Corso di laurea

Ingegneria informatica

Università degli studi di Bologna · 73 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

ARCHITETTURE DEI CALCOLATORI M 1° anno · 1° semestre · 8 CFU · IINF-05/A · 0 file

Al termine del corso, lo studente possiede conoscenze avanzate delle architetture dei calcolatori ad alte prestazioni rivolte sia alla progettazione di sistemi di calcolo e microprocessori e sia all’uso efficiente da…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente possiede conoscenze avanzate delle architetture dei calcolatori ad alte prestazioni rivolte sia alla progettazione di sistemi di calcolo e microprocessori e sia all’uso efficiente da parte delle applicazioni delle soluzioni micro-architetturali. In particolare, a) conosce il concetto di parallelismo a livello di istruzione, con i relativi modelli di esecuzione bloccanti e non bloccanti; b) conosce le architetture RISC-V e la gerarchia delle memorie; c) comprende il concetto di parallelismo a livello dati e le estensioni vettoriali; d) conosce le basi dei sistemi multi/many core; e) comprende le estensioni architetturali per la sicurezza e la gestione dei consumi; f) conosce i principali modelli di valutazione delle prestazioni.

Programma

Obiettivo dell'insegnamento è aiutare lo studente a impadronirsi di un quadro di riferimento che gli consenta di affrontare con consapevolezza la progettazione digitale a diversi livelli di astrazione (dal componente al sistema, sia esso su singolo chip o su scheda).
Il modulo si colloca a valle degli insegnamenti di reti logiche, calcolatori elettronici, e fondamenti di informatica impartiti nelle lauree triennali dell'Ingegneria dell'Informazione dell'Università di Bologna. L'insegnamento presuppone acquisite le conoscenze elementari di architettura dell'hardware dei calcolatori elettronici (Set di istruzioni Registro-Registro e Memoria-Registro, datapath e unità di controllo, pipeline a 5 stadi per set di istruzioni R-R (RISC), memorie, gestione delle interfacce di ingresso/uscita a interrupt e a controllo di programma, driver), e intende trasferire conoscenze più avanzate sull'architettura, sui principi di funzionamento, sulle prestazioni e sulla evoluzione dei calcolatori ad alta integrazione e larga diffusione. In particolare il corso tratta i seguenti argomenti:
parallelismo a livello di istruzione, modelli di esecuzione bloccanti e non bloccanti set di istruzioni per architetture RISC-V gerarchia delle memorie parallelismo a livello dati, estensioni vettoriali sistemi multi/many core estensioni architetturali per la sicurezza, gestione dei consumi.
Il corso si sofferma inoltre su alcune strutture che trovano impiego diffuso all'interno dei calcolatori ad alte prestazioni.

Modalità d'esame

La verifica dell'apprendimento viene effettuata sul risultato di una prova scritta volta a verificare la preparazione dello studente sia sulla progettazione sia sull'architettura dell'hardware dei calcolatori.
E' previsto un colloquio orale facoltativo per gli studenti che hanno superato lo scritto. Il colloquio orale è volto a verificare la capacità dello studente di valutare l'efficacia e le implicazioni delle diverse tecniche architetturali trattate a lezioni oltre a saperne discutere il funzionamento. Qualora precedentemente concordato con il docente lo studente e/o piccoli gruppi di studenti possono presentare elaborati di approfondimento degli argomenti trattati a lezioni.
La formazione dell'esito finale è composta per 3/4 dalla prova scritta e per 1/4 dal colloquio orale facoltativo.

Testi di riferimento

J. L. Hennessy, D. A. Patterson, Computer Architecture: a quantitative approach, 6° edizione, Morgan Kaufmann (https://www.elsevier.com/books/computer-architecture/hennessy/978-0-12-811905-1)
David J. Greaves, Modern System-on-Chip Design on Arm, ARM Education Media (https://www.arm.com/resources/education/books/modern-soc)
David A Patterson John L Hennessy, Struttura e progetto dei calcolatori. Progettare con RISC-V, (https://www.zanichelli.it/ricerca/prodotti/struttura-e-progetto-dei-calcolatori-edizione-risc?hl=risc-v)

Codice insegnamento B8561

ATTIVITA' PROGETTUALE DI TECNOLOGIE E SISTEMI PER LA GESTIONE DI BASI DI DATI E BIG DATA M 1° anno · 2° semestre · 3 CFU · 0 file

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso di Tecnologie e sistemi per la gestione di basi di dati e big data M per lo svolgimento in autonomia di un'attività di approfondimento o…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso di Tecnologie e sistemi per la gestione di basi di dati e big data M per lo svolgimento in autonomia di un'attività di approfondimento o progetto su un argomento concordato con il docente titolare dell'insegnamento.

Programma

Il progetto può riguardare qualunque ambito applicativo in riferimento ai contenuti del corso di "Tecnologie e Sistemi per la Gestione di Basi di Dati e Big Data M". Più in generale, anche argomenti non trattati direttamente nel corso ma riferibili comunque alla disciplina possono essere oggetto dell'attività di progetto. L'oggetto dell'attività progettuale deve avere una forte connotazione pratica, da intendersi come applicazione effettiva di principi, metodi e tecniche appresi durante il corso relativo. In ogni caso l'obiettivo dell'attività progettuale deve essere concordato col docente.

Modalità d'esame

Relazione scritta e colloquio orale.

Testi di riferimento

Si prega di fare riferimento al corso associato.

Codice insegnamento 97261

ATTIVITÀ PROGETTUALE DI ARCHITETTURE DEI CALCOLATORI M 1° anno · 1° semestre · 3 CFU · 0 file

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso di Architetture dei calcolatori M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con il…

Scheda dell'insegnamento

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

Obiettivi formativi

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso di Architetture dei calcolatori M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con il docente titolare dell'insegnamento.

Programma

Progetti su architetture di calcolo sostenibili e a basse emissioni. Progetti di architetture di calcolo basate su RISC-V per edge/HPC/AI e strati software di basso livello (Linux, Device Driver, ML Compilatori, kernel). Progetti su perfomance modelling e benchmarking di architetture dei calcolatori per l'AI e per l'High-Performance Computing.

Modalità d'esame

The final examination consists of a demonstration and an individual discussion about the proposed project. A short report is required.

Testi di riferimento

Il materiale di studio verrà fornito allo studente dopo la selezioned el progetto.

Codice insegnamento B8566

ATTIVITÀ PROGETTUALE DI FONDAMENTI DI INTELLIGENZA ARTIFICIALE M 1° anno · 2° semestre · 3 CFU · 0 file

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso Fondamenti di intelligenza artificiale M per lo svolgimento in autonomia di un'attività di approfondimento o un progetto su un argomento…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso Fondamenti di intelligenza artificiale M per lo svolgimento in autonomia di un'attività di approfondimento o un progetto su un argomento concordato con il docente titolare dell'insegnamento.

Programma

Il progetto può riguardare qualunque ambito applicativo in riferimento ai contenuti del corso di "Fondamenti di Intelligenza Artificiale M". Più in generale, anche argomenti non trattati direttamente nel corso ma riferibili comunque alla disciplina IA possono essere oggetto dell'attività di progetto. L'oggetto dell'attività progettuale deve avere una forte connotazione pratica, da intendersi come applicazione effettiva di principi, metodi e tecniche appresi durante il corso relativo. In ogni caso l'obiettivo dell'attività progettuale deve essere concordato col docente.

Modalità d'esame

L' esame, che non prevede un voto ma un'idoneità, consiste in una discussione orale durante la quale lo studente presenta il proprio progetto, dagli obiettivi alle scelte implementative, motivandone ogni aspetto. Segue poi una dimostrazione pratica dell'applicazione sviluppata. Si prevede sia una presentazione in forma di relazione del progetto svolto, sia una presentazione con slides sul lavoro e su temi significativi.

Testi di riferimento

Si prega di fare riferimento al corso associato di "Fondamenti di Intelligenza Artificiale M". In particolare, nel materiale del corso su virtuale.unibo.it è pubblicata una lista di testi di riferimento.

Codice insegnamento 72968

ATTIVITÀ PROGETTUALE DI INGEGNERIA DEI SISTEMI SOFTWARE M 1° anno · 1° semestre · 3 CFU · 0 file

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso di Ingegneria dei sistemi software M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con il…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso di Ingegneria dei sistemi software M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con il docente titolare dell'insegnamento.

Programma

Scopo primario delle attività è l'integrazione di diverse tecnologie per lo sviluppo e la manutenzione di sistemi software distribuiti, con particolare riferimento alla applicazioni basate su micro-servizi, in ambito Clioud o IOT (Internet of Things).
Lo scopo delle attività da concordare è fare in modo che lo studente possa acquisire una o più delle seguenti abilità:
progettare e sviluppare Metamodelli custom e linguaggi Domain Specific,nelle aree applicative concordate, avvalendosi di strumenti come XText e/o MPS gestire la distribuzione e la manutenzione di micro-servizi in ambienti Docker e Kubernetets costruire ed utilizzare DDRRobot o altri dispositivi fisici usando sensori a basso corsto connessi a RaspberryPi e/o Arduino e creare semplici modelli del mondo a partire dai dati sensoriali affrontare e valutare il contributo di tecnologie basate sulla Intelligenza Artificiale per l'automatizzazione dei processi di produzione e la organizzazione dei sistemi software

Modalità d'esame

Discussione individuale orale dell'elaborato relativo al progetto.

Testi di riferimento

I testi saranno concordati di volta in volta in relazione all'argomento di prgetto

Codice insegnamento 72975

ATTIVITÀ PROGETTUALE DI LINGUAGGI E MODELLI COMPUTAZIONALI M 1° anno · 1° semestre · 3 CFU · 0 file

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso di Linguaggi e modelli computazionali M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso di Linguaggi e modelli computazionali M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con il docente titolare dell'insegnamento.

Programma

Il progetto può riguardare qualunque ambito applicativo nella sfera di competenza dei contenuti del corso, incluso lo sviluppo di applicazioni multi-paradigma. Il progetto deve comunque esplicitare con chiarezza i requisiti iniziali, l'analisi del problema, il progetto e l'architettura della soluzione (inclusa la valutazione delle eventuali alternative possibili a confronto e le motivazioni per la scelta di quella poi sviluppata), le scelte pratico-implementative, le metodologie e le scelte di collaudo, una dimostrazione pratica finale.

Modalità d'esame

L'esame consiste in una discussione orale durante la quale lo studente presenta il proprio progetto, dagli obiettivi all'architettura alle scelte implementativi, motivandone e discutendone i diversi aspetti ed effettuando una demo di quanto realizzato.
IMPORTANTE: NON è MAI consentito l'uso di tecniche di AI, anche generativa, da parte degli studenti, se non in scenari prestabiliti e preventivamente concordati con il docente, per specifici esperimenti finalizzati al progetto stesso. Qualunque violazione di questa regola causerà l'immediato annullamento del progetto e dell'esame, con conseguente assegnazione di nuovo progetto da rifare da zero.

Testi di riferimento

Si prega di fare riferimento al corso associato.

Codice insegnamento 72980

ATTIVITÀ PROGETTUALE DI RICERCA OPERATIVA M 1° anno · 2° semestre · 3 CFU · 0 file

Il progetto viene assegnato allo studente su un argomento concordato con il titolare dell'insegna¬mento, in un'area di interesse scientifico e/o applicativo nell'ambito dei metodi di ottimizzazione. Al termine del…

Scheda dell'insegnamento

Obiettivi formativi

Il progetto viene assegnato allo studente su un argomento concordato con il titolare dell'insegna¬mento, in un'area di interesse scientifico e/o applicativo nell'ambito dei metodi di ottimizzazione. Al termine del progetto lo studente ha acquisito conoscenza dell’implementazione pratica su computer di metodi e modelli di ottimizzazione, e delle principali tecniche di sperimentazione computazionale.

Programma

viene assegnato un progetto su temi di ottimizzazione che richedera implementazione e sperimentazione computazionale.

Codice insegnamento 72994

ATTIVITÀ PROGETTUALE DI SICUREZZA DELL'INFORMAZIONE M 1° anno · 1° semestre · 3 CFU · 0 file

Il progetto è assegnato individualmente, negoziando con lo studente per identificare un’area all’avanguardia nel campo della sicurezza dell’informazione. Alla fine del progetto, lo studente possiede una profonda…

Scheda dell'insegnamento

Obiettivi formativi

Il progetto è assegnato individualmente, negoziando con lo studente per identificare un’area all’avanguardia nel campo della sicurezza dell’informazione. Alla fine del progetto, lo studente possiede una profonda conoscenza dell’area, ha la capacità di comprendere adeguate strategie di soluzione e sa applicare le nozioni e le competenze acquisite nel corso correlato per progettare un meccanismo, servizio o sistema (limitato) con requisiti predefiniti e tecnologie significative.

