ------------------------------------------------------------ Lezioni con dimostrazioni concrete, attività laboratoriali o pratiche

Modalità d'esame

------------------------------------------------------------ Modulo: F1I020 - SISTEMI OPERATIVI ------------------------------------------------------------ Pre-valutazione: non esiste una pre-valutazione formale, ma i prerequisiti del corso sono chiaramente indicati sul sito web del modulo. L'adempimento di tali prerequisiti è verificato mediante valutazione formativa. Valutazione formativa: la valutazione formativa viene eseguita attraverso l'interazione interattiva tra insegnante e studenti durante le lezioni. Gli studenti sono consapevoli sin dall'inizio del Corso che saranno coinvolti (a turno) in: Domande e discussioni, mediante domande orali aperte alla classe o ai singoli studenti. Valutazione sommativa. Prova scritta seguita da una prova orale facoltativa. È prevista anche una prova scritta intermedia, che ha lo scopo di coprire la prima parte del corso, al fine di aiutare gli studenti a dividere il carico di lavoro. La prova scritta è volta a: (1) verifica delle competenze teoriche, in particolare della conoscenza e comprensione dei contenuti del corso; (2) verifica delle capacità di comprensione e risoluzione di esercizi significativi e di spiegazione delle soluzioni proposte. Ciò al fine di verificare la capacità di applicare le tecniche apprese durante il Corso, di analisi dei problemi e di sintesi di soluzioni adeguate e di valutazione di soluzioni alternative. I criteri di valutazione saranno: il livello di conoscenza e capacità pratica; la proprietà d'uso del linguaggio tecnico / matematico; la chiarezza e la completezza delle spiegazioni. L'esame orale si svolgerà entro due settimane dalla prova scritta e riguarderà in genere le aree delle risposte scritte che richiedono chiarimenti e ulteriori argomenti proposti dall'insegnante. La prova orale può essere richiesta: (i) dallo studente, per migliorare il voto finale; (ii) da parte dell'insegnante, in presenza di errori / incomprensioni significativi nella prova scritta. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: sufficiente (comprensione di base dei concetti e delle metodologie); discreto (capacità di applicazione delle metodologie su problemi teorici e pratici); buono (padronanza delle metodologie introdotte e capacità di definizione di loro variazioni non canoniche); ottimo (capacità di risoluzione di problemi leggermente differenti da quelli risolti nel contesto degli argomenti del corso). ------------------------------------------------------------ Modulo: F1I021 - LABORATORIO DI SISTEMI OPERATIVI ------------------------------------------------------------ Pre-Assessment: Non c’è una verifica formale dei pre-requisiti richiesti, ma tale valutazione verrà fatta durante l’accertamento del processo di apprendimento. Accertamento del processo di apprendimento: L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. In classe, gli studenti sono coinvolti in discussioni e proposte di strategie per la soluzione degli esercizi e l'implementazione di codice per mezzo di domande orali. Accertamento del raggiungimento degli obiettivi formativi: per la prima sessione, la prova di esame consiste in (1) una prova intermedia scritta (I Parziale) + una prova conclusiva scritta (II Parziale), oppure (2) una sola prova totale scritta. L'esame è superato se il voto della prova totale scritta oppure il voto finale come media dei due parziali è maggiore o uguale a 18. Per le sessioni successive, la prova di esame consiste di una sola prova totale scritta. Non è prevista la prova orale. La prova ha carattere pratico ed è tesa ad accertare le seguenti abilità e conoscenze, e l’attribuzione del voto rifletterà i seguenti livelli di preparazione: - buono: livello di conoscenza dell'architettura di sistemi UNIX-like, la shell con il linguaggio Bash, tecniche, strutture dati e funzioni specifiche per la programmazione in Linguaggio C in ambienti Unix-like; - buona: abilità nella risoluzione di problemi e nell'implementare correttamente funzionalità "di basso livello" dei sistemi operativi Unix-like. La prova è organizzata in domande a risposta multipla, esercizi di comprensione oppure completamento di codice in linguaggio C orientato alla programmazione in ambienti Unix-like, script di shell Bash, comandi da terminale, fasi della compilazione, strutture dati, flussi di sistema, come pure esercizi pratici a carattere generale su argomenti del corso. I criteri di valutazione riguarderanno: (i) la correttezza delle risposte alle domande a risposta multipla; (ii) la correttezza e completezza delle soluzioni proposte, sia in termini di completamento di codice sia di corretta comprensione dell'output.

Testi di riferimento

------------------------------------------------------------ Modulo: F1I020 - SISTEMI OPERATIVI ------------------------------------------------------------ A. Silberschatz, P.B. Galvin, G. Gagne, Operating System Concepts. John Wiley & Sons. ------------------------------------------------------------ Modulo: F1I021 - LABORATORIO DI SISTEMI OPERATIVI ------------------------------------------------------------ W. Richard Stevens, Stephen A. Rago, Advanced Programmingin the UNIX Environment. Addison-Wesley Professional Computing Series. (vol. 3rd Edition) 2013. Slides del docente

Codice insegnamento 34395

APPLICAZIONI PER DISPOSITIVI MOBILI 3° anno · 6 CFU · INFO-01/A · 0 file

Fornire agli studenti le competenze necessarie per sviluppare applicazioni mobili complete e multi-piattaforma utilizzando il framework Flutter e il linguaggio Dart. Il corso si concentrerà sullo sviluppo del frontend,…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Fornire agli studenti le competenze necessarie per sviluppare applicazioni mobili complete e multi-piattaforma utilizzando il framework Flutter e il linguaggio Dart. Il corso si concentrerà sullo sviluppo del frontend, offrendo basi e tecniche avanzate per creare interfacce utente interattive, gestire lo stato dell'app e accedere a funzionalità native dei dispositivi Android e iOS. Al termine del corso, gli studenti saranno in grado di: - Progettare e implementare interfacce utente responsive con Flutter, seguendo le linee guida di Material Design. - Gestire lo stato dell'applicazione e utilizzare pattern di sviluppo avanzati in Dart. - Effettuare richieste API per il recupero e l'invio di dati. - Applicare tecniche di debugging, testing e ottimizzazione per migliorare le prestazioni dell'app. - Gestire il progetto in modo collaborativo utilizzando Git e GitHub. - Preparare l'app per la distribuzione su Google Play e App Store, seguendo le best practices di sviluppo.

Programma

Progettazione dell'App con User Stories - Comprendere le esigenze degli utenti attraverso user stories. - Pianificazione delle funzionalità e definizione dei requisiti. - Creazione di wireframe e flussi di navigazione. Introduzione a Flutter e Dart - Introduzione al framework Flutter e al suo ecosistema: concetti chiave e vantaggi delle app multipiattaforma per Android e iOS. - Configurazione dell'ambiente di sviluppo: installazione e setup di Flutter SDK. - Creazione del primo progetto Flutter. - Fondamenti del linguaggio Dart: tipi, operatori, funzioni e gestione del flusso di controllo. UI con Widget, Layout e Animazioni - Introduzione ai widget di base, stateless e stateful. - Uso di Row, Column, Container e altri widget per creare layout complessi. - Material Design per seguire le linee guida stilistiche di Android e iOS. - Gestione dello stato: introduzione al concetto di stato e all'uso di provider per la gestione dello stato. - Navigazione e routing: gestione della navigazione tra schermate. - Animazioni e gesture: utilizzo dell’Animation API e delle gesture per migliorare l’interattività. API, Networking e Gestione degli Errori - Networking e API REST: implementazione di chiamate API asincrone. - Parsing dei dati: trasformazione dei dati JSON in oggetti Dart. - Gestione degli errori: introduzione al try-catch e alla gestione degli errori nelle chiamate API. - Librerie esterne: esplorazione e integrazione di librerie di terze parti da `pub.dev`. Debugging, Testing, Ottimizzazione e Pubblicazione - Strumenti di debug in Flutter, compreso l’uso di flutter doctor. - Test di unità e integrazione con Dart per garantire la qualità del codice. - Tecniche di ottimizzazione delle performance, con focus su animazioni e rendering efficiente. - Introduzione ai processi di distribuzione su Google Play e App Store. Funzioni Avanzate - Internazionalizzazione e localizzazione: adattare l’app per più lingue e culture. - Integrazione con Firebase per autenticazione, database in tempo reale e notifiche push. - Best practices e pattern avanzati: utilizzo del pattern BLoC per una gestione avanzata dello stato. Gestione del Progetto con Git e GitHub - Introduzione a Git: comandi fondamentali per il versionamento del codice. - Collaborazione su GitHub: fork, clone, branch, merge e pull request. - Risoluzione dei conflitti e best practices nel lavoro di squadra. Implementazione di CI/CD - Concetti di integrazione continua (CI) e distribuzione continua (CD). - Configurazione di pipeline CI/CD con GitHub Actions. - Automazione dei test e del deploy. - Familiarità con i concetti fondamentali di programmazione, come variabili, loop, funzioni e strutture di controllo (if, for, while). - Esperienza in un linguaggio come JavaScript, Python, Java o simili è utile, anche se non strettamente necessaria. - Conoscenza dei concetti di Programmazione Orientata agli Oggetti (OOP): classi, oggetti, ereditarietà, polimorfismo e incapsulamento. - Fondamenti di layout e styling con HTML e CSS. - Conoscenza di HTTP e API REST (preferibile ma non obbligatorio). - Familiarità con Git è altamente consigliata per gestire il codice in modo efficace e per collaborare su progetti più ampi. - Esperienza con un editor di codice o IDE (es. Visual Studio Code). - Lezioni frontali per introdurre concetti teorici. - Esercitazioni pratiche per applicare immediatamente ciò che è stato appreso. - Progetti di gruppo per sviluppare competenze collaborative. - Sessioni di Q&A per chiarire dubbi e approfondire argomenti complessi.

Modalità d'esame

  • Valutazione continua attraverso esercizi e mini-progetti assegnati durante il corso. - Progetto finale che dimostri la capacità di sviluppare un'applicazione completa. - Colloquio orale per discutere il progetto e verificare la comprensione dei concetti chiave.

Testi di riferimento

  • Slide e appunti delle lezioni. - Esempi di codice e repository GitHub dedicati. - Risorse online selezionate (documentazione ufficiale, tutorial, articoli).

Codice insegnamento 33149

BIO INFORMATICS 3° anno · 6 CFU · INFO-01/A · 0 file

Il corso ha l'obiettivo di fornire agli studenti una buona introduzione alla bioinformatica, integrando le conoscenze biologiche di base con metodologie computazionali per l'analisi dei dati genomici e trascrittomici. Il…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

Il corso ha l'obiettivo di fornire agli studenti una buona introduzione alla bioinformatica, integrando le conoscenze biologiche di base con metodologie computazionali per l'analisi dei dati genomici e trascrittomici. Il percorso formativo affronta i principi della biologia molecolare relativi a DNA, RNA e proteine, le tecniche di sequenziamento di nuova generazione (Next Generation Sequencing), gli algoritmi fondamentali per l'analisi delle sequenze biologiche (allineamento, analisi filogenetica, RNA-sequencing e identificazione di varianti), le principali banche dati bioinformatiche e le tecnologie software di supporto, incluse API, database a grafi e librerie BioPython. Il corso introduce inoltre i fondamenti della modellazione computazionale e matematica dei sistemi biologici mediante formalismi quali le reti di Petri, sviluppando le competenze necessarie per la progettazione e realizzazione di semplici pipeline bioinformatiche.

Programma

1. Concetti Biologici di base, uso di Banche Dati online. Sequenziamento. Tecnologie di NGS. Formato dati (e.g., BAM, FastA, FastQ).2. Trimming. Algoritmi di allineamento e matrici di sostituzione. Distanza di edit.3. Pipeline di analisi di DNA e RNA, quali RNA sequencing, chiamata di varianti, espressione genica differenziale. Costruzione di alberi filogenetici.4. Modelli computazionali e matematici per sistemi biologici (Petri Nets, Hidden markov models)5. tecnologie per la realizzazione di pipeline bioinformatiche (es., NOSQL DB e Librerie pyhton per la bioinformatica) e introduzione all’uso della piattaforma HPC del Dipartimento DISIM.6. Applicazioni reali in diversi domini medici (e.g., oncologia)

Conoscenza della programmazione imperativa e orientata agli oggetti e dei database

Il corso si svilupperà in circa 40 ore di lezioni di teoria e 8 ore di laboratorio e/o seminari avanzati per approfondire le tematica trattate nella teoria e per analizzare studi reali.

Modalità d'esame

L’esame è articolato in 3 prove: - Parziale individuale a metà corso relativo alla discussione di un articolo scientifico a scelta dello studente all’interno di una lista fornita dalla docente.-Progetto di gruppo relativo a studi di bioinformatica su casi di studio reali. -discussione del progetto svolto.L’attribuzione del voto rifletterà i seguenti livelli di preparazione: sufficiente (comprensione di base dei concetti e delle metodologie); discreto (capacità di applicazione delle metodologie su problemi teorici e pratici); buono (padronanza delle metodologie introdotte e capacità di definizione di loro variazioni non canoniche); ottimo (capacità di interpretare in modo appropriato i risultati delle analisi bioinformatiche anche in ambito biologico).

Testi di riferimento

-Neil C. Jones and Pavel A. Pevzner, Bioinformatics Algorithms. MIT Press.-Pubblicazioni scientifiche sugli argomenti trattati-slide e materiale didattica fornito dalla docente.-guide online per tecnologie di programmazione introdotte-Tutorial per i database online.

Codice insegnamento 35826

CONTINUOUS INTEGRATION AND DEVELOPMENT 3° anno · 6 CFU · INFO-01/A · 0 file
ELABORAZIONI DELLE IMMAGINI 3° anno · 6 CFU · INFO-01/A · 0 file
FISICA 3° anno · 6 CFU · PHYS-02/A · 0 file
Archivio Globale

Obiettivi formativi dell’insegnamento. Scopo del corso è quello di introdurre gli studenti allo studio dei principi fondamentali della meccanica classica per quanto riguarda le leggi della dinamica del punto materiale,…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivi formativi dell’insegnamento. Scopo del corso è quello di introdurre gli studenti allo studio dei principi fondamentali della meccanica classica per quanto riguarda le leggi della dinamica del punto materiale, le leggi della termodinamica. Risultati di apprendimento Alla fine del corso, lo studente dovrebbe 1. conoscere gli aspetti di base delle leggi della fisica classica; 2. comprendere e saper spiegare leggi e dimostrazioni in ambito della meccanica, della termodinamica; 3. avere rafforzato la capacità di argomentazione logica e di calcolo per la risoluzione di problemi applicati di fisica classica; 4. essere in grado di leggere e capire altri testi scientifici su argomenti correlati.