Programma

I contenuti dell'attività progettuale riguardano argomenti inerenti all'ambito della sicurezza informatica tra cui sicurezza dei sistemi mobili, di sistemi IoT, blockchain e cloud/edge

Modalità d'esame

Si prevede una relazione scritta sull'attività implementativa svolta e una discussione orale

Testi di riferimento

-

Codice insegnamento 72998

ATTIVITÀ PROGETTUALE DI SISTEMI CONCORRENTI E PARALLELI M 1° anno · 1° semestre · 3 CFU · 0 file

Al termine del corso lo studente sa applicare le conoscenze acquisite nel corso di Sistemi concorrenti e paralleli M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con il…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente sa applicare le conoscenze acquisite nel corso di Sistemi concorrenti e paralleli M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con il titolare dell'insegnamento.

Programma

Sviluppo di attività di approfondimento su tematiche riguardanti l'insegnamento "Sistemi Concorrenti e Paralleli M"

Modalità d'esame

L'esame è costituito da una prova orale.
Lo studente dovrà produrre una relazione sintetica sul lavoro svolto e una presentazione che illustrerà alla docente il giorno dell'esame.

Codice insegnamento B8567

ATTIVITÀ PROGETTUALE DI SISTEMI DI ELABORAZIONE ACCELERATA M 1° anno · 1° semestre · 3 CFU · 0 file

Al termine del corso lo studente sa applicare le conoscenze acquisite nel corso di Sistemi di Elaborazione Accelerata M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente sa applicare le conoscenze acquisite nel corso di Sistemi di Elaborazione Accelerata M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con il titolare dell'insegnamento.

Programma

Sviluppo e implementazione di un progetto che sfrutta le metodologie acquisite nel corso di SIstemi di Elaborazione Accelerata M.

Modalità d'esame

Valutazione del progetto

Testi di riferimento

Lucidi disponibili sul sito del corso

Codice insegnamento B8568

ATTIVITÀ PROGETTUALE DI SISTEMI IN TEMPO REALE M 1° anno · 2° semestre · 3 CFU · 0 file

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso Sistemi in tempo reale M per lo svolgimento in autonomia di un'attività di approfondimento o un progetto su un argomento concordato…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso Sistemi in tempo reale M per lo svolgimento in autonomia di un'attività di approfondimento o un progetto su un argomento concordato con il docente titolare dell'insegnamento

Programma

Tipiche, ancorché non esclusive, tematiche oggetto dell'attività sono:
1) sviluppo e/o implementazione di algoritmi per la schedulazione di hard- e/o soft- real-time tasks in ambiente mono- o multi-processore;
2) progetto e realizzazione dell'infrastruttura necessaria a supportare l'applicazione di sofisticati protocolli di accesso a risorse condivise;
3) sviluppo di strumenti in grado di consentire una verifica a priori della schedulabiltà di applicazioni real-time comprendenti un numero arbitrario di tasks e di risorse da essi condivise.

Modalità d'esame

L'esame consiste in una prova orale, volta a verificare le conoscenze e le capacità progettuali maturate dallo Studente. A tale scopo lo Studente dovrà predisporre una relazione scritta sull'attività svolta, una presentazione tramite slide degli aspetti salienti del progetto, una demo del sistema prototipale sviluppato.

Testi di riferimento

Articoli scientifici e materiale didattico forniti dal docente.

Codice insegnamento 73004

DISCRETE AND NETWORK OPTIMIZATION M I.C. 1° anno · 1° semestre · 0 file

Il corso fornisce un'introduzione ai problemi di decisione e di ottimizzazione, con particolare attenzione alla Programmazione Lineare (Linear Programming, LP) e alla Programmazione Lineare Intera (Integer Linear…

Scheda dell'insegnamento

Programma

Il corso fornisce un'introduzione ai problemi di decisione e di ottimizzazione, con particolare attenzione alla Programmazione Lineare (Linear Programming, LP) e alla Programmazione Lineare Intera (Integer Linear Programming, ILP). Gli studenti apprenderanno come formulare modelli matematici per un'ampia gamma di problemi di ottimizzazione e come applicare le più appropriate tecniche di risoluzione.
Gli studenti devono possedere conoscenze di base di teoria degli insiemi, algebra vettoriale e matriciale, nonché competenze fondamentali di programmazione. La familiarità con la scrittura di codice e con il pensiero algoritmico è considerata un prerequisito.

Modalità d'esame

L'esame finale consiste in una prova scritta e una prova orale, che si svolgono nella stessa giornata. Il voto finale è determinato dalla valutazione complessiva conseguita nelle due prove.

Testi di riferimento

S. MARTELLO, LEZIONI DI RICERCA OPERATIVA, PROGETTO LEONARDO, BOLOGNA, 2002

Codice insegnamento C9584

FONDAMENTI DI INTELLIGENZA ARTIFICIALE M 1° anno · 2° semestre · 8 CFU · IINF-05/A · 0 file

Al termine dell'insegnamento, lo studente conosce i concetti principali e i metodi dell'intelligenza artificiale che stanno alla base della risoluzione di diverse tipologie di problemi. È capace di modellare tali…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'insegnamento, lo studente conosce i concetti principali e i metodi dell'intelligenza artificiale che stanno alla base della risoluzione di diverse tipologie di problemi. È capace di modellare tali problemi e di progettare e realizzare sistemi di intelligenza artificiale basati sulla conoscenza, mediante l'uso di linguaggi imperativi e/o dichiarativi.

Programma

Il corso si propone di introdurre i principi e i metodi che stanno alla base della risoluzione di problemi di Intelligenza Artificiale (con particolare riferimento a sistemi basati sulla conoscenza e metodologie basate sulla logica). Viene introdotto uno specifico linguaggio di programmazione logica (Prolog) come strumento per la realizzazione di sistemi di Intelligenza Artificiale. Sono inoltre previsti alcuni seminari tematici sull'Intelligenza Artificiale. Il corso e` propedeutico al corso di Sistemi Intelligenti. Prerequisiti: La frequentazione di questo insegnamento richiede come prerequisito una media conoscenza di un linguaggio di programmazione di alto livello, che risulterà utile nella comprensione dei numerosi casi di studio ed esempi applicativi proposti durante le lezioni. Riguardo i principi e i metodi propri della disciplina invece non è richiesto alcun prerequisito particolare: lo studente verrà introdotto gradualmente alle nozioni basilari dell'Intelligenza Artificiale, senza alcuna assunzione di conoscenze pregresse a riguardo. Contenuti del corso:
Introduzione all'Intelligenza Artificiale: alcuni cenni storici, principali campi applicativi, introduzione ai sistemi basati sulla conoscenza e i loro principi architetturali. Risoluzione di problemi: rappresentazione nello "spazio degli stati", metodi di soluzione "forward" e "backward", strategie di ricerca (informate e non). I giochi, i problemi a vincoli, ed i problemi di planning. Rappresentazione della conoscenza: logica dei predicati del primo ordine, sistemi a regole di produzione, sistemi basati sulla conoscenza. Cenni sulle ontologie formali. Linguaggi per Intelligenza Artificiale. Il Prolog: dalla logica alla programmazione logica, il linguaggio Prolog come risolutore, progettazione e sviluppo di semplici programmi Prolog, cenni sui meta-predicati e i meta-interpreti.

Modalità d'esame

La verifica dell'apprendimento si svolge al termine dell'attività didattica sotto forma di prova d'esame. La prova d'esame consiste in una prova scritta, di durata due ore, organizzata come un insieme di esercizi e domande teoriche che possono vertere su tutti gli argomenti trattati nel corso. Durante lo svolgimento di tale prova non è concesso consultare testi, appunti o altra fonte di informazione. Indicativamente, ogni errore nella soluzione viene considerato circa come un punto in meno dal massimo di 32 punti. Punteggi superiori a 30 saranno tradotti nel voto di 30eLode.
Maggiori dettagli saranno disponibili sulla piattaforma didattica Virtuale associata al corso.
Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.

Testi di riferimento

Un elenco esaustivo di testi da consultare e manuali è presente sia sul sito del materiale didattico, sia sulle diapositive. Sull'Intelligenza Artificiale:
S. J. Russel, P. Norvig: "Intelligenza Artificiale: Un approccio moderno", Pearson Prentice Hall, Volume 1, Ultima Edizione o edizioni precedenti anche in Inglese.
Sul linguaggio Prolog
L. Console, E. Lamma, P. Mello, M. Milano: "Programmazione Logica e Prolog", Seconda Edizione UTET, 1997.

Codice insegnamento 72938

INFRASTRUCTURES FOR CLOUD COMPUTING AND BIG DATA M 1° anno · 2° semestre · 8 CFU · IINF-05/A · 0 file

The class tends to enhance the capacity of orientating in the process of defining the strategies for a distributed system and applying them in different related applications. The students face the principles and the main…

Scheda dell'insegnamento

Obiettivi formativi

The class tends to enhance the capacity of orientating in the process of defining the strategies for a distributed system and applying them in different related applications. The students face the principles and the main problems of distributed large systems and are exposed to some standard and widely solutions, by following the class and via individual work. At the end, students are expected to be able to know the properties of most diffused middleware and the evolutions one can expect from that technology, by mastering the properties for designing a real application: most well spread strategies are presented and discussed.

Programma

The class is divided into two modules, the first based on models and the second on implementation tools.
The course covers several topics central in modern global data and processing infrastructures, such as Data Centers, MultiCloud Systems, Federation of resources, etc. typically supporting Industry 5.0 and Smart city applications, via the following basic concepts:
Advanced models for large distributed & cloud systems, from C/S to message exchange. Particular importance is given to the distinction and the implications of the two models and their goals Replication, group and many-to-many communication, and systems for QoS Middleware for development and management of large distributed & cloud systems Infrastructures for global data storage and processing Specific modern systems for big data processing and scalable global supports
All above issues are basic areas to which students must be interested and aware of, so to be capable of expressing their perspective in class, to advance in understanding, towards an eventual deep reflections and personal orientations.
In more details, the class explores the following topics:
Class Starting: general information and presentation of the Class (use cases) Goals, Basics, and Models: classifications, C/S vs. Message exchange, service and cloud models, parallelization models Middleware & Cloud Models: definitions, categories, basic organization, and patterns for large distributed and cloud systems, Cloud internals design.
Different consistency degrees and impact on service properties (BASE and CAP) Replication: models, strategies and protocols Communication and groups: models, protocols and algorithms Systems and protocols for QoS Multicast and MOM middleware
Middleware for large distributed & cloud systems
CORBA: middleware and operating environment MOM: examples of very thin environments OpenStack: an example of a widely-diffused cloud IaaS
Novel infrastructures for global data storage and processing
Global data storage: solutions for non-traditional NoSQL data memorization (Cassandra and MongoDB) Global data processing: batching and streaming based big data processing (Map-Reduce, Spark, and Storm and S4) Main properties for effective design projects

Modalità d'esame

The final exam consists of a wide colloquium about all the most important and basic issues in the distributed systems area taken into consideration in the class: the evaluation depends on the understanding of the issues and capacity of orientating more than on the memory effort. Again, the objective of all the lines is to develop a capacity of orienteering and of identifying critical problems and issues toward solutions, being that skill much more important than memorizing specific paths and answers.
Students can also agree on a specific microproject activity with teachers on a defined together practical topic. The project can be presented via a short pitch during the oral presentation. The microproject is oprtional.
It is possible to define an assignment of a project about some of the issues dealt in the class, choice recommended to the students in the path of Distributed Systems.

Testi di riferimento

G. Coulouris, J. Dollimore, T. Kindberg: "Distributed Systems: concepts and Design", Addison-Wesley, (fifth edition) 2012.
M. Kleppmann:, "Designing Data-Intensive Applications“, O’Reilly, 2017
A.S. Tanenbaum, M. v. Steen "Distributed Systems: Principles and Paradigms", Prentice-Hall, (second edition) 2006 / 2013.
B. Forouzan, F. Mosharraf: “Computer Networks, a top down approach”, McGraw-Hill, 2011.
M.L. Liu, "Distributed Computing", Addison-Wesley, 2003.
D.L. Galli: "Distributed Operating Systems: Concepts and Practice", Prentice-Hall, 2000.
L. Peterson, B. Davie, "Computer Networks, A Systems Approach", (fifth edition) Morgan Kaufmann Series in Networking, 2011,
V.K. Garg, “Elements of Distributed Computing”, Wiley, 2002.
L. Carlson, “Programming for PaaS, A Practical Guide to Coding for Platform-as-a-Service”, O Reilly, 2013.
J. Siegel, “Pure CORBA: a code-intensive reference”, (second edition), SAMS Publishing, 2002.
F. Halsall, “Multimedia Communications”, Addison-Wesley, 2001.
D.A. Chappel, T. Jewell, “Java Web Services”, O'Reilly, 2002.
E. Newcomer, “Understanding Web Services”, Addison-Wesley, 2002.
T. Erl et al., “Cloud computing : concepts, technology, & architecture”, Prentice Hall, 2013.
B. Wilder, “Cloud architecture patterns”, Beijing, 2013.
A. T. Velte et al., “Cloud computing: a practical approach”, McGraw-Hill, 2010.
J. Rhoton, “Cloud computing explained”, Recursive Press, 2009.
T. Fifield et al., “Openstack operations guide: set up and manage your OpenStack cloud”, O'Reilly, 2014.
S. Holla, “Orchestrating Docker”, Packt Publishing, 2015.
O. Hane, “Build your own PaaS with Docker”, Packt Publishing, 2015.
T.D. Nadeau and K. Gray, “SDN: software defined networks”, O'Reilly, 2013.
L. Carlson, “Programming for Paas”, O'Reilly, 2013.
T. White, “Hadoop: the definitive guide”, O'Reilly, 2012.
E. Sammer, “Hadoop operations”, O'Reilly, 2012.
K. Rankin, “DevOps troubleshooting”, Addison-Wesley, 2013.
D. Sui et al., “Crowdsourcing geographic knowledge”, Springer, 2013.
Z. Yan et al., “Semantics in mobile sensing”, Morgan & Claypool, 2014.
R. Copeland, “MongoDB applied design patterns”, O'Reilly, 2013.
J. Carpenter, “Cassandra: The Definitive Guide”, 3rd Edition, O'Reilly, 2020.
Silvano Gai, “Building a Future-Proof Cloud Infrastructure: A Unified Architecture for Network, Security, and Storage Services, Addison-Wesley, 2020.
Brendan Gregg, “Systems Performance”, 2nd Edition, Pearson, 2020.