Programma

Meccanica del punto materiale (4 CFU) - Cinematica del punto materiale - Leggi della dinamica classica - Gravitazione e forza peso - Reazioni vincolari - Lavoro ed energia - Forza elastica - Oscillatore armonico Termodinamica (2 CFU) - Grandezze termodinamiche - Gas perfetti e trasformazioni termodinamiche - Primo principio della termodinamica - Secondo principio della termodinamica, entropia

Calcolo algebrico, trigonometria, analisi matematica (funzioni, derivate ed integrali).

Lezione frontale, svolgimento di esercizi in classe e a casa

Modalità d'esame

L’esame ha una prova scritta ed una prova orale. E’ possibile sostenere la prova orale solo se si è ottenuta una votazione maggiore o eguale a 15/30 alla prova scritta. La prova scritta ha un peso del 50% nella valutazione finale. La prova scritta consiste nel risolvere tre problemi originali su: (i) la dinamica dei punti materiali (punteggio massimo: 18 punti); (ii) termodinamica (punteggio massimo: 12 punti). Durante la prova scritta possono essere usate dallo studente solo calcolatrici numeriche. Durante il corso sono previste prove scritte parziali opzionali che si svolgono in date distinte. Il voto finale è la somma del voto delle prove parziali. Per essere esonerati dalla prova scritta, il punteggio totale deve essere maggiore o uguale a 15/30. La prova orale è finalizzata a verificare il raggiungimento degli Obiettivi e ha un peso del 50%. Lo studente deve rispondere a due o tre domande scelte dal docente da un elenco reso disponibile alla fine del corso. Se l'insegnante giudica che lo studente non abbia raggiunto con successo tutti gli obiettivi, l'esame non è superato e il compito scritto decade. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: - sufficiente: comprensione basilare dei contenuti teorici; - adeguata: saper riprodurre e spiegare alcune dimostrazioni fondamentali; - buona: saper applicare quanto appreso alla soluzione di problemi e quesiti anche teorici; - - approfondita: saper applicare il ragionamento logico per collegarsi anche ad altri contesti teorici in maniera indipendente.

Testi di riferimento

  • Mazzoldi-Nigro-Voci, Elementi di Fisica, Meccanica Termodinamica, EdiSES.

Codice insegnamento 30578

FONDAMENTI E APPLICAZIONI DEL MACHINE LEARNING 3° anno · 6 CFU · INFO-01/A · 0 file
FONDAMENTI E APPLICAZIONI DELL'INTELLIGENZA ARTIFICIALE 3° anno · 6 CFU · INFO-01/A · 0 file
INFORMATICA FORENSE 3° anno · 3 CFU · INFO-01/A · 0 file
INTELLIGENT SYSTEMS AND ROBOTICS LABORATORY 3° anno · 6 CFU · IINF-05/A · 0 file

Il corso mira a fornire strumenti teorici e pratici per la progettazione e lo sviluppo di sistemi intelligenti e applicazioni di robotica cognitiva, con forte attenzione all’integrazione delle tecnologie ICT e al…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Il corso mira a fornire strumenti teorici e pratici per la progettazione e lo sviluppo di sistemi intelligenti e applicazioni di robotica cognitiva, con forte attenzione all’integrazione delle tecnologie ICT e al lavoro progettuale. Al termine dell’insegnamento, lo/a studente/ssa sarà in grado di: LO1: Conoscere e comprendere paradigmi, tecnologie e metodi per sistemi intelligenti e robotica cognitiva. LO2: Applicare le conoscenze allo sviluppo pratico di un progetto con tecnologie ICT per la robotica. LO3: Valutare criticamente le soluzioni progettuali tramite sperimentazione e confronto di approcci. LO4: Documentare e presentare le scelte progettuali in modo rigoroso e scientifico. LO5: Apprendere autonomamente nuove tecnologie e analizzare la letteratura tecnica. LO6: Collaborare in gruppo per pianificare e realizzare il progetto, mostrando capacità di problem-solving e autonomia.

Programma

Argomenti del modulo includono: • Python per la robotica • Tecniche di cloud computing • Simulazioni di robotica virtuale • Applicazioni dell'intelligenza artificiale alla robotica • Piattaforme robotiche antropomorfe e mobili • Piattaforme NAOqi: robot NAO e Pepper • LEGO Mindstorms con EV3DEV GNU/Linux • SkRobot/CyB Data Distribution Service • ROS 2 • Tecniche di navigazione autonoma Al termine del corso, lo studente sarà in grado di: • Progettare un'applicazione di robotica cognitiva, • Implementare un prototipo funzionante utilizzando tecniche di virtualizzazione e cloud computing, • Comprendere la complessità di un sistema robotico cognitivo, • Familiarizzare con la robotica mobile, • Descrivere un'architettura robotica mobile, • Utilizzare e progettare strumenti di simulazione fisica in realtà virtuale, • Valutare la qualità di un progetto di robotica cognitiva, • Selezionare hardware e software o sviluppare robot cognitivi mobili, • Spiegare la progettazione di un robot mobile cognitivo, • Analizzare i dati dei sensori e della navigazione, • Apprendere sistemi operativi e linguaggi robotici. Gli studenti saranno esposti a una varietà di ulteriori linguaggi di programmazione in questo corso, tra cui Prolog, Python e C++. Conoscenze preferenziali su: • Programmazione orientata agli oggetti • Esperienza di sviluppo del software nel lavoro di gruppo, in particolare per le applicazioni distribuite in rete • concetti di Intelligenza Artificiale • Familiarità con shell Unix, GNU / Linux, o WSL Lezione frontale. Esercitazione guidata. Lavoro di gruppo. Analisi e studio di piatttaforme hardware elettroniche e robotiche. Uso di Single Board Computers. Ore integrative di lavoro autonomo in laboratorio per lo sviluppo del progetto di robotica.