Codice insegnamento 84531

INGEGNERIA DEI SISTEMI SOFTWARE M 1° anno · 2° semestre · 8 CFU · IINF-05/A · 0 file

Al termine dell'insegnamento, lo studente è in grado a) di impostare processi di sviluppo cooperativo del software basati su approcci agili basati su Scrum e DevOps; b) di affrontare l'analisi, la progettazione, lo…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'insegnamento, lo studente è in grado a) di impostare processi di sviluppo cooperativo del software basati su approcci agili basati su Scrum e DevOps; b) di affrontare l'analisi, la progettazione, lo sviluppo e il testing di sistemi software distribuiti a micro-servizi in ambito cloud e IOT usando dispositivi a basso costo come Raspberry Pi e Arduino; c) di realizzare la distribuzione di prodotti software mediante Docker e Kubernetes; d) di comprendere come definire un Domain Specific Language (DSL) e una relativa Software Factory capace di generazione automatica di codice, al fine di una rapida prototipazione di micro-servizi basati su Attori che interagiscono a messaggi.

Programma

Il corso ha due obiettivi prinvcipali:
affrontare il tema della progettazione e csotruzione di sistemi software che superano la tradizionale impostazione 'ad oggetti' a favore di una impostazione a (micro)servizi (e/o agenti) distribuiti ed eterogenei capire come la IA non possa sostituire completamente le persone nella costruzione del software. Piuttosto, la IA viene vista come un potente strumento di cui un moderno Ingegnere del software si può avvalere per abbattere i costi e i tempi di sviluppo. L'attenzione viene concentrata su parti 'difficilmente riducibili', quali le fasi di analisi (dei requisiti e dei problemi) e sulla possibilità/necessità di promuovere innovazione tecnologica.
Prerequisito fortemente consigliato è avere conoscenze di livello magistrale sui linguaggi e modelli di programmazione.
Al termine del corso lo studente:
è in grado di impostare processi di sviluppo cooperativo del software basati su approcci agili (in particolare SCRUM) avvalendosi anche di modelli eseguibili, espressi mediante meta-modelli custom; è' in grado di progettare e sviluppare sistemi software e relativi piani di testing in modo incrementale ed evolutivo, partendo dal problema e dal dominio applicativo piuttosto che dalla tecnologia realizzativa, attraverso la definizione di modelli eseguibili dell'analisi dei requisiti e dell'analisi del problema; è in grado di valutare in modo critico le continua evoluzione delle tecnologie informatiche, sia a livello computazionale, sia livello di sviluppo-software, acquisendo conoscenze teorico-operative su linguaggi, metododologie e strumenti quali Kotlin, Gradle, SCRUM, SpringBoot, Devops, Docker; è in grado di affrontare l'analisi, il progetto e la costruzione di applicazioni distribuite ed eterogenee di tipo proattivo e/o reattivo (unitamente a loro possibili piattaforme di sviluppo e di supporto run-time) con particolare riferimento a modelli computazionali a scambio di messaggi e ad eventi; è in grado di realizzare le interazioni a scambio di messaggi tra componenti distribuiti utilizzando modelli logici di alto livello e implementazioni basate su protocolli diversi (TCP, UDP, HTTP, CoAP, MQTT); è in grado di comprendere come sia possibile progettare e costruire ambienti di sviluppo custom capaci di generazione automatica di codice (Software Factories in 'ecosistemi' come Eclipse/IntelliJ), basandosi su Model Driven Software Development (MDSD) e sull'uso di Domain Specific Languages (DSL), valutando anche il contributo di tecnologie basate sulla Intelligenza Artificiale ; è in grado di sviluppare applicazioni capaci di combinare aspetti di alto livello (in particolare di AI) con aspetti di basso livello relativi a dispositivi di Internet of Things (IOT), utilizzando sia ambienti virtuali sia dispositivi reali costruibili utilizzando elaboratori a basso costo quali RaspberryPi e Arduino; è in grado di applicare i concetti, i dispositivi, e gli strumenti sviluppati in modo concreto ed operativo durante il corso per lo sviluppo di una applicazione finale che utilizza uno o più dispositivi IOT 'situati' - con particolare riferimento a Differental Drive Robots (DDR) con sensori - che possono agire in modo relativamente autonomo in diversi ambienti virtuali o reali, senza modificare il software che esprime la 'business logic' del problema.

Modalità d'esame

Le attività di laboratorio sono intrinsecamente connesse in modo continuo a una autovalutazione del lavoro svolto da parte di ogni singolo studente.
Al termine del corso, viene proposto un tema di progetto come naturale punto di sintesi delle attività svolte, da affrontare in due fasi.
La prima fase inizia con la pubblicazione di un testo di requisiti per la costruzione di un prototipo La costruzione del prototipo mira a verificare il raggiungimento di adeguate abilità teorico/pratiche e può essere effettuata in modo individuale o in un gruppo di non più di tre studenti. Al termine di questa fase seguirà una una discussione individuale orale sul lavoro svolto, volta a valutare il livello di conoscenza, consapevolezza e di autonomia analitico/progettuale del singolo studente. In questa fase lo studente è invitato a porre in luce gli aspetti salienti del lavoro svolto e le scelte effettuate alla luce delle nozioni teorico/pratiche apprese durante il corso.
Si veda anche: Criteri di valutazione

Testi di riferimento

Il docente fornisce materiale didattico in formato pdf e html come guida di riferimento per la consultazione di testi e siti specializzati esplicitamente indicati. Si veda ad esempiio: https://anatali.github.io/issLab2026/_static/docs/Protobook.pdf).
L'uso di strumenti basati su IA (come ad esempio NotebookLM, Claude.ai) è ritenuto utile per coadiuvare lo studio indivduale.

Codice insegnamento 72939

INTRODUCTION TO OPTIMIZAZION PROBLEMS 1° anno · 1° semestre · 2 CFU · MATH-06/A · 0 file

Il corso fornisce un'introduzione ai problemi di decisione e di ottimizzazione, con particolare attenzione alla Programmazione Lineare (Linear Programming, LP) e alla Programmazione Lineare Intera (Integer Linear…

Scheda dell'insegnamento

Programma

Il corso fornisce un'introduzione ai problemi di decisione e di ottimizzazione, con particolare attenzione alla Programmazione Lineare (Linear Programming, LP) e alla Programmazione Lineare Intera (Integer Linear Programming, ILP). Gli studenti apprenderanno come formulare modelli matematici per un'ampia gamma di problemi di ottimizzazione e come applicare le più appropriate tecniche di risoluzione.
Gli studenti devono possedere conoscenze di base di teoria degli insiemi, algebra vettoriale e matriciale, nonché competenze fondamentali di programmazione. La familiarità con la scrittura di codice e con il pensiero algoritmico è considerata un prerequisito.

Modalità d'esame

L'esame finale consiste in una prova scritta e una prova orale, che si svolgono nella stessa giornata. Il voto finale è determinato dalla valutazione complessiva conseguita nelle due prove.

Testi di riferimento

S. MARTELLO, LEZIONI DI RICERCA OPERATIVA, PROGETTO LEONARDO, BOLOGNA, 2002

Codice insegnamento C9585

LINGUAGGI E MODELLI COMPUTAZIONALI M 1° anno · 1° semestre · 8 CFU · IINF-05/A · 0 file

Al termine del corso lo studente possiede conoscenze approfondite relativamente ai linguaggi, ai paradigmi di programmazione e ai relativi modelli computazionali; possiede inoltre le basi della teoria della computabilità…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede conoscenze approfondite relativamente ai linguaggi, ai paradigmi di programmazione e ai relativi modelli computazionali; possiede inoltre le basi della teoria della computabilità e conosce i concetti base della programmazione funzionale, secondo un approccio multi-paradigma e multi-linguaggio. In particolare, a) conosce i principali metodi per la definizione della sintassi e della semantica dei linguaggi; b) sa applicare le principali tecniche di riconoscimento e valutazione per la costruzione di interpreti e compilatori, utilizzando gli strumenti più diffusi; c) conosce e sa applicare in modo appropriato paradigmi di programmazione differenti, anche in modo blended, secondo un approccio multi-paradigma e multi-linguaggio.

Programma

Il corso discute sotto diverse angolazioni il rapporto fra i linguaggi di programmazione, le relative tecniche di riconoscimento e interpretazione e i corrispondenti modelli computazionali, unendo una solida base teorica a una forte componente di sperimentazione pratica.
La prima parte del corso presenta i concetti fondamentali e le metodologie per la definizione della sintassi e della semantica dei linguaggi di programmazione, discute le relative tecniche di riconoscimento, interpretazione e valutazione e ne mostra l'applicazione pratica in casi concreti discussi sistematicamente.
La seconda parte del corso si focalizza invece sui modelli computazionali e in particolare sulla basi di functional programming, secondo un approccio multi-paradigma e multi-linguaggio.
Principali contenuti:
Computabilità e Macchine di Turing (5h) Descrizione formale dei linguaggi: grammatiche formali e loro proprietà, classificazione di Chomsky. Relazione fra tipi di grammatiche e automi riconoscitori. Analisi lessicale e tecniche di analisi sintattica top-down e bottom-up per linguaggi regolari e context-free. Cenni sulla descrizione formale della semantica. (18h) Organizzazione e costruzione di interpreti e compilatori e relativi supporti a tempo di esecuzione: architettura ed esempi concreti in Java. Strumenti per la generazione di analizzatori lessicali e sintattici. (14h) Cenni ad approcci Model-Driven: il caso Xtext (3h) Processi computazionali iterativi e ricorsivi, concetti base della programmazione funzionale, modelli per la valutazione di funzioni, basi di Lambda calcolo. (9h) Javascript come linguaggio dinamico, funzionale a oggetti basato su prototipi (6h) Scala e Kotlin come esempi di linguaggi blended basato su un approccio multi-paradigma e interoperabile con Java. (9h)

Modalità d'esame

La prova d'esame consiste in un colloquio orale, preceduto da un periodo di tempo (1h circa) in cui lo studente è invitato a predisporre su carta una serie di esempi su tematiche relative al corso, dalle quali poi inizierà la discussione orale. Coerentemente con gli obiettivi formativi della Laurea Magistrale, il criterio di valutazione è focalizzato a verificare la padronanza a 360 gradi della materia: costituiscono quindi elementi positivi la capacità di collegare argomenti, evidenziare spontaneamente gli aspetti chiave, mostrare esempi in diversi linguaggi quando opportuno, connettere aspetti teorici e pratici, e più in generale tutto ciò che possa evidenziare la completa padronanza teorico-pratica di tutti gli argomenti del corso. Costituiscono invece elementi negativi di valutazione lo studio meramente mnemonico, che tenda solo a riprodurre quanto mostrato a lezione, utilizzando magari gli stessi esempi, e più in generale un'esposizione settoriale, in cui gli argomenti appaiano slegati e non posti entro una narrazione coerente.
La discussione orale può comunque spaziare su ogni argomento del programma e non è in alcun modo limitata ai temi inizialmente proposti dallo studente. In particolare, è richiesto anche di sapere svolgere / improvvisare esempi ed esercizi su stimolo del docente, proporre esemplificazioni inerenti alle tematiche del corso ed esemplificazioni dei concetti discussi anche in modo comparativo, collegando le tematiche fra loro e/o comparando diversi approcci in diversi linguaggi per una data tematica.
E' consentito rifiutare il voto al più una sola volta.
Se lo studente ha inserito nel piano di studi anche l'Attività Progettuale corrispondente, durante il colloquio potrà essere discusso anche il progetto svolto: è comunque sempre possibile sostenere i due colloqui separatamente.
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
IMPORTANTE: NON è MAI consentito l'uso di tecniche di AI, anche generativa, in attività riguardanti l'esame, se non in scenari prestabiliti e preventivamente concordati con il docente. Qualunque violazione di questa regola causerà l'immediato annullamento dell'esame.

Testi di riferimento

Un elenco aggiornato di testi di riferimento e manuali è consultabile sia sul sito sotto indicato, sia sulle diapositive del corso disponibili su VirtuaLe.

Codice insegnamento 72940

PROJECT WORK ON ENTERPRISE PLATFORMS AND DEVOPS M 1° anno · 1° semestre · 3 CFU · 0 file

Vedi il programma del corso integrato di ENTERPRISE PLATFORMS AND DEVOPS M, che sarà pubblicato anche su Virtuale.

Scheda dell'insegnamento

Programma

Vedi il programma del corso integrato di ENTERPRISE PLATFORMS AND DEVOPS M, che sarà pubblicato anche su Virtuale.

Modalità d'esame

Tramite realizzazione (progetto + implementazione + relazione descrittiva con risultati di performance ottenuti) dell'attività progettuale assegnata e conseguente produzione di codice e tesina di documentazione.
Codice + relazione vanno consegnate via email al docente almeno 5 giorni prima della valutazione, che verrà svolta tramite colloquio orale con domande puntuali sul progetto e codice sviluppati e su argomenti correlati.

Testi di riferimento

Il materiale mostrato a lezione (slide, esercizi risolti, esercizi suggeriti, esempi e proposte di progetto) sarà interamente messo a disposizione su Virtuale:
https://virtuale.unibo.it/

Codice insegnamento C9586

PROJECT WORK ON INFRASTRUCTURES FOR CLOUD COMPUTING AND BIG DATA M 1° anno · 2° semestre · 3 CFU · 0 file

The project is assigned on an individual base, with a negotiation with the student to identify an area at the state of the art within the field of large middleware systems. At the end of the project, the students have…

Scheda dell'insegnamento

Obiettivi formativi

The project is assigned on an individual base, with a negotiation with the student to identify an area at the state of the art within the field of large middleware systems. At the end of the project, the students have acquired a deep knowledge of the area and also capacity in understanding the global solution strategies. They have to apply the notions and skills acquired in the related class toward a design of a typical (limited) system with some predefined

Programma

The choice of the topics to organize the project around is part of the final evaluation, the same as the technical report given in at the end and the presentation of it (slides for project presentation).
The areas to be chosen can be (other areas can be negotiated): Middleware and service management Cloud Computing Scalable global Computing Federated Data Centers Multicloud systems Serverless comnputing and FaaS IoT Cloud Sustainable Infrastructures for Smart Environments Smart city Infrastructures Industry 5.0
Some more detailed examples:
Observability of Serverless computing Serverless computing represents a novel Cloud Paradigm fostering a loss of control of computational resources for customers that can then focus on developing business logic. In this context, observability frameworks seek evolution in order to provide needed insights to customers to develop, deploy and optimize their services while leaving orchestration and management duties to cloud providers.
Event Mesh
The ever-increasing reliance on IT services of many businesses and realities shaping our society is rapidly increasing the number of IT services deployed opening many challenges for their orchestration and integration. Event mesh architectures aim to relieve this complexity by providing built-in security, observability, and management mechanisms of services deployed and asynchronous, uncoupled, and reliable communication among them.
Data Management and Data Mesh
The increasing pervasivity of devices and services continuously producing data, such as IoT and mobile devices, is opening many new possibilities and enabling a rapid evolution of our society. However, the intrinsic distribution of these data rises major challenges in data management including data ownership management, data availability, and data resiliency. In this context, the Data Mesh approach proposes both technical and organizational solutions supporting data management in highly distributed and heterogeneous scenarios.

Modalità d'esame

The student must present a written report about the project together with the project itself. Also a presentation about the work done is to be prepared and is going to be discussed.

Testi di riferimento

See the corresponding reading list of Infrastructures for Cloud Computing and Big Data M

Codice insegnamento 84533

RICERCA OPERATIVA M 1° anno · 2° semestre · 8 CFU · MATH-06/A · 0 file

Al termine del corso lo studente possiede conoscenze approfondite relative ai modelli matematici per la soluzione di problemi di ottimizzazione. Possiede inoltre le basi della teoria della programmazione lineare e…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede conoscenze approfondite relative ai modelli matematici per la soluzione di problemi di ottimizzazione. Possiede inoltre le basi della teoria della programmazione lineare e mista intera e conosce i principali metodi risolutivi (algoritmo del simplesso, metodo dei piani di taglio, tecniche branch-and-bound, programmazione dinamica). Conosce inoltre i principi della simulazione discreta ed è in grado di definire modelli basati sulla tecnica della programmazione degli eventi.

Programma

Modelli di problemi di ottimizzazione lineare continua, intera e mista.
Algoritmi per l'ottimizzazione lineare continua (Algoritmo del simplesso).
Teoria della Dualità (Algoritmo del simplesso duale).
Algoritmi per la programmazione lineare intera (Algoritmi Cutting Plane, Branch and Bound e Programmazione Dinamica)
Cenni sull'uso dei risolutori per la programmazione lineare continua ed intera.
Nel modulo 2 verranno presentate le principali tecniche per la risoluzione euristica dei problemi di ottimizzazione lineare intera.

Modalità d'esame

Prova Scritta e Prova Orale

Codice insegnamento 72935

SICUREZZA DELL'INFORMAZIONE M 1° anno · 2° semestre · 8 CFU · IINF-05/A · 0 file

Al termine del corso lo studente possiede conoscenze approfondite relativamente agli algoritmi, ai meccanismi, ai protocolli e alle infrastrutture principali per la difesa della sicurezza dell’informazione e dei…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede conoscenze approfondite relativamente agli algoritmi, ai meccanismi, ai protocolli e alle infrastrutture principali per la difesa della sicurezza dell’informazione e dei sistemi di elaborazione da attacchi intenzionali; apprende inoltre i principali concetti teorici alla base della costruzione dei meccanismi crittografici. In particolare, grazie alle conoscenze acquisite sa applicare e adottare i meccanismi, i protocolli e le infrastrutture più idonee a seconda delle caratteristiche specifiche dei contesti applicativi ed è in grado di progettare meccanismi/servizi di sicurezza secondo principi ingegneristici ben definiti e criteri ragionati capaci di raggiungere il miglior bilanciamento possibile tra necessità di sicurezza e altri requisiti applicativi (usabilità, manutenibilità, scalabilità, etc.).

Programma

L'obiettivo del corso è quello di fornire conoscenze e capacità progettuali sui modelli, sistemi e meccanismi per la protezione dei dati nelle reti di sistemi con un taglio sia teorico sia pratico.
Propedeuticità: per trarre maggior profitto dal corso è importante aver chiari i concetti e gli strumenti forniti dai corsi di reti di calcolatori T, sistemi operativi T e laboratorio di sicurezza informatica T.
I contenuti del corso sono suddivisi in tre macro-aree:
1. Crittografia Moderna applicata
Proprietà delle Trasformazioni per la sicurezza dell'informazione PRNG, cifrari a flusso e cifrari a blocco, funzioni hash crittograficamente sicure, cifrari asimmetrici Esempi di attacchi basati sull'uso scorretto dei cifrari e modalità corrette di impiego Esempi di applicazioni delle tecniche crittografiche in alcuni scenari (reti wireless, cloud, IoT, ..) Modelli e sistemi di gestione delle chiavi crittografiche simmetriche e asimmetriche (Key distribution center, PKI, PGP) Esempi di servizi sicuri: Time Stamping Service, PGP
2. Modelli e Sistemi di gestione dell'Identificazione e dell' Autenticazione
Principi di progettazione di protocolli sicuri di identificazione/autenticazione; Protocolli di identificazione/autenticazione Sistemi di identificazione/autenticazione centralizzati con relativi esempi di protocolli/sistemi (Kerberos, ...) Sistemi di identificazione/autenticazione federata con relativi esempi di protocolli/sistemi (Oauth, OpenID, SAML, ..)
3. Tecnologie di blockchain
Principi di funzionamento Piattaforme Bitcoin ed Ethereum
Il corso sarà affiancato da un set di esercitazioni pratiche in aula, in cui gli studenti saranno stimolati a compiere attività a svolgimento guidato in forma di lavoro sia a gruppi sia personale e autonomo. Testi e soluzioni delle esercitazioni saranno rese disponibili sul sito Web del corso.

Modalità d'esame

Il corso prevede una prova finale scritta mirata a valutare il livello di apprendimento raggiunto sia in termini di metodologie di progettazione architetturale e modelli, sia in termini di operatività implementativa in relazione alle principali tecnologie e sistemi descritti e utilizzati nel corso. La prova scritta, della durata di circa 120-150 minuti, prevederà almeno 6 domande, in parte dedicate alla verifica dell'apprendimento teorico e in parte alla risoluzione di esercizi concreti di utilizzo delle tecnologie investigate durante il corso.
E' prevista anche una prova pratica da svolgere autonomamente che verrà presentata e discussa in presenza.
Il voto finale è dato dal risultato ottenuto nella prova scritta. Il superamento della prova pratica è obbligatorio per la registrazione del voto della prova scritta ma non concorre alla determinazione del voto finale.
Gli studenti potranno anche decidere di associare a questo insegnamento l'attività progettuale di Sicurezza dell'Informazione M da 3 CFU
Indicazioni sull'uso di strumenti di intelligenza artificiale generative
L'uso di strumenti di GenAI è ammesso secondo le indicazioni fornite dalla Policy di Ateneo tranne durante le prove scritte in laboratorio.
Per quanto riguarda la verifica dell’apprendimento nella prova scritta, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.
L’uso dell’IA è ammesso per la preparazione della tesi e per la produzione di codice da consegnare in modo dichiarato e limitato SOLO come supporto ma non può sostituire l’apporto originale dello studente. Tuttavia l'uso dell'IA è ammesso in questo caso secondo determinate condizioni.
Sono consentite: sintesi, riformulazioni, brainstorming, chiarificazioni linguistiche e suggerimenti sintattici. Non è assolutamente ammesso il «copia e incolla»
Non è invece permesso che l’IA produca analisi originali, interpretazioni, o parti estese della prova.
L’uso corretto e dichiarato dell’IA non costituisce di per sé elemento premiale, ma è positivamente valutato in relazione alla qualità del contributo personale dello studente.
Lo studente deve sempre dichiarare se abbia fatto ricorso all’IA per la produzione del proprio elaborato, specificando in tal caso quali strumenti abbia utilizzato e per quali attività e indicando esplicitamente quali parti del lavoro siano state assistite. Si richiede che lo studente sia sempre pronto ad argomentare gli output prodotti da strumenti di GenAI.
Un modello di dichiarazione standard è fornito alla pagina web relativa alla Policy di Ateneo

Testi di riferimento

Dispense del Corso disponibili sul sito del corso. I lucidi costituiscono il riferimento principale per gli argomenti trattati.
Bibliografia su Tematiche Generali di Sicurezza:
[1] Bruce Schneier: “Applied Cryptography ” John Wiley 1996
[2] A.J. Menezes, P.C. Van Oorschot, S.A. Vanstone: “Handbook of Applied Cryptography” CRC Press 1997
[3] William Stalling: “Sicurezza delle reti. Applicazioni e standard ” Addison Wesley Longman Italia
[4] William Stallings: "Crittografia e sicurezza delle reti", Mc Graw Hill
[5] G. Karame, E. Androulaki: "Bitcoin and Blockchain Security", Artech House computer security series

Codice insegnamento 72942

SISTEMI CONCORRENTI E PARALLELI M 1° anno · 1° semestre · 8 CFU · IINF-05/A · 0 file

Al termine del corso lo studente possiede conoscenze approfondite a) sull’organizzazione dei sistemi di elaborazione concorrenti e paralleli, in relazione alle caratteristiche dell’hardware utilizzato e con particolare…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede conoscenze approfondite a) sull’organizzazione dei sistemi di elaborazione concorrenti e paralleli, in relazione alle caratteristiche dell’hardware utilizzato e con particolare riguardo ad architetture multiprocessore, multicomputer e a sistemi paralleli ad elevate prestazioni (HPC); b) sulle caratteristiche e sulla struttura interna dei sistemi operativi a supporto dell’esecuzione di applicazioni concorrenti e parallele; c) sui modelli e sugli strumenti per la sincronizzazione tra processi nel modello a memoria comune e nel modello a scambio di messaggi; d) sulle metodologie e sui linguaggi per il progetto di applicazioni concorrenti; e) sulle metodologie e sui linguaggi per il progetto di applicazioni parallele in sistemi paralleli ad elevate prestazioni (HPC), con particolare riguardo al modello architetturale MIMD. In particolare, sa risolvere problemi di sincronizzazione tra attività concorrenti/parallele nel modello a memoria comune e in quello a scambio di messaggi, sa sviluppare programmi concorrenti utilizzando linguaggi di alto livello basati sia sulla condivisione di variabili sia sullo scambio di messaggi, sa sviluppare programmi paralleli in sistemi HPC, con particolare riguardo al modello architetturale MIMD, e sa valutarne le prestazioni.