Modalità d'esame

Valutazione informale: gli studenti sono incoraggiati a partecipare attivamente alle lezioni e ai progetti di gruppo, ponendo domande e discutendo le soluzioni presentate negli esempi sviluppati a lezione. Anche l'interazione online con il docente è tenuta in considerazione. Valutazione formale: Rispetto delle scadenze sui compiti di lavoro autonomo. Valutazione sommativa: durante il corso gli studenti si organizzano in team che deve lavorare su un determinato progetto di robotica cognitiva in due fasi: simulazione virtuale ed implementazione su robot fisico. La valutazione del progetto mira a verificare: • il livello di completezza e documentazione (15% del punteggio totale), • il corretto utilizzo delle tecnologie di sviluppo della robotica cognitiva di base (30%), • le modalità e complessità della comunicazione inter-processo / agenti • la programmazione (20%), • la capacità di sfruttare le tecnologie ICT avanzate (5%) • esistenza di un'interfaccia utente usabile (30%). Sufficiente: Simulazione robotica 2D, Implementazione fisica con Kit LEGO Mindstorms EV3DEV, documentazione descrittiva, UI testuale Discreto: Simulazione robotica 3D, Implementazione fisica con robot mobile e SBC, documentazione con diagrammi, GUI Buono: Simulazione robotica 3D, Implementazione fisica con robot mobile o antropomorfo con SBC, documentazione UML, GUI web-based Eccellente: Simulazione robotica 3D con digital twin connnesso alla implementazione fisica, indoor e outdoor, documentazione UML/GAIA, GUI web-based e/o app mobile

Testi di riferimento

  • A. Cangelosi, M. Asada: Cognitive Robotics, MIT Press 2022 - D. Poole, A. Mackworth, Artificial Intelligence: Foundations of Computational Agents, third edition, Cambridge University Press 2023 - Documentazione online dei framework SkRobot e CyB su GitLab - Paper: "SkRobot: A Pseudo-Realtime Multiplatform Framework For Robotics Agents Development". G. De Gasperis, D. Di Ottavio, P. Migliarini, S. Costantini, WOA 2024 Workshop - Paper: "SkRobot with TeleoR/QuLog: A Pseudo-Realtime Robotics Data Distribution Service Extended with Production Rules and Reasoning.". G. De Gasperis,, D. Di Ottavio, and S. D. Facchini. - A Concise Introduction to Robot Programming with ROS2. F. Martin Rico. CRC Press - OpenCV Computer Vision with Python, Joseph Howse, PACKT Publishing - Learning Robotics Using Python, Lentin Joseph, PACKT Publishing

Codice insegnamento 35824

LABORATORIO DI PROGETTAZIONE DI ALGORITMI CON APPLICAZIONI 3° anno · 6 CFU · INFO-01/A · 0 file
LABORATORIO DI TECNOLOGIE DEL WEB 3° anno · 6 CFU · INFO-01/A · 0 file
LINGUAGGI DI PROGRAMMAZIONE E COMPILATORI 3° anno · 6 CFU · INFO-01/A · 0 file
METODI DI SVILUPPO AGILE 3° anno · 6 CFU · INFO-01/A · 0 file
MODELLI E ALGORITMI PER LA FINANZA AZIENDALE 3° anno · 6 CFU · ECON-09/A · 0 file

Introduzione alle problematiche di finanza da una prospettiva micro e macro economica nonché di contabilità finanziaria.Modelli elementari di finanza in contesto di certezza, obbligazioni, azioni e capital budgeting.…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

Introduzione alle problematiche di finanza da una prospettiva micro e macro economica nonché di contabilità finanziaria.Modelli elementari di finanza in contesto di certezza, obbligazioni, azioni e capital budgeting. Modelli elementari di asset pricing e portfolio selection.Applicazioni di informatica ed altre abilità quantitative alla modellizzazione finanziaria.

Programma

Introduzione ai temi della finanza da tre punti di vista:(a) approccio macro finanziario: la matrice del flusso dei fondi; (b) approccio micro finanziario: il teorema della separazione di Irving Fisher;(c) approccio contabile: la determinazione del fabbisogno finanziario e la sua copertura da diverse fonti di finanziamento. I sistemi di corporate governance e i comportamenti finanziari di lungo periodo. La valutazione dei titoli obbligazionari (reddito fisso) sotto l’ipotesi di certezza. La sensibilità dei prezzi obbligazionari alla variazione dei tassi d’interesse: (a) la duration di Macaulay; (b) la struttura temporale dei tassi d’interesse: tassi spot, tassi forward, tassi short; (c) la duration di Fisher Weil; La valutazione delle azioni sotto l’ipotesi di certezza, 1) modelli di valore attuale dei dividendi: (a) il modello di Myron Gordon o della crescita perpetua dei dividendi; (b) il modello di Modigliani Miller 1961 o della crescita su orizzonte finito dei dividendi; (c) Indicatori fondamentali e modelli di valore attuale dei dividendi, evidenze sincroniche e diacroniche; 2) modelli di reddito residuo Edwards-Bell-Ohlson Capital budgeting: la scelta di investimenti reali in un’impresa industriale sotto l’ipotesi di certezza: (a) criteri: i. Payback Period, ii. Internal Rate of Return, iii. Net Present Value, iv. Profitability Index, v. Economic Value Added (as an extension of Modigliani Miller 1961) (b) metodi: i. capital rationing, casi uniperiodali e multiperiodali, applicazione della programmazione lineare a casi multiperiodali, approccio geometrico in caso univariato e applicazione con il risolutore di Excel nei casi piu’ di due periodi; ii. optimal harvesting, il problema di Faustmann con cicli di semina raccolto singoli e ripetuti;(c) dalla statica comparata alla ottimizzazione dinamica: la programmazione dinamica di Richard Bellman in contesto deterministico i. variabili di controllo continue e discrete; ii. applicazione alla scelta e al management ottimo in senso dinamico di progetti d’investimento per risorse rinnovabili ed esauribili. La valutazione delle attivita’ primarie (non titoli derivati) sotto l’ipotesi di rischio di mercato: (a) la selezione di portafoglio di Markowitz, soluzioni analitiche ai seguenti problemi di selezione del portafoglio : • set dei portafogli con varianza minima per un dato rendimento atteso; • portafogli efficienti; • portafoglio con rischio minimo globale; • portafoglio di tangenza; • portafoglio ortogonale (b) modello dell’indice singolo Single e modello di mercato; (c) il CAPM di Sharpe Lintner Mossin; • derivazione analitica; • applicazione di capital budgeting application: il tasso di interesse aggiustato per il rischio; l’approccio dell’equivalente certo; • la leva finanziaria e la sua influenza sui tassi soglia nel capital budgeting; Hamada 1972; (d) modelli multifattoriali; • l’APT di Ross; • il Three Factor Model di Fama French; (e) Quale modello di asset pricing per derivare i tassi soglia ai fini del capital budgeting, una lettura di finanza comportamentale: Jeremy Stein 1996.

Le abilità di programmazione in Excel e in un linguaggio di programmazione interpretato di alto livello, orientato a matrici e array tipo MatLab, Gauss, Ox, Scilab, Octave. Conoscenze di analisi matematica con studio di funzioni a una e più variabili. Calcolo delle probabilità, conoscenza di funzioni densità di probabilità continue e discrete. Per seguire con profitto il corso, gli studenti debbono aver avuto una precedente esposizione agli argomenti trattati nei seguenti corsi:Probabilità e Statistica Matematica Fondamentali di Programmazione con LaboratorioRicerca Operativa e Ottimizzazione Prerequisiti formali prima della frequenza sono: Probability And Mathematical Statistics; Foundations Of Programming And Laboratory Operation Research And Optimization I prerequisiti sostanziali non sono valutati all’inizio del corso e sono assunti come dati in vista della calibrazione della didattica del corso sui temi di finanza. Una buona capacità di programmazione è richiesta per le seguenti applicazioni: A) un qualunque foglio elettronico, e.g. Excel, Calc; B) un qualunque linguaggio di programmazione di alto livello interpretato con matrici ed array, e.g. MatLab, Gauss, Ox, Octave, Scilab. Nelle sessioni laboratoriali verrà utilizzato Aptech Gauss. Analisi matematica per lo studio di funzioni univariate e multivariate è applicata estesamente in molta parte della modellistica trattata nel corso. Un solida preparazione in calcolo delle probabilità è richiesta per la completa comprensione alcuni argomenti del corso.

Lezioni frontali e sessioni laboratoriali nell’aula informatica, compiti a casa settimanali. All’inizio di ogni sessione uno studente verrà chiamato alla lavagna ad esporre un breve sommario della lezione precedente

Modalità d'esame

Pre Assessment Una valutazione preliminare delle conoscenze propedeutiche non è effettuata nell’ambito di questo corso. Formative Assessment/ Valutazione Formativa La valutazione formativa del processo di insegnamento e apprendimento è effettuata per mezzo della partecipazione attiva in aula dello studente e della sua interazione con il docente: A) gli studenti possono essere interrogati su argomenti trattati nelle precedenti lezioni; gli studenti possono richiedere in sede di ricevimento studenti all’istruttore di approfondire argomenti particolari nei quali sono particolarmente interessati. B) un riassunto delle lezioni precedenti verrà chiesto a uno studente selezionato a caso tra i frequentanti come una virtuale introduzione alla sessione presente; C) seminari brevi: gli studenti debbono preparare delle brevi presentazioni su argomenti di loro particolare interesse come applicazione nel campo della finanza delle loro abilità di Analisi Matematica, di Calcolo Stocastico, di Analisi Numerica, di Statistica Matematica proponendo le loro originali soluzioni. Summative Assessment/Valutazione Complessiva La valutazione complessiva di questo corso avviene per mezzo di: A) Test Scritti:i) nel corso del modulo semestrale verrà somministrato un test scritto dopo metà corso e uno alla fine a beneficio degli studenti che frequentano le lezioni;ii) un test complessivo su ogni argomento del corso verrà somministrato per ogni data di appello ordinario a beneficio degli studenti che non frequentano le lezioni e per quelli che non hanno superato i test scritti nel corso del semestre; B) Compiti a casa e Progetti Take Home: i compiti a casa sono obbligatori come parte integrante della valutazione complessiva e sono assegnati su temi specifici per portare gli studenti ad approfondire tematiche particolari lasciando ognuno confrontarsi con le proprie capacità e ritmi di apprendimento; alcuni progetti take home projects sono suggeriti a studenti particolarmente interessati a applicare metodi quantitativi appresi anche in altri corsi alle tematiche di finanza trattate nel corso. C) Esami Orali: dopo aver conseguito una votazione media almeno sufficiente nei compiti scritti amministrati nel semestre, o, equivalentemente, aver passato la prova scritta complessiva amministrata negli appelli ordinari, gli studenti debbono sostenere una prova orale che consiste in: 1) domande circa i compiti scritti, in special modo gli errori commessi; 2) domanda a piacere. scopi formativi gli studenti sono valutati rispetto a tre diverse dimensioni dell’apprendimento: A) conoscenze di base fornite per mezzo delle lezioni frontali e delle reading list suggerite: verificate per mezzo di domande aperte da rispondere per mezzo di brevi saggi; B) Capacità di risolvere i problemi di Analisi Matematica e di Calcolo Stocastico: verificate per mezzo di domande riguardanti la realizzazione di modelli matematici formali rispetto a problemi simili a quelli trattati a lezione ma con piccole variazioni al margine; C) Capacità di Programmazione: verificata per mezzo dell’assegnazione di problemi algoritmici singoli e/o articolati sia in aula e che a casa in un linguaggio di programmazione interpretato di alto livello, con matrici ed array, e.g. MatLab, Gauss, Ox, Scilab. Criteri di valutazione 1. correttezza risultati numerici finali; 2. stile: 2.1) nel modellizzare le soluzioni – possibilmente nuove – in un’esposizione simbolica di calcolo analitico o stocastico solutions; 2.2) nello scrivere sorgenti per modelli esistenti; 2.3) nella prosa utilizzata per i saggi brevi in risposta alle domande aperte. 3. Ripartizione della valutazione Valutazione Formativa e Complessiva concorrono nel seguente modo alla definizione del voto finale: partecipazione in aula 5%;Riassunto in aula delle lezioni precedenti 10%;Seminari Brevi (se effettivamente effettuati, altrimenti questo peso è aggiunto alla partecipazione in aula) 5%;test scritti in aula 50%;Compiti a casa (settimanali e progetti take home) 25%;Esame orale 5%.

Testi di riferimento

Thomas E. Copeland, J. Fred Weston, and Kuldeep Shastri,, Financial Theory and Corporate Policy , Addison-Wesley. 2005. Fourth Edition Luenberger, D, Investment Science, Oxford University Press. 1998. Edwin J. Elton, Martin J. Gruber, Stephen J. Brown, William N. Goetzmann, Modern Portfolio Theory and Investment Analysis , Wiley. 2014. Ninth Edition

Codice insegnamento 36480

MODELLI E ALGORITMI PER LA FINANZA AZIENDALE II 3° anno · 6 CFU · ECON-09/A · 0 file

Introduzione generale alla valutazione dei titoli derivati, opzioni. Introduzione pratico operativa all’utilizzo dei processi stocastici piu’ utilizzati nella valutazione dei titoli derivati. Utilizzo dei metodi di…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

Introduzione generale alla valutazione dei titoli derivati, opzioni. Introduzione pratico operativa all’utilizzo dei processi stocastici piu’ utilizzati nella valutazione dei titoli derivati. Utilizzo dei metodi di martingale pricing e dei modelli di processi stocastici studiati per la real options analysis, come stato dell’arte del capital budgeting.Applicazioni di informatica ed altre abilità quantitative alla modellizzazione finanziaria.