Programma

1.Introduzione:
Richiami sui concetti di Concorrenza e Parallelismo
Modelli di interazione tra processi concorrenti/paralleli:
memoria comune scambio di messaggi
2.Architetture dei Sistemi Concorrenti e Paralleli
Il modello di Von Neumann caratteristiche e limitazioni Estensioni del modello di Von Neumann: cache, ILP e Hardware Multithreading Architetture parallele: multiprocessori, multicomputer, cluster, sistemi HPC, GPU Classificazione di Flynn.
3. Sviluppo di Software concorrente
Introduzione e definizioni Algoritmi e Processi non sequenziali. Tipi di interazione linguaggi concorrenti proprietà dei programmi concorrenti
3.1 Modello a memoria comune
Richiami e approfondimenti su threads e sincronizzazione:
Caratteristiche e implementazione thread Semafori: proprietà, casi di uso, implementazione.
Uso di linguaggi concorrenti nel modello a memoria comune: la libreria c/pthread.
3.2 Modello a scambio di messaggi
Richiami su canali e primitive Primitive di comunicazione:semantica e implementazione Comandi con guardia Rendez-vous e chiamata di procedura remota Algoritmi per la sincronizzazione in ambiente distribuito
Uso di Linguaggi concorrenti nel modello a scambio di messaggi: google go, ada.
4.Supporto SW alla Concorrenza
Virtualizzazione
Virtualizzazione dell'hardware: finalità e soluzioni Realizzazione di virtual machine monitor: virtualizzazione e paravirtualizzazione Analisi e sperimentazione di tecnologie: il caso di xen
Kernel di sistemi multithreaded/multitask
Realizzazione dei meccanismi di gestione dei processi e di interazione (sincronizzazione e comunicazione) all’interno del kernel di un sistema monoprocessore Estensione al caso multiprocessore: Modello SMP, Modello loosely-coupled.
5. Sistemi HPC e Programmazione parallela
Caratteristiche HW/SW dei sistemi HPC:
Modelli architetturali Esempi di architetture reali Cenni sulle caratteristiche dei sistemi operativi per infrastrutture HPC Strumenti per la gestione del workload in sistemi HPC
Metodologie e metriche per la valutazione delle prestazioni di applicazioni parallele:
Speedup e efficienza Scalabilità strong e weak Leggi di Amdahl e Gustafson
Sviluppo di applicazioni parallele:
Scambio di messaggi: la libreria MPI Memoria comune: open MP Programmazione ibrida

Modalità d'esame

L'esame è articolato in 2 prove obbligatorie:
Prova di laboratorio: sviluppo di applicazioni concorrenti/parallele. Prova orale.
La prova orale può essere sostenuta soltanto dopo il superamento della prova di laboratorio.

Testi di riferimento

G.R.Andrews: "Foundations of Multithreaded, Parallel and Distributed Programming", Addison-Wesley Peter Pacheco, An Introduction to Parallel Programming, Morgan Kauffmann, 2011 P.Ancilotti, M.Boari: 'Programmazione concorrente e distribuita', McGraw-Hill P.Ancilotti, M.Boari A.Ciampolini,G.Lipari: ' Sistemi Operativi', seconda edizione, McGraw-Hill S. Tanenbaum: 'I Moderni Sistemi Operativi', Jackson Libri A.Silberschatz, P.Galvin, G.Gagne: 'Applied Operating System Concepts' I edizione, John Wiley & Son, Inc.

Codice insegnamento B8562

SISTEMI DI ELABORAZIONE ACCELERATA M 1° anno · 1° semestre · 8 CFU · IINF-05/A · 0 file

Al termine del corso lo studente acquisisce competenze avanzate nell'ambito del calcolo accelerato e dei moderni sistemi per l'elaborazione ad alte prestazioni (HPC). In particolare, sviluppa una conoscenza…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente acquisisce competenze avanzate nell'ambito del calcolo accelerato e dei moderni sistemi per l'elaborazione ad alte prestazioni (HPC). In particolare, sviluppa una conoscenza approfondita delle tecnologie di accelerazione disponibili, dalle estensioni SIMD fino alle moderne architetture GPU e framework emergenti per il calcolo eterogeneo, maturando la capacità di ottimizzare problemi computazionali attraverso la scelta appropriata di pattern algoritmici, formati numerici e strategie di decomposizione del calcolo. Lo studente padroneggia gli strumenti di programmazione per l'accelerazione su CPU e attraverso CUDA per GPU, acquisendo una comprensione avanzata dei modelli di esecuzione e delle tecniche di ottimizzazione specifiche per ogni piattaforma. Queste capacità permettono di sviluppare soluzioni computazionalmente efficienti in ambiti all'avanguardia quali intelligenza artificiale, elaborazione di big data e calcolo scientifico ad alte prestazioni.

Programma

Architetture e modelli di programmazione per calcolo a elevate prestazioni. Nel corso si farà paricolare riferimento a tematiche inerenti computer vision e intelligenza artificiale.
1: Introduzione al calcolo a elevate prestazioni
Concetti fondamentali del calcolo parallelo Architetture per calcolo a elevate prestazioni: CPU multi-core, GPU, sistemi embedded
2: SIMD and Multi-threading (Modulo 1)
Introduzione al SIMD Principi di multi-threading SIMD e Multi-threading
3: GPU e Programmazione CUDA C (Modulo 2)
Modello di Programmazione CUDA Architetture GPU e Modello di Esecuzione CUDA Gerarchia e Organizzazione della Memoria GPU Ecosistema CUDA: Librerie e Applicazioni
4: Rappresentazione ed elaborazioni con numeri reali (Modulo 1)
Floating point Fixed point
5: Tecnologie Emergenti (Modulo 1)
FPGA (Field Programmable Gate Array)

Modalità d'esame

La verifica consiste nello sviluppo automomo di un progetto (gruppi di non più di due studenti) e in domande sui temi del corso.
Studenti/sse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it): sarà sua cura proporre agli/lle studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnament

Testi di riferimento

Lucidi e codice disponibili in Virtuale.
Per approfondimenti:
Cheng, J., Grossman, M., McKercher, T. (2014). Professional CUDA C Programming. Wrox Pr Inc. (1^ edizione)
Kirk, D. B., Hwu, W. W. (2013). Programming Massively Parallel Processors. Morgan Kaufmann (3^ edizione)
Timothy G. Mattson, Yun (Helen) He, Alice E. Koniges, The OpenMP Common Core: Making OpenMP Simple Again, MIT Press, 2019
Jean-Michel Muller , Nicolas Brunie , Florent de Dinechin , Claude-Pierre Jeannerod , Mioara Joldes , Vincent Lefèvre , Guillaume Melquiond , Nathalie Revol , Serge Torre, Handbook of Floating-Point Arithmetic, Springer Birkhäuser 2018
Jean-Michel Muller, Elementary Functions: Algorithms and Implementation, Springer Birkhäuser 2016

Codice insegnamento B8563

SISTEMI IN TEMPO REALE M 1° anno · 1° semestre · 8 CFU · IINF-05/A · 0 file

Al termine dell'insegnamento lo studente conosce le peculiarità, i principi architetturali e le problematiche di progetto dei sistemi di elaborazione in tempo reale. In particolare, a) conosce le differenze fra task…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'insegnamento lo studente conosce le peculiarità, i principi architetturali e le problematiche di progetto dei sistemi di elaborazione in tempo reale. In particolare, a) conosce le differenze fra task “hard real-time”, task “soft real-time” e task senza vincoli temporali; b) conosce i modelli di riferimento dei task periodici, sporadici e aperiodici, nonché le relative strategie di schedulazione; c) comprende e padroneggia le problematiche di condivisione di risorse fra task contraddistinti da vincoli temporali; d) sa applicare metodi per la valutazione delle prestazioni e la verifica a priori della schedulabilità di applicazioni multitasking real-time; e) è in grado di esemplificare gli aspetti di carattere teorico e metodologico con riferimento a pattern tipici del contesto applicativo dell'automazione e del controllo di processi industriali.

Programma

Nozioni introduttive, peculiarità e problematiche inerenti la progettazione dei sistemi di elaborazione in tempo reale. Strutturazione di un'applicazione in termini di processi cooperanti. Tipologie di processi. Processi con o senza vincoli temporali. Processi “hard real-time” e “soft real-time”. Parametri temporali e modelli di riferimento per processi periodici, sporadici e aperiodici.
Strategie per la schedulazione di processi periodici e sporadici. Strategie “off-line”: l'approccio “cyclic executive”. Strategie “on-line” di tipo statico: gli algoritmi “Rate Monotonic Priority Ordering” e “Deadline Monotonic Priority Ordering”. Strategie “on-line” di tipo dinamico: gli algoritmi “Earliest Deadline First” e “Least Slack Time First”. Il problema della verifica a priori della schedulabilità di un'applicazione. Metodi basati sulla costruzione di diagrammi temporali, criteri basati sul fattore di utilizzazione del processore, calcolo del tempo di risposta dei processi, l'approccio “processor-demand”.
Strategie per la schedulazione di processi aperiodici: Servizio in background o tramite server. Server a priorità statica: “Polling Server”, “Deferrable Server”, “Priority Exchange Server”, “Sporadic Server”. Server a priorità dinamica: “Constant Utilization Server”, “Total Bandwidth Server”. Valutazione delle prestazioni.
La condivisione di risorse tra processi: il problema dell'inversione di priorità e del blocco dei processi. I requisiti, dal punto di vista sia funzionale che prestazionale, dei protocolli di accesso a risorse condivise. I protocolli “Nonpreemptive Critical Section”, “Priority Inheritance”, “Ceiling Priority”, “Immediate Ceiling Priority”, “Stack Resource Policy” . Valutazione delle prestazioni.
Esemplificazione degli aspetti di carattere teorico e metodologico con riferimento a pattern tipici del contesto applicativo dell'automazione e del controllo di processi industriali.

Modalità d'esame

La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi formativi:

  • conoscenza approfondita, dal punto di vista sia algoritmico che realizzativo, delle moderne strategie per la schedulazione di processi hard real-time;
  • conoscenza approfondita dei protocolli di accesso a risorse condivise in sistemi real-time;
  • capacità di impiegare i più efficienti criteri e le più efficaci metodologie al fine di verificare a priori la schedulabilità di applicazioni multi-tasking real-time.
    L'esame consiste in una prova scritta della durata di quattro ore, nella quale lo Studente può liberamente consultare una copia cartacea del materiale didattico disponibile sul sito WEB del corso al fine di identificare una corretta soluzione ai problemi progettuali proposti. Non è viceversa consentito l'uso di altro materiale o di tecniche di AI, anche generativa. Qualunque violazione di questa regola causerà l'immediato annullamento dell'esame.
    Studenti/sse con DSA o disabilità temporanee o permanenti sono invitati/e a contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it). Sarà cura del personale di tale ufficio proporre agli/lle Studenti/sse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
    E' consentito rifiutare il voto conseguito al più una volta.

Testi di riferimento

1. J. W. S. LIU: 'REAL-TIME SYSTEMS', PRENTICE HALL, 2000.
2. J. COOLING: 'SOFTWARE ENGINEERING FOR REAL-TIME SYSTEMS', ADDISON WESLEY, 2003.
3. G. C. BUTTAZZO: 'HARD REAL-TIME COMPUTING SYSTEMS', Third Edition, SPRINGER, 2011.

Codice insegnamento 72945

TECHNOLOGY ENTREPRENEURSHIP M 1° anno · 1° semestre · 6 CFU · IEGE-01/A · 0 file

L'obiettivo del corso è fornire ai partecipanti in primo luogo le capacità di identificare, valutare le opportunità tecnologiche con potenzialità di sfruttamento commerciale. Successivamente il corso si propone di…

Scheda dell'insegnamento

Obiettivi formativi

L'obiettivo del corso è fornire ai partecipanti in primo luogo le capacità di identificare, valutare le opportunità tecnologiche con potenzialità di sfruttamento commerciale. Successivamente il corso si propone di fornire le competenze per poter organizzare le azioni imprenditoriali e implementarle con successo o sotto forma di creazione di nuova impresa, o sotto forma di generazione di nuovi business all'interno di imprese esistenti. Agli studenti saranno presentati modelli teorici di riferimento e tool pratici per poter capire e implementare azioni imprenditoriali di successo.