Programma

Introduzione ai titoli derivati: le opzioni finanziarie (a) diagrammi di payoff(b) diagrammi di positione(c) parita’ put call(d) posizioni composite: i. spread; ii. combination;iii. hedge.Un’introduzione pratica ai processi stocastici piu’ frequentemente utilizzati nella modellistica per la valutazione dei titoli derivati: (a) modellizzazione delle serie storiche: additive shock additivi, shock moltiplicativi. i. rappresentazioni MA(1), AR(1); ii. Dalle statistiche sufficienti di una distribuzione normale a quelli della corrispondente log normale; (b) il processo di Wiener come caso limite di una passeggiata casuale; (c) il processo di Ito process come una generalizzazione di un processo di Wiener (d) Geometric Brownian Motion: i. GBM univariato; A. applicazione del lemma di Ito: derivazione dei parametri di una log trasformata, Arithmetic Brownian MotionB. simulazione Monte Carlo della soluzione della Pde e della approssimazione di Eulero;C. stima empirica dei parametri;D. approssimazione binomiale per mezzo di condizioni sui momenti: Cox, Ross, Rubinstein 1979E. il Brownian Bridge, concetti e simulazione Monte Carlo; ii. GBM multivariato con processi di Wiener correlati: A. construzione and simulatione di un GBM multivariato con processi di Wiener correlati; B. trasformazione analitica di Cholesky di due shock non correlati in due correlati; C. caso generale di una decomposizione di Cholesky di un correlogramma;D. studio Monte Carlo parametrico delle stime di correlazione tra due serie storiche generate da due GBM correlati. E. un modello binomiale multivariato, Boyle, Evnine, Gibbs 1989, caso bivariato case programmato in Aptech Gauss; (e) processo di Ornstein Uhlenbeck: i. versione originale version con shock aritmetici;ii. Applicazione del lemma di Ito: derivazione del modello di Schwartz 1997 versione a shock moltiplicativi con effetti a molla sulle trasformate logaritmo;iii. Stima dei parametri di un processo di OU;iv. Simulazione Monte Carlo dei processi processes sub i. and ii.v. Approssimazione Binomiale, Sick 1995 dei processi sub i. e ii. (f) stima della volatility per processi univariati:i. inversione di un modello di Black e Scholes 1973 e derivazione di una superficie di volatilita’ a volatility surface (argomento sospeso)ii.stime equiponderate;iii. ARCH(m);iv. EWMA: exponentially weighted moving average;v. GARCH(1,1): A. ricerca del volatility clustering ;B. ricerca del leverage effect;C. plain vanilla GARCH(1,1)D. GARCH(1,1) as a discrete time counterpart of an Ornstein Uhlenbeck process;E. I-GARCHvi. Rassegna di alcui modelli che ricomprendono il c.d. volatility leverage: A. A-GARCH;B. E-GARCH;C. GRJ-GARCH;D. NL-GARCH;E. Smooth Transition GARCH;F. Markov Switching GARCH;vii. Stima dei parametri di un GARCH(1,1): A. il metodo MLE in generale;B. il metodo MLE per un GARCH(1,1). Esempi numerici su Excel: stima a 3 parametri;stima a 2 parametri, variance targeting;stima MLE di un EWMA;test di fitness: Box Pierce, Ljung Box, autocorrelogrammaviii. l’uso di un modello GARCH() per prevedere la volatilità: A. la struttura temporale delle volatilità GARCH;B. la volatilità media GARCH.ix. i modelli GARCH models e la valutazione delle opzioni: A. local risk neutrality, di Duan 1995;B. esempio numerico: simulazione Monte Carlo simulation di un GBM con with volatilità stocastica generata da un GARCH(1,1) (g) stima di una matrice varianze covarianze per un processo multivariato: i. stime equiponderate;ii. EWMA senza cross terms.iii. Rassegna della modellizzazione della matrice varianze covarianze con la specificazione delle rispettive funzioni LL::iv. dirette: VEC GARCH,BEKK GARCH,v. indirette: CCC GARCH,DCC GARCH.il principio del Martingale Pricing per valutare i titoli derivati:(a) la valutazione opzioni americane: la sostituzione del drift e il metodo della backward induction nei seguenti modelli:i. Cox, Ross, Rubinstein 1979ii. Sick 1995iii. Boyle, Evnine, Gibbs 1989(b) la valutazione delle opzioni europee, in aggiunta ai modelli di cui al precedente punto (a): i. derivazione del modello di Black e Scholes 1973 come caso limite del modello di Cox, Ross, Rubinstein 1979;ii. Stultz 1982, Johnson 1987 opzioni arcobaleno;, programmazione del caso bivariato in Aptech Gaussiii. Metodo Monte Carlo per casi univariati and multivariati;Le Optioni Reali: (a) parallelismo con l’analisi dell’albero delle decisioni(b) la possibile applicazione del principio del martingale pricing nel caso di una risoluzione dell’incertezza irregolare, i multiperiod securities markets di Harrison e Kreps 1979(c) differenze and analogie tra opzioni reali e finanziarie(d) le optioni reali piu’ frequenti, esempi giocattolo: i. opzione di attesa;ii. opzione di espansione/contrazioneiii. option di sospensione/riattivazioneiv. option di cambio d’usov. opzione di abbandonovi. Opzione di defaultvii. Default operativoviii. default finanziario:asset substitution moral hazardunderinvestment moral hazardinterpretazione put call parity del confronto tra obbligazionisti e azionisti. Il c.d. wealth transfer(e) una panoramica dei diversi approcci alla valutazione delle opzioni reali;(f) il modello generale di valutazione delle opzioni reali di Kulatilaka-Trigeorgis: i. esempio giocattoloii. Tassonomia del modi operativi di un impianto industriale; analogia con gli stati di una Markov Chain;iii. Esempio giocattolo con un lattice binomiale di Cox, Ross, Rubinstein 1979.il modello Least Squares Monte Carlo, Longstaff, Schwartz 2001 RFS: (a) introduzione generale al modello con confronto con quello di Tsitsiklis e Van Roy;(b) la valutazione di opzioni put americane/bermudiane put option, esempio da Moreno Navas 2003 MF:(c) LSMC per il modello Kulatilaka Trigeorgis, Gamba 2011 JMF

Le abilità di programmazione in Excel e in un linguaggio di programmazione interpretato di alto livello, orientato a matrici e array tipo MatLab, Gauss, Ox, Scilab, Octave. Conoscenze di analisi matematica con studio di funzioni a una e più variabili. Calcolo delle probabilità, conoscenza di funzioni densità di probabilità continue e discrete. Per seguire con profitto il corso, gli studenti debbono aver avuto una precedente esposizione agli argomenti trattati nei seguenti corsi:Modelli ed Algoritmi per la Finanza AziendaleProbabilità e Statistica MatematicaFondamentali di Programmazione con LaboratorioRicerca Operativa e OttimizzazionePrerequisiti formali prima della frequenza sono: Models and Algorithms for Business FinanceProbability And Mathematical Statistics;Foundations Of Programming And LaboratoryOperation Research And OptimizationI prerequisiti sostanziali non sono valutati all’inizio del corso e sono assunti come dati in vista della calibrazione della didattica del corso sui temi di finanza.Una buona capacità di programmazione è richiesta per le seguenti applicazioni:un qualunque foglio elettronico, e.g. Excel, Calc;un qualunque linguaggio di programmazione di alto livello interpretato con matrici ed array, e.g. MatLab, Gauss, Ox, Octave, Scilab.Nelle sessioni laboratoriali verrà utilizzato Aptech Gauss.Analisi matematica per lo studio di funzioni univariate e multivariate è applicata estesamente in molta parte della modellistica trattata nel corso.Un solida preparazione in calcolo delle probabilità è richiesta per la completa comprensione alcuni argomenti del corso.

Lezioni frontali e sessioni laboratoriali nell’aula informatica, compiti a casa settimanali.

Modalità d'esame

Pre Assessment Una valutazione preliminare delle conoscenze propedeutiche non è effettuata nell’ambito di questo corso. Formative Assessment/ Valutazione Formativa La valutazione formativa del processo di insegnamento e apprendimento è effettuata per mezzo della partecipazione attiva in aula dello studente e della sua interazione con il docente: A) gli studenti possono essere interrogati su argomenti trattati nelle precedenti lezioni; gli studenti possono richiedere in sede di ricevimento studenti all’istruttore di approfondire argomenti particolari nei quali sono particolarmente interessati. B) un riassunto delle lezioni precedenti verrà chiesto a uno studente selezionato a caso tra i frequentanti come una virtuale introduzione alla sessione presente; C) seminari brevi: gli studenti debbono preparare delle brevi presentazioni su argomenti di loro particolare interesse come applicazione nel campo della finanza delle loro abilità di Analisi Matematica, di Calcolo Stocastico, di Analisi Numerica, di Statistica Matematica proponendo le loro originali soluzioni. Summative Assessment/Valutazione Complessiva La valutazione complessiva di questo corso avviene per mezzo di: A) Test Scritti:i) nel corso del modulo semestrale verrà somministrato un test scritto dopo metà corso e uno alla fine a beneficio degli studenti che frequentano le lezioni;ii) un test complessivo su ogni argomento del corso verrà somministrato per ogni data di appello ordinario a beneficio degli studenti che non frequentano le lezioni e per quelli che non hanno superato i test scritti nel corso del semestre; B) Compiti a casa e Progetti Take Home: i compiti a casa sono obbligatori come parte integrante della valutazione complessiva e sono assegnati su temi specifici per portare gli studenti ad approfondire tematiche particolari lasciando ognuno confrontarsi con le proprie capacità e ritmi di apprendimento; alcuni progetti take home projects sono suggeriti a studenti particolarmente interessati a applicare metodi quantitativi appresi anche in altri corsi alle tematiche di finanza trattate nel corso. C) Esami Orali: dopo aver conseguito una votazione media almeno sufficiente nei compiti scritti amministrati nel semestre, o, equivalentemente, aver passato la prova scritta complessiva amministrata negli appelli ordinari, gli studenti debbono sostenere una prova orale che consiste in: 1) domande circa i compiti scritti, in special modo gli errori commessi; 2) domanda a piacere. scopi formativi gli studenti sono valutati rispetto a tre diverse dimensioni dell’apprendimento: A) conoscenze di base fornite per mezzo delle lezioni frontali e delle reading list suggerite: verificate per mezzo di domande aperte da rispondere per mezzo di brevi saggi; B) Capacità di risolvere i problemi di Analisi Matematica e di Calcolo Stocastico: verificate per mezzo di domande riguardanti la realizzazione di modelli matematici formali rispetto a problemi simili a quelli trattati a lezione ma con piccole variazioni al margine; C) Capacità di Programmazione: verificata per mezzo dell’assegnazione di problemi algoritmici singoli e/o articolati sia in aula e che a casa in un linguaggio di programmazione interpretato di alto livello, con matrici ed array, e.g. MatLab, Gauss, Ox, Scilab. Criteri di valutazione 1. correttezza risultati numerici finali; 2. stile: 2.1) nel modellizzare le soluzioni – possibilmente nuove – in un’esposizione simbolica di calcolo analitico o stocastico solutions; 2.2) nello scrivere sorgenti per modelli esistenti; 2.3) nella prosa utilizzata per i saggi brevi in risposta alle domande aperte. 3. Ripartizione della valutazione Valutazione Formativa e Complessiva concorrono nel seguente modo alla definizione del voto finale: partecipazione in aula 5%;Riassunto in aula delle lezioni precedenti 10%;Seminari Brevi (se effettivamente effettuati, altrimenti questo peso è aggiunto alla partecipazione in aula) 5%;test scritti in aula 50%;Compiti a casa (settimanali e progetti take home) 25%;Esame orale 5%.

Testi di riferimento

Thomas E. Copeland, J. Fred Weston, and Kuldeep Shastri,, Financial Theory and Corporate Policy , Addison-Wesley. 2005. Fourth Edition Luenberger, D, Investment Science, Oxford University Press. 1998. Edwin J. Elton, Martin J. Gruber, Stephen J. Brown, William N. Goetzmann, Modern Portfolio Theory and Investment Analysis , Wiley. 2014. Ninth Edition

Codice insegnamento 32575

PROVA FINALE 3° anno · 6 CFU · 0 file
REALTA' VIRTUALE E ARCHEOMATICA M 3° anno · 6 CFU · IINF-05/A · 0 file

Il corso fa riferimento agli obiettivi specifici del Corso di Laurea in Informatica. In particolare, intendere approfondire: - la consapevolezza delle tematiche teoriche e pratiche nella tecnica valorizzativa della…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Il corso fa riferimento agli obiettivi specifici del Corso di Laurea in Informatica. In particolare, intendere approfondire: - la consapevolezza delle tematiche teoriche e pratiche nella tecnica valorizzativa della realtà virtuale - acquisire strumenti e metodologie di realtà virtuale applicate alla digitalizzazione di beni storici, archeologici e culturali. - assicurare competenze informatiche adeguate nel saper progettare ed implementare un progetto di realtà virtuale - saper presentare elaborati digitali in realtà virtuale

Programma

Introduzione all’informatica grafica. Introduzione alla realtà virtuale, aumentata e mista. Definizione di archeomatica. Fotografia digitale mirata alla generazione di modelli tridimensionali. Metodologie e strumenti di modellazione e digitalizzazione di base: fotogrammetria, modellazione 3D poligonale, texturizzazione, gestione luci e ombre, rendering. Laboratorio di modellazione 3D e fotogrammetrica. Fotografia a 360'. Fruizione dei modelli digitali tramite visualizzatori tridimensionali. Distribuzione e pubblicazione dei modelli tridimensionali. Game engines per la VR. Abilità informatiche di base, anche non certificate. Familiarità con concetti di informatica grafica. Le lezioni frontali sono primariamente svolte in aula multimediale con esercitazioni guidate dal docente tramite videoproiettore. Periodicamente si svolgono sessioni di laboratorio di informatica e archeomatica con visori binoculari immersivi.

Modalità d'esame

L’esame consiste nella verifica di un elaborato digitale illustrante un progetto di archeomatica su un caso di studio legato al territorio di provenienza dello studente. Valutazione sommativa: la valutazione del lavoro svolto terrà conto di: adozione di un adeguato linguaggio tecnico (20%), chiarezza dei contenuti (30%), completezza della documentazione (30%), verifica dell’elaborato finale in realtà virtuale (20%). In particolare i livelli di preparazione finale rilevabili potranno essere: Sufficiente: descrizione del sito di interesse e geolocalizzazione. Implementazione in realtà virtuale semplificata con almeno una foto 360'. Fruibilità dell'elaborato nel browser a schermo del PC. Adeguato: Inquadramento e descrizione del periodo storico e architettonico, geolocalizzazione del sito di interesse. Implementazione in realtà virtuale con almeno 2 ambienti connessi e visitabili. Fruibilità dell'elaborato nel browser a schermo del PC tramite server. Buono: Inquadramento, descrizione del periodo storico-architettonico e della filosofia che ispira l'elaborato, geolocalizzazione del sito di interesse, con adeguata bibliografia di riferimento. Implementazione in realtà virtuale fruibile e visitabile con diversi dispositivi indossabili e ambienti multipli interconnnessi. Dettagliato: Inquadramento, descrizione del periodo storico-architettonico e della filosofia che ispira l'elaborato, geolocalizzazione del sito di interesse, con adeguata bibliografia di riferimento, collegamento URL all'elaborato fruibile online. Implementazione in realtà virtuale immersiva con bilanciamento delle complessità delle scene 3D, fruibile e visitabile con diversi dispositivi oltre al visore immersivo autonomo senza fili, con ambienti multipli ed interconnessi.