Programma

a) Introduzione all'imprenditorialità
b) Identificazione di nuove opportunità di business;
c) Analisi dei contesto esterno;
d) Analisi di condizioni organizzative per favorire corporate entrepreneurship;
e) Le caratteristiche individuali dell'imprenditore;
f) Ecosistemi imprenditoriali;
g) Gli strumenti di supporto all'imprenditorialità;
h) Laboratorio di sviluppo idee imprenditoriali Tech2Market

Modalità d'esame

Il corso è in inglese e prevede una valutazione in itinere basata su:

  • discussione dei casi in aula (20%)
  • Laboratorio Tech2Market (50%)
  • Prova finale individuale (30%)

Testi di riferimento

Barringer, B.R. and Ireland, R.D. 'Entrepreneurship: successfully launching new ventures', Pearson Education.
Copie of the book are available at the library of the School of Engineering in Via Terracini

Codice insegnamento 73412

TECNOLOGIE E SISTEMI PER LA GESTIONE DI BASI DI DATI E BIG DATA M 1° anno · 2° semestre · 8 CFU · IINF-05/A · 0 file

Al termine del corso lo studente ha una conoscenza approfondita dei principi realizzativi dei sistemi di gestione di basi di dati, sia dal punto di vista concettuale che dal punto di vista tecnologico. In particolare:…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente ha una conoscenza approfondita dei principi realizzativi dei sistemi di gestione di basi di dati, sia dal punto di vista concettuale che dal punto di vista tecnologico. In particolare: conosce l'architettura di un DBMS; possiede un'avanzata abilità nella progettazione fisica di un DB relazionale, conoscendo a fondo le differenti tecnologie utilizzate nella risoluzione delle interrogazioni; è in grado di applicare paradigmi alternativi di interrogazione dei dati; conosce i diversi modelli di dati utilizzati nei sistemi Big Data (NoSQL).

Programma

L'allievo che accede a questo insegnamento conosce i modelli e degli strumenti per l'organizzazione e la gestione e il progetto di basi di dati relazionali. Tali conoscenze sono acquisite, di norma, superando l'esame di "Sistemi Informativi T" della laurea in Ingegneria Informatica.
Architettura di un DBMS Principali moduli e loro ruolo. Il Data Base fisico Gestione della memoria: dispositivi, pagine e file. Rappresentazione di attributi e tuple. Lettura e scrittura di pagine: il buffer manager. Tipi di file. Valutazione dei costi di alcune operazioni di base sui file. Indici mono-dimensionali Tipi di indici. Indici ad albero: Il B-tree e il B+-tree. Indici hash: hash statico, hash dinamico. Dati e indici multi-dimensionali (spaziali) Interrogazioni spaziali. Indici per punti (k-D e k-D-B-tree), indici per oggetti estesi (R-tree), GiST. Implementazione degli operatori relazionali Operatori logici e operatori fisici: sort (sort-merge esterno a Z vie), selezione (sequenziale, con indice, con più indici), proiezione (sort-based, hash-based, con indice), join (nested loops, block nested loops, merge scan, hash join), operatori insiemistici (unione e differenza), operatori di aggregazione. Elaborazione di interrogazioni Passi del processo di elaborazione. Check semantici e uso dei cataloghi. Riscrittura di interrogazioni SQL. Profili statistici: valori medi e istogrammi. Stima dei costi e della dimensione dei risultati. Piani di accesso: valutazione per materializzazione e in pipeline. Il processo di ottimizzazione: enumerazione dei piani di accesso e regole di dominazione. Determinazione del piano ottimale mediante programmazione dinamica. Gestione delle transazioni Controllo della concorrenza: tipi di problemi, lock e protocollo Strict 2PL. Protezione dai guasti: log file, protocollo WAL, gestione del buffer e del commit, checkpoint e DB dump. Progettazione fisica di Basi di Dati Carico di lavoro, selezione degli indici. Tuning delle prestazioni (indici, schema e interrogazioni). Ranking dei risultati Motivazioni e limiti delle soluzioni sinora viste per interrogazioni Top-k. Estensione di SQL per il ranking dei risultati. Interrogazioni Top-k mono- e multi-dimensionali: spazio degli attributi, pesatura degli attributi, funzioni distanza, valutazione mediante B+-tree e suoi limiti. Algoritmi basati su R-tree: k nearest neighbor e distance browsing. Interrogazioni Top-k di join: modalità di accesso sorted e random, funzioni di scoring, relazioni con le funzioni distanza. Algoritmi B0, FA, TA, CA e NRA. Interrogazioni Skyline Concetto di dominazione, relazione con le funzioni di scoring, algoritmi senza indice (NL, BNL, SFS, SaLSa) e con indice (BBS). Big Data & NoSQL DBMS Hadoop e il paradigma MapReduce. Modelli di dati alternativi al relazionale. Il teorema CAP.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso un esame finale, che accerta l'acquisizione delle conoscenze e delle abilità attese tramite lo svolgimento di una prova orale con entrambi i docenti, da svolgersi in un'unica seduta. Il voto finale tiene conto della valutazione di entrambi i docenti. La data di svolgimento di tale prova va concordata con entrambi i docenti. In caso di appelli numerosi, è possibile venga richiesto lo svolgimento di una prova scritta con domande a risposta aperta.
Il superamento dell'esame sarà garantito agli studenti che dimostreranno padronanza e capacità operativa in relazione ai concetti chiave illustrati nell'insegnamento. Un punteggio più elevato sarà attribuito agli studenti che dimostreranno di aver compreso ed essere capaci di utilizzare tutti i contenuti dell'insegnamento, illustrandoli con capacità di linguaggio, e risolvendo problemi anche complessi non necessariamente incontrati a lezione. Il mancato superamento dell'esame potrà essere dovuto all'insufficiente conoscenza dei concetti chiave, alla mancata padronanza del linguaggio tecnico, alla mancata o insufficiente capacità di astrazione dei concetti.

Testi di riferimento

I seguenti testi sono consigliati per approfondimenti sui contenuti del corso:
P. Ciaccia, D. Maio: Lezioni di Basi di Dati, Esculapio A. Albano: Costruire Sistemi per Basi di Dati, Addison-Wesley R. Ramakrishnan, J. Gehrke: Database Management Systems, McGraw-Hill P. Lewis, A. Bernstein, M. Kifer: Databases and Transaction Processing, Addison-Wesley D.E. Shasha, P. Bonnet: Database Tuning, Morgan Kaufmann

Codice insegnamento 84530

AGENTIC AI SYSTEMS M 2° anno · 2° semestre · 8 CFU · IINF-05/A · 0 file

At the end of this course, the student will have a solid understanding of the state of the art and the key conceptual and practical aspects of the design, implementation, and evaluation of agentic AI systems. These are…

Scheda dell'insegnamento

Obiettivi formativi

At the end of this course, the student will have a solid understanding of the state of the art and the key conceptual and practical aspects of the design, implementation, and evaluation of agentic AI systems. These are systems that can act autonomously, make decisions, and effectively interact with their environment to achieve goals. The student will gain in-depth knowledge of the latest advancements in agentic AI, including current research trends and emerging technologies, and develop practical skills and hands-on experience in designing such systems. The course will equip the student with the ability to critically assess the ethical, societal, and philosophical implications of these technologies, providing an interdisciplinary perspective to the field.

Programma

Si prega di fare riferimento alla pagina in Inglese. Il corso sara' svolto in lingua Inglese.

Codice insegnamento B8565

ATTIVITÀ PROGETTUALE DI FONDAMENTI DI COMPUTER GRAPHICS M 2° anno · 2° semestre · 3 CFU · 0 file

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso Fondamenti di computer graphics M per lo svolgimento in autonomia di un'attività di approfondimento o un progetto su un argomento…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso Fondamenti di computer graphics M per lo svolgimento in autonomia di un'attività di approfondimento o un progetto su un argomento concordato con il docente titolare dell'insegnamento.

Codice insegnamento 72965

ATTIVITÀ PROGETTUALE DI GESTIONE DELL'INNOVAZIONE E DEI PROGETTI M 2° anno · 1° semestre · 3 CFU · 0 file

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso di Gestione dell’innovazione e dei progetti M per lo svolgimento in autonomia di un'attività di approfondimento o un progetto su un…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività lo studente sa applicare le conoscenze acquisite nel corso di Gestione dell’innovazione e dei progetti M per lo svolgimento in autonomia di un'attività di approfondimento o un progetto su un argomento concordato con il docente titolare dell'insegnamento.

Codice insegnamento 72971

ATTIVITÀ PROGETTUALE DI METODOLOGIE DI PROGETTAZIONE HARDWARE-SOFTWARE M 2° anno · 1° semestre · 3 CFU · 0 file

Applicare le conoscenze acquisite nel corso Metodologie di progettazione hardware-software M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con il docente titolare…

Scheda dell'insegnamento

Obiettivi formativi

Applicare le conoscenze acquisite nel corso Metodologie di progettazione hardware-software M per lo svolgimento in autonomia di un'attività di approfondimento su un argomento concordato con il docente titolare dell'insegnamento.

Codice insegnamento 72985

COMPUTER VISION AND IMAGE PROCESSING M 2° anno · 1° semestre · 8 CFU · IINF-05/A · 0 file

At the end of the course the students know the basic principles of computer vision and image processing algorithms. Thereby, they are able to understand and apply a variety of algorithms and operators aimed at either…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course the students know the basic principles of computer vision and image processing algorithms. Thereby, they are able to understand and apply a variety of algorithms and operators aimed at either extracting relevant semantic information from digital images or improving image quality. They also understand the diverse challenges and design choices characterizing the main applications and acquire familiarity with software tools widely adopted in these scenarios.

Programma

ll corso è in inglese: vedi la sezione in lingua inglese.

Modalità d'esame

ll corso è in inglese: vedi la sezione in lingua inglese.

Testi di riferimento

ll corso è in inglese: vedi la sezione in lingua inglese.

Codice insegnamento 73302

CYBERSECURITY M 2° anno · 1° semestre · 8 CFU · IINF-05/A · 0 file

In a digital world, every activity is vulnerable to cyber attacks. At the end of the course the students are able to know and evaluate the most dangerous cyber threats to the society and to specific organizations and…

Scheda dell'insegnamento

Obiettivi formativi

In a digital world, every activity is vulnerable to cyber attacks. At the end of the course the students are able to know and evaluate the most dangerous cyber threats to the society and to specific organizations and industries. Moreover, they are expected to be able to design and build secure systems by adopting modern defensive strategies and technologies that are discussed in class and experimented in lab.

Programma

Cyber scenario Cybersecurity goals: security and availability of information and services
Defensive and Offensive security
Analysis of cyber threats: actors and motivations (Too many) vulnerability human and technological issues A top-down approach to cybersecurity Cyber risk management Qualitative and quantitative evaluation Strategie, policitiche e tecnologie Assessment e validation Cyber threat intelligence Modern approaches: AI for cybersecurity, Zero Trust, Deception

Modalità d'esame

The students can choose between two alternatives. (1) Oral exam that includes the analysis of a networked system and its services, discussion about cybersecurity issues, presentation of possible solutions. (2) Project (max 3 students), presentation of the results and discussion. The students interested to the option (2) must agree on the topic of the group project with the teacher before the end of November 2025 and complete the assessment in the first exam session (by the end of February 2026).
The students interested to the option (1) can take the exam whenever they want.
cum laude

Testi di riferimento

Slides, teacher's notes, book chapters, scientific articles and online resources indicated on the course website (virtuale.unibo.it).

Codice insegnamento B5793

DEVOPS AND MICROSERVICES M 2° anno · 1° semestre · 4 CFU · IINF-05/A · 0 file

Architettura a ponte e a microservizi. Un breve richiamo ai fondamenti della piattaforma dal primo corso, poi l'evoluzione dal monolite all'SOA, ai microservizi e al monolite modulare; il Domain-Driven Design come…

Scheda dell'insegnamento

Programma

Architettura a ponte e a microservizi. Un breve richiamo ai fondamenti della piattaforma dal primo corso, poi l'evoluzione dal monolite all'SOA, ai microservizi e al monolite modulare; il Domain-Driven Design come strumento di confine; quando i microservizi aiutano un piccolo team e quando lo sovraccaricano; e il fico strangolatore e il livello anti-corruzione per la migrazione di sistemi legacy. Orchestrazione di container con Kubernetes. Piano di controllo, kubelet ed etcd; pod, deployment, servizi, ConfigMap e secret; operatori e CRD; packaging Helm; e consapevolezza dell'ingegneria della piattaforma. Questo si basa sul runtime di containerizzazione di EP5 e si collega all'obiettivo di orchestrazione dei container. Distribuzione e automazione. Il ciclo DevOps; integrazione, distribuzione e distribuzione continue; infrastruttura come codice con Terraform e Ansible; pipeline come codice con GitLab CI e GitHub Actions per la portabilità; GitOps con ArgoCD o Flux; le quattro metriche DORA e benchmarking; e licenze open source. Service mesh. Fondamenti e un'analisi completa con Istio; il pattern sidecar e la distinzione tra piano dati e piano di controllo; CRD di Istio (VirtualService, DestinationRule, Gateway); canary e traffic shifting, circuit breaking e fault injection; mTLS e AuthorizationPolicy; la questione sidecar vs. ambiente; gateway nord-sud contro mesh est-ovest; e dettagli interni di Envoy (listener, catene di filtri, cluster, xDS). Pattern di dati per microservizi. Inquadramento ACID-inside e BASE-across, e perché il commit a due fasi è stato abbandonato; saga, coreografata contro orchestrata; l'outbox transazionale, basata sulle fondamenta di Kafka di EP6; e event sourcing e CQRS con una discussione onesta sui costi. Osservabilità. Osservabilità contro monitoraggio; logging strutturato e cosa non registrare; metriche con RED e USE; tracce, span e propagazione del contesto; la pipeline dalla strumentazione all'archiviazione e all'analisi; OpenTelemetry come standard unificante; implementazione in Kubernetes; e il set di strumenti (Prometheus, Grafana, Jaeger, Tempo, Loki, eBPF). Resilienza e chaos engineering. Timeout con budget; tentativi con backoff esponenziale e jitter; circuit breaker, bulkhead, limitazione della velocità e riduzione del carico; quando non ritentare e gli scenari di amplificazione; chaos engineering e la sua derivazione da Netflix; e SLO, SLI e budget di errore. Serverless e Function as a Service. AWS Lambda, Azure Functions e Google Cloud Functions in breve; Knative come FaaS nativo di Kubernetes; OpenFaaS e Fission; il problema del cold-start con concorrenza provisionata, SnapStart e immagini native; e edge computing con Cloudflare Workers, Deno Deploy e Fastly Compute. Nuove frontiere e casi di studio. WebAssembly e WASI; le problematiche operative dell'inferenza; e i casi di studio di produzione (Netflix, Uber, Discord, Shopify).

Modalità d'esame

Il corso prevede una prova finale orale mirata a valutare il livello di apprendimento raggiunto sia in termini di metodologie di progettazione architetturale e modelli, sia in termini di operatività implementativa in relazione alle principali tecnologie descritte e utilizzate nel corso. La prova orale, della durata di circa 45-60 minuti, prevederà almeno quattro domande, in parte dedicate alla risoluzione di esercizi concreti di utilizzo delle tecnologie enterprise investigate durante il corso.
Gli studenti potranno anche decidere di associare a questo insegnamento una attività progettuale (4 cfu a partire dall'aa 2013/2014) - per maggiore dettagli, vedere la voce della guida che descrive tale attività formativa.

Testi di riferimento

Il materiale mostrato a lezione (slide, esercizi risolti, esercizi suggeriti, esempi e proposte di progetto) sarà interamente messo a disposizione su Virtuale:
https://virtuale.unibo.it/
Come utile riferimento a materiale già disponibile, si veda anche la pagina di Virtuale relativa all'aa precedente:
https://virtuale.unibo.it/course/view.php?id=78077
Testi suggeriti:
A.L. Rubinger, B. Burke, Enterprise JavaBeans 3.1, 1st ed., O'Reilly, 2010 D. Ayers et al., Professional Java Server Programming: with Servlets, JavaServer Pages (JSP), XML, Enterprise JavaBeans (EJB), JNDI, CORBA, Jini and Javaspaces, 1st edition, Wrox, 1999 C. Walls, Spring in Action, 3rd ed., Manning, 2011 C. Bauer, G. King, Java Persistence with Hibernate, Manning, 2006 J.S. Perry, Java Management Extensions, 1° ed., O'Reilly, 2002
Altre utili sorgenti on-line di informazioni:
SUN tutorial, http://java.sun.com/j2ee/overview.html [http://lia.deis.unibo.it/Courses/sd1213-info/lucidi/JavaEETutorial.pdf]EJB tutorial by IBM [http://www.ibm.com/developerworks/java/tutorials/j-gsejb/] Uso di Eclipse IDE e JBoss [http://en.wikibooks.org/wiki/J2EE_Programming/IDE/Eclipse]

Codice insegnamento C9577

DIGITAL HEALTH M 2° anno · 1° semestre · 8 CFU · IINF-05/A · 0 file

At the end of this interdisciplinary course unit, the student will acquire a deep knowledge on today's healthcare delivery systems (national and international ones) and their associated payer models, as well as on key…

Scheda dell'insegnamento

Obiettivi formativi

At the end of this interdisciplinary course unit, the student will acquire a deep knowledge on today's healthcare delivery systems (national and international ones) and their associated payer models, as well as on key determinants of health/wellness and the opportunities that digital health could bring based on these determinants. In addition, the student will be able to understand the primary models in the field, as well as the most relevant digital health technologies (from sensing and monitoring to medical devices, including software as a medical device, to mobile health apps, to health data science and health AI). By delving into finer details, the student will learn about how to re-think the digital health technology space into the directions of 'personal health informatics' and 'personal health cybernetics'. In addition, she will learn an advanced digital health technology/study in a specific disease/condition area (selected from a list provided by the instructor and also by the student via negotiation with the instructor). Finally, the student will learn through practice in designing and implementing an interdisciplinary group project, which will focus on either a personal health system or a health data science project. Lists of projects will be provided by the instructor, but student groups are welcome to propose their own projects, pending the instruction's approval.

Programma

Healthcare and aging care are under economical and operational capacity pressures and are currently undergoing digital transformations, mainly utilizing several technologies, data science, AI, and digitalization to significantly cut unit and total cost of care, improve health outcomes, eradicate certain costly diseases, and in general, focus more on preventive and proactive measures (active and healthy living and aging through a continuum-of-care), than maintaining the status quo of a reactive disease management system (a point-of-care system).
This ambitious transformation is collectively referred to as “Digital Health” backed by an emerging and growing “Health Tech” industry. This emerging industry and the future health care delivery systems are needy of a skilled workforce equipped with the interdisciplinary knowledge and expertise to drive the implementation of such ambitious transformational changes. This interdisciplinary course on Digital Health entails aims to prepare such workforce of the future – the agents of change and the Digital Health leaders of the future.
Course Lectures:
1. Introduction to Digital Health (4 hours) Defining digital health from several perspectives. Providing different overviews addressing the different contexts of use and applicability of digital health including the broad array of digital health technologies. This module also provides an outline of all subsequent modules below.
2. Determinants of Health & Wellbeing (6 hours) What are the key determinants of a person's health, and which determinants stand to benefit the most from digital health? And how do we measure health and wellbeing? If we use digital health as a prevention or intervention, we should have a way to measure its effect - the health outcomes.
3. Healthcare Delivery Systems (6 hours) This module will shed light on the different care systems and their payer models in several parts of the world, spanning national and private care systems showing their unit and total cost and their pros and cons. This knowledge provides an essential context to the understanding of the roles digital health may play in anticipated future health transformations.
4. The Future of Health (6 hours) So how can digital health shape a better future for health? What would such a future look like in terms of health systems, focus, cost, center of gravity, technology, and services? We go through a "science fiction prototyping" (a visioning exercise) of such a future, and then zoom in to research-evident clues of the future of health as provided by specialized reports such as Deloitte Health Transformation group among others.
5. Group Research Project (4 hours) Systematic literature review of a digital health research/development/technology area of focus. This module will discuss the assignment and will provide a good example of a review completed by students in a prior offering of this course. Additionally, a tutorial (2 hours) on methodologies to conduct systematic research reviews will be given along with a video recording.
6. Case Studies in Digital health (6 hours). We examine the current effect and influence of digital health through two case studies, one related to COPD (a pulmonary disease) and another to Atrial Fibrillation (a Cardiovascular disease).
7. Clinical Efficiency and Healthcare Delivery Improvements (4 hours) Covering how digital health can help improve the processes of care delivery (e.g., a consultation visits in the doctor's office, or performing a medical or diagnostic procedure in a hospital). Also, how to reduce unit and total cost and time taken in these processes. Clinical efficiency also addresses reductions of errors and personal bias in medical practice.
8. The Ethics and Regulatory Requirements for Conducting Digital Health Systems based Clinical Studies (6 hours): We briefly learn about the ethical issues relevant to research or product/prototype development that involves the participation of humans for any reason. We will focus on the required regulatory pathways for developing medical devices or software as a medical device (SaMD). You will specifically learn about the University of Bologna Ethics Review Committee (Comitato etico) process and regulatory policies including participants recruitment, consent, and ethics protocol design, privacy, and secure data management.
9. Health AI - Part I. (6 hours): Here you will recall basics of statistics particularly emphasizing descriptive and referential statistics as well as regression analysis. Then you will learn the basics of Machine Learning techniques including unsupervised learning (pattern discovery and clustering), and supervised learning (detection, classification, and prediction). Health datasets will be provided as well as tutorials (in addition to the lectures) to prepare you to analyze the data and develop models and train them to answer key classification or prediction questions. Python will be required but this is the easy part as you will only need to know/learn the very basics of Python in case you do not have prior Python experience (a tutorial for Python beginners will be provided (2 hours). More involved would be the Data Science libraries such as numpy, pandas, seaborn and matplotlib that you will need to learn and understand. Jupyter Notebook will also be required. You will be required to use Google Colab to avoid any individual installation issues on your laptop of Python 3.1, its libraries, Jupyter Notebook, and also to speed up your work particularly training and cross validation. A tutorial (3 hours) will be delivered off class hours to go over a full modeling exercise utilizing a fetal health dataset. You will enjoy this intense module if you are eager to learn and are motivated to be knowledgeable about Health Analytics and Health AI
10. Health AI - Part II. In this module, you will continue to learn about Health AI focusing on the basics of Deep Learning techniques suited for medical imaging data (classification an regression). Deep learning is a special type of machine learning which is particularly capable of handling large amounts of very complex data. You will particularly learn Convolutional Neural Networks (CNN) and get introduced to ImageNet before being introduced to Transfer Learning and Data Augmentation. Finally, you will get to see the limitation of CNN and introduced to the wonderful concept of Attention (instead of Convolution). You will learn the Transformer model in Vision (Vision Transformer, or ViT). A tutorial focusing on CNN and ViT along with their performance comparison will be delivered (4 hours).
11. Group Hands-on Projects (4 hours) Several projects will be defined and offered in three thrust areas: mobile Health, Health AI and Health IoT (Internet of Things). Students will also be allowed to propose their own projects, but such proposals will have to be approved by Professor Helal and may be changed in scope. All projects will be discussed in the lectures of this module.
12. Health IoT, Wearables, and Smart Homes (9 hours) This module focuses on technologies including personal health systems where wearables, Health IoT (Internet of Things) and sensors are used to create systems for a variety of purposes such as monitoring, diagnosis, intervention, support and empowerment, compliance, among other goals. A particular kind of digital health system is Mobile Health in which mobile health apps are designed with similar goals in mind and the smartphone is used as a key component of such personal health systems. Mobile apps go beyond physical markers and vital signs that can be sensed by a pervasive system to include behavioral marker and markers related to lifestyles. Then we move to a more complex digital health systems which are health platforms such as smart homes and smart hospitals. We will focus on smart homes this term. The important difference in requirement and approach between devices, solutions, and platforms will be explained. Case studies will be provided.
13. Human Activity Recognition (HAR) (3 hours) This module focuses - briefly - on methods, models, and techniques to "making sense of sensor data" sourced from the users and their devices or platforms. We will cover several approaches to activity recognition including AI based, probabilistic, and the emerging LLM methods.
14. Human Persuasive Cybernetics (3 hours). The Cybernetics of digital health systems represents the other direction of traffic where intervention, user/patient engagement, and health maintenance can be delivered and implemented. Ensuring user engagement and convergence is not easy and numerous “behavioral change models” have been proposed and studied. We will cover some of these models to the extent of clearly understanding the problem but not fully covering all available solution alternatives.

Modalità d'esame

Assessment will be based on individual interviews. All interviews will be held after the lecturing period ends. Students will be asked three questions each individually about the subjects studied to verify they meet the course learning objectives (about 15 min for each student).

Testi di riferimento

In addition to class lecture slides, the instructor will provide a number of research and practice papers, technology reports, and datasets.

Codice insegnamento B8018

DISCRETE AND NETWORK OPTIMIZATION PROBLEMS M 2° anno · 1° semestre · 4 CFU · MATH-06/A · 0 file

Prerequisiti: Si richiede che lo studente abbia seguito il corso Ricerca Operativa M o un corso equivalente sulla Ricerca Operativa. Programma: Problemi fondamentali su grafi Albero ricoprente di costo minimo Problemi di…

Scheda dell'insegnamento

Programma

Prerequisiti: Si richiede che lo studente abbia seguito il corso Ricerca Operativa M o un corso equivalente sulla Ricerca Operativa. Programma: Problemi fondamentali su grafi Albero ricoprente di costo minimo Problemi di cammini minimi Reti di flusso Problemi di flusso massimo Problemi di flusso a costo minimo Modelli matematici per problemi su grafi e reti TSP e Vehicle Routing
Packing
Vertex Coloring
Soluzione di problemi di dimensione esponenziale

Modalità d'esame

Prova scritta e orale da sostenere nello stesso appello.