Testi di riferimento

Eck, David J.. Introduction to Computer Graphics. Stati Uniti, David J. Eck, 2016 Carzia, G e Iannucci, A e Vandini, M (2015) Il patrimonio culturale tra conoscenza, tutela e valorizzazione. Il caso della Piazzetta degli Ariani di Ravenna, Bononia University Press: Bologna Forte, M e Beltrami, R (2000) A proposito di virtual archaeology: disordini, interazioni cognitive e virtualità in Archeologia e Calcolatori, 11, pp 273-300 Redi, F, Cordisco, A , 2012, Dal Rilevamento archeologico dell’edilizia storica alla ricostruzione virtuale in 3D: alcuni esempi aquilani, in VI Congresso Nazionale di Archeologia Medievale (L’Aquila 12-15 settembre 2012), a cura di F. Redi e A. Forgione, Firenze 2012, pp. 32-36. De Gasperis ,G , Cordisco, A, Cucchiara, F. Immersive Virtual Reality As A Resource For Unaccessible Heritage Sites, IOP Conference Series: Materials Science and Engineering, Vol. 364, Num. 1, 2018/6, IOP Publishing Rivista Archeomatica.it

Codice insegnamento 37170

RETI DI CALCOLATORI 3° anno · 6 CFU · IINF-05/A · 0 file
RETI DI CALCOLATORI EVOLUTE: ARCHITETTURE 3° anno · 6 CFU · INFO-01/A · 0 file
SOFTWARE TESTING AND VALIDATION 3° anno · 6 CFU · INFO-01/A · 0 file
SVILUPPO WEB AVANZATO 3° anno · 3 CFU · INFO-01/A · 0 file
TEORIA DELL'INFORMAZIONE 3° anno · 6 CFU · INFO-01/A · 0 file
TEORIA DELLA CALCOLABILITA' E COMPLESSITA' 3° anno · 6 CFU · INFO-01/A · 0 file
TIROCINIO FORMATIVO 3° anno · 6 CFU · 0 file
WEB ENGINEERING 3° anno · 6 CFU · INFO-01/A · 0 file

Il corso si propone di fornire una preparazione completa sulle tecnologie necessarie allo sviluppo, su piattaforma Java, di applicazioni web moderne, conformi agli standard e sicure, con particolare riguardo anche per le…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Il corso si propone di fornire una preparazione completa sulle tecnologie necessarie allo sviluppo, su piattaforma Java, di applicazioni web moderne, conformi agli standard e sicure, con particolare riguardo anche per le problematiche di accessibilità e usabilità. Tali obiettivi contribuiscono alle finalità formative del corso di studi, in quanto la coerenza interna del corso di laurea triennale è stata verificata e armonizzata in fase di progettazione dello stesso. In particolare, il corso presenta e approfondisce argomenti di forte interesse per la formazione della figura di Programmatore Web, facente parte del profilo professionale previsto dal corso di studi e connessa alla professione di Tecnico web (codice ISTAT 3.1.2.3.0) Alla fine del corso, lo studente dovrebbe - comprendere tutte le tecnologie di base per lo sviluppo web su piattaforma Java; - sviluppare applicazioni web lato server in Java e creare interfacce lato client dinamiche, accessibili e usabili; - essere in grado di progettare, implementare e valutare un'applicazione web per soddisfare specifici requisiti; - valutare il livello di accessibilità di un sito web e scegliere di coinseguenza le tecnologie più adatte al suo sviluppo; - essere in grado di lavorare in gruppo per sviluppare un progetto comune; - essere in grado di approfondire lo studio di tutte le tecnologie legate allo sviluppo web correntemente in evoluzione.

Programma

  • Web Standards. Accessibilità e Usabilità: cosa significano e come si realizzano. Web Content Accessibility Guidelines (WCAG). XML e i linguaggi markup (circa 4 ore di lezione); - Struttura dei contenuti web: HTML5. Uso corretto dell'HTML e accorgimenti per la compatibilità crossbrowser. Creazione di HTML accessibile. Accessibilità nelle Rich User Applicatrions (RIA). Validazione dei contenuti web (circa 6 ore di lezione); - Logica per i contenuti web, lato server: Java Servlets. Gestione delle sessioni nelle applicazioni web Java. Database nelle applicazioni web Java: JDBC, connection pooling. Generazione dinamica dei contenuti: template engines per Java. Sicurezza delle applicazioni web: accorgimenti lato server (circa 20 ore di lezione); - Presentazione dei contenuti web: CSS3. Uso corretto dei fogli di stile e accorgimenti per la compatibilità crossbrowser. Creazione di fogli di stile degradanti (circa 4 ore di lezione); - Creazione di layout con i fogli di stile: tecniche di base, flexbox, grids. Responsive design (circa 4 ore di lezione); - Logica per i contenuti web, lato client: Javascript. Javascript come linguaggio di programmazione object-oriented. Il Document Object Model di HTML. Il Document Object Model dei CSS. Il modello degli eventi HTML. Manipolazione del DOM con Javascript. Rich User Interaction degradante con Javascript e CSS. AJAX (circa 10 ore di lezione). Conoscenza di base della programmazione Java. Lezioni ed esercitazioni.

Modalità d'esame

La prova conclusiva consiste nello sviluppo e presentazione di un progetto (in gruppo) e in un orale (individuale), che contribuiscono rispettivamente per l'80% e il 20% al voto finale dell'esame. Il progetto da sviluppare consiste in un sito web completo, le cui specifiche sono fornite dal docente e sono valide per l'intero anno accademico di pubblicazione. La valutazione del progetto ha lo scopo di verificare il suo livello di completamento e di documentazione (15% del voto totale sul progetto), l'uso corretto delle tecnologie web di base (30%), il livello di programmazione client-side e server-side (Java) (20%), la capacità di applicare le tecnologie più recenti (5%) e di valutare le caratteristiche di compatibilità crossbrowser, usabilità e accessibilità (30%). La prova orale ha come base la discussione del progetto, e mira a verificare il livello raggiunto nella capacità di lavorare in gruppo (20% del voto totale per l'orale) nonché il contributo individuale al progetto, con una forte enfasi sulla conoscenza delle principali tecnologie presentate nel corso (40%), sulla capacità di applicarle ove e come necessario (20%), e sulla capacità di progettare, implementare e presentare adeguatamente un'applicazione web complessa (20%). L'attribuzione del voto rifletterà i seguenti quattro livelli di preparazione: - sufficiente: conoscenza base degli strumenti e delle tecnologie illustrate nel corso; - adeguata: capacità di applicare le tecnologie di base illustrate nel corso alla realizzazione di un'applicazione web; - buona: capacità di progettare e sviluppare correttamente un'applicazione web di media complessità seguendo gli standard; - approfondita: capacità di progettare e sviluppare completamente un'applicazione web applicando in maniera corretta e ragionata tutte le tecnologie e gli standard illustrati nel corso.

Testi di riferimento

Il corso utilizza esclusivamente testi disponibili online.

Codice insegnamento 35822

DATA MINING 6 CFU · INF/01 · 0 file

Recensioni del corso

Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.

★

Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.