Testi di riferimento

S. Martello, Ricerca Operativa [http://www.editrice-esculapio.com/martello-ricerca-operativa-per-la-laurea-magistrale/], Esculapio (progetto Leonardo), Bologna, 2021.
Lecture Notes

Codice insegnamento C9581

DISTRIBUTED AUTONOMOUS SYSTEMS M 2° anno · 2° semestre · 8 CFU · IINF-04/A · 0 file

The course focuses on the design of control, optimization and learning methods and software tools for teams of autonomous systems. These systems consist of cooperative agents, as intelligent robots, autonomous vehicles…

Scheda dell'insegnamento

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

Obiettivi formativi

The course focuses on the design of control, optimization and learning methods and software tools for teams of autonomous systems. These systems consist of cooperative agents, as intelligent robots, autonomous vehicles and decision systems, that aim at performing complex tasks according to a federated and distributed computing paradigm. At the end of the course students will know how to design selected distributed control, optimization and learning algorithms to solve complex tasks involving teams of autonomous systems. To bridge the gap between theory and application, laboratory activities will allow students to design software tools for the studied algorithms and apply them to a number of application domains, including, e.g., planning,guidance and optimal control of cooperative autonomous vehicles and intelligent robots as well as machine learning and data analytics for decision systems.

Programma

Introduction to Distributed Autonomous Systems New paradigms and application domains of autonomous systems: decision systems for data analytics (e.g., recommender systems and localization), sensor networks, cooperative robotics, cooperative mobility, smart energy systems. Introduction to distributed systems: centralized versus distributed computing, key properties and main goals for distributed systems. Modeling of distributed systems Models of distributed systems. Graph theory as a tool to model communication among network agents. Preliminaries on graph theory and examples. Distributed algorithms and distributed control laws. Introduction to Python programming for distributed computing and cooperative robotics via Robotic Operating System 2. Basic distributed algorithms Averaging protocols and linear consensus algorithms for multi-agent systems. Complex tasks (e.g., autonomous formation control, containment in leader-follower networks) based on linear consensus algorithms. Practical Python and ROS 2 implementation of averaging and distributed control laws on case study examples from decision and control networks. Introduction to distributed optimization Optimization basics. Main problem set-ups and examples from estimation, machine learning, decision making, and control in cyber-physical networks. Distributed decision making via consensus optimization Consensus optimization algorithms based on averaging. Distributed gradient and gradient tracking methods. Practical Python implementation on case studies from federated and distributed machine learning, e.g., logistic regression, support vector machine, training of neural networks for classification. Cooperative robotics via distributed optimization Distributed optimization setups and algorithms for robotic applications. Hierarchical robotic control architectures. Practical Python implementation on case study examples from formation control, collision avoidance, surveillance and task allocation in cooperative robotics. ROS 2 toolboxes for cooperative robotics.

Modalità d'esame

Guardare la pagina in lingua inglese.

Testi di riferimento

Guardare la pagina in lingua inglese.

Codice insegnamento 92995

ENTERPRISE DISTRIBUTED SYSTEMS AND DEVOPS M I.C. 2° anno · 1° semestre · 0 file

Al termine del modulo gli studenti possiedono conoscenze approfondite relativamente a strategie di soluzione, infrastrutture e supporto per servizi e sistemi software enterprise distribuiti. In particolare, gli studenti:…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del modulo gli studenti possiedono conoscenze approfondite relativamente a strategie di soluzione, infrastrutture e supporto per servizi e sistemi software enterprise distribuiti. In particolare, gli studenti: conoscono e sanno applicare i modelli e le metodologie di progettazione a componenti; conoscono e sanno progettare componenti in ambienti a container pesante; conoscono e sanno progettare componenti in ambienti a container leggero; conoscono e sanno utilizzare piattaforme e specifiche di supporto alla realizzazione di componenti software enterprise come servizi di remoting, servizi di nomi, servizi di messaggistica e servizi di management e gestione.

Programma

Introduzione e sviluppo di applicazioni a livello enterprise. Riepilogo dei prerequisiti, tra cui OpenStack, NoSQL, CAP e BASE, replica e comunicazione di gruppo, quindi l'architettura di riferimento enterprise e il caso di studio in corso. Introduzione di metodologie e modelli architetturali per la progettazione, l'implementazione e il deployment di applicazioni distribuite a livello enterprise.
Progettazione API-first con OpenAPI. Sviluppo Contract-first, OpenAPI 3.1 e JSON Schema, AsyncAPI per i contratti di evento, il flusso di lavoro di generazione del codice per stub, SDK, mock e test, versioning e compatibilità e la toolchain (OpenAPI Generator, Spectral, Stoplight, Redocly).
Modelli di comunicazione e accesso remoto. Scelta tra REST, gRPC con Protocol Buffers, GraphQL e messaggistica asincrona in base a criteri specifici quali latenza, evoluzione dello schema, copertura poliglotta, supporto browser, streaming e strumenti; WebSockets e Server-Sent Events per il server push; e il modello ibrido utilizzato nel caso di studio, gRPC all'interno e REST all'esterno. Questo si allinea all'obiettivo dei servizi di accesso remoto.
Piattaforme e framework Java moderni. Iniezione delle dipendenze, inversione di controllo e programmazione orientata agli aspetti; Spring Boot Core; Spring Cloud Config, Gateway, Stream e Circuit Breaker come soluzione a livello applicativo per configurazione, denominazione, gateway e resilienza; Quarkus con immagini native GraalVM, e menzione di Micronaut e Helidon; thread virtuali e il dilemma reattivo vs. imperativo con Project Reactor; EJB e WildFly.
Containerizzazione come piattaforma. Interni dei container (namespace, cgroup, OCI), immagini e composizione locale, presentati come substrato runtime per un componente enterprise. Introduzione al modello a microservizi e agli strumenti di orchestrazione dei container.
Messaggistica e integrazione basata sugli eventi. Introduzione al middleware di messaggistica Kafka. Argomenti, partizioni, gruppi di consumatori e offset; semantica "exactly-once" tramite idempotenza del produttore e scritture transazionali; selezione della chiave di partizione come decisione di progettazione; Confluent Schema Registry ed evoluzione dello schema; compattazione e conservazione come strumenti di progettazione; Breve panoramica su NATS, Pulsar e JMS.
Piattaforme di persistenza dati enterprise. JPA e Hibernate come realtà operativa e un'introduzione al SQL distribuito (CockroachDB, Spanner, YugabyteDB). Panoramica sui modelli di dati per microservizi.

Modalità d'esame

Il corso prevede una prova finale orale mirata a valutare il livello di apprendimento raggiunto sia in termini di metodologie di progettazione architetturale e modelli, sia in termini di operatività implementativa in relazione alle principali tecnologie descritte e utilizzate nel corso. La prova orale, della durata di circa 60-75 minuti, prevederà almeno quattro domande, in parte dedicate alla risoluzione di esercizi concreti di utilizzo delle tecnologie enterprise investigate durante il corso.
Gli studenti potranno anche decidere di associare a questo insegnamento una attività progettuale (4 cfu a partire dall'aa 2013/2014) - per maggiore dettagli, vedere la voce della guida che descrive tale attività formativa.

Testi di riferimento

Il materiale mostrato a lezione (slide, esercizi risolti, esercizi suggeriti, esempi e proposte di progetto) sarà interamente messo a disposizione su Virtuale:
https://virtuale.unibo.it/
Come utile riferimento a materiale già disponibile, si veda anche la pagina di Virtuale relativa all'aa precedente:
https://virtuale.unibo.it/course/view.php?id=78077
Testi suggeriti:
A.L. Rubinger, B. Burke, Enterprise JavaBeans 3.1, 1st ed., O'Reilly, 2010 D. Ayers et al., Professional Java Server Programming: with Servlets, JavaServer Pages (JSP), XML, Enterprise JavaBeans (EJB), JNDI, CORBA, Jini and Javaspaces, 1st edition, Wrox, 1999 C. Walls, Spring in Action, 3rd ed., Manning, 2011 C. Bauer, G. King, Java Persistence with Hibernate, Manning, 2006 J.S. Perry, Java Management Extensions, 1° ed., O'Reilly, 2002
Altre utili sorgenti on-line di informazioni:
SUN tutorial, http://java.sun.com/j2ee/overview.html [http://lia.deis.unibo.it/Courses/sd1213-info/lucidi/JavaEETutorial.pdf]EJB tutorial by IBM [http://www.ibm.com/developerworks/java/tutorials/j-gsejb/] Uso di Eclipse IDE e JBoss [http://en.wikibooks.org/wiki/J2EE_Programming/IDE/Eclipse]

Codice insegnamento C9575

ENTERPRISE PLATFORMS M 2° anno · 1° semestre · 4 CFU · IINF-05/A · 0 file

Al termine del modulo gli studenti possiedono conoscenze approfondite relativamente a strategie di soluzione, infrastrutture e supporto per servizi e sistemi software enterprise distribuiti. In particolare, gli studenti:…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del modulo gli studenti possiedono conoscenze approfondite relativamente a strategie di soluzione, infrastrutture e supporto per servizi e sistemi software enterprise distribuiti. In particolare, gli studenti: conoscono e sanno applicare i modelli e le metodologie di progettazione a componenti; conoscono e sanno progettare componenti in ambienti a container pesante; conoscono e sanno progettare componenti in ambienti a container leggero; conoscono e sanno utilizzare piattaforme e specifiche di supporto alla realizzazione di componenti software enterprise come servizi di remoting, servizi di nomi, servizi di messaggistica e servizi di management e gestione.

Programma

Introduzione e sviluppo di applicazioni a livello enterprise. Riepilogo dei prerequisiti, tra cui OpenStack, NoSQL, CAP e BASE, replica e comunicazione di gruppo, quindi l'architettura di riferimento enterprise e il caso di studio in corso. Introduzione di metodologie e modelli architetturali per la progettazione, l'implementazione e il deployment di applicazioni distribuite a livello enterprise.
Progettazione API-first con OpenAPI. Sviluppo Contract-first, OpenAPI 3.1 e JSON Schema, AsyncAPI per i contratti di evento, il flusso di lavoro di generazione del codice per stub, SDK, mock e test, versioning e compatibilità e la toolchain (OpenAPI Generator, Spectral, Stoplight, Redocly).
Modelli di comunicazione e accesso remoto. Scelta tra REST, gRPC con Protocol Buffers, GraphQL e messaggistica asincrona in base a criteri specifici quali latenza, evoluzione dello schema, copertura poliglotta, supporto browser, streaming e strumenti; WebSockets e Server-Sent Events per il server push; e il modello ibrido utilizzato nel caso di studio, gRPC all'interno e REST all'esterno. Questo si allinea all'obiettivo dei servizi di accesso remoto.
Piattaforme e framework Java moderni. Iniezione delle dipendenze, inversione di controllo e programmazione orientata agli aspetti; Spring Boot Core; Spring Cloud Config, Gateway, Stream e Circuit Breaker come soluzione a livello applicativo per configurazione, denominazione, gateway e resilienza; Quarkus con immagini native GraalVM, e menzione di Micronaut e Helidon; thread virtuali e il dilemma reattivo vs. imperativo con Project Reactor; EJB e WildFly.
Containerizzazione come piattaforma. Interni dei container (namespace, cgroup, OCI), immagini e composizione locale, presentati come substrato runtime per un componente enterprise. Introduzione al modello a microservizi e agli strumenti di orchestrazione dei container.
Messaggistica e integrazione basata sugli eventi. Introduzione al middleware di messaggistica Kafka. Argomenti, partizioni, gruppi di consumatori e offset; semantica "exactly-once" tramite idempotenza del produttore e scritture transazionali; selezione della chiave di partizione come decisione di progettazione; Confluent Schema Registry ed evoluzione dello schema; compattazione e conservazione come strumenti di progettazione; Breve panoramica su NATS, Pulsar e JMS.
Piattaforme di persistenza dati enterprise. JPA e Hibernate come realtà operativa e un'introduzione al SQL distribuito (CockroachDB, Spanner, YugabyteDB). Panoramica sui modelli di dati per microservizi.

Modalità d'esame

Il corso prevede una prova finale orale mirata a valutare il livello di apprendimento raggiunto sia in termini di metodologie di progettazione architetturale e modelli, sia in termini di operatività implementativa in relazione alle principali tecnologie descritte e utilizzate nel corso. La prova orale, della durata di circa 60-75 minuti, prevederà almeno quattro domande, in parte dedicate alla risoluzione di esercizi concreti di utilizzo delle tecnologie enterprise investigate durante il corso.
Gli studenti potranno anche decidere di associare a questo insegnamento una attività progettuale (4 cfu a partire dall'aa 2013/2014) - per maggiore dettagli, vedere la voce della guida che descrive tale attività formativa.

Testi di riferimento

Il materiale mostrato a lezione (slide, esercizi risolti, esercizi suggeriti, esempi e proposte di progetto) sarà interamente messo a disposizione su Virtuale:
https://virtuale.unibo.it/
Come utile riferimento a materiale già disponibile, si veda anche la pagina di Virtuale relativa all'aa precedente:
https://virtuale.unibo.it/course/view.php?id=78077
Testi suggeriti:
A.L. Rubinger, B. Burke, Enterprise JavaBeans 3.1, 1st ed., O'Reilly, 2010 D. Ayers et al., Professional Java Server Programming: with Servlets, JavaServer Pages (JSP), XML, Enterprise JavaBeans (EJB), JNDI, CORBA, Jini and Javaspaces, 1st edition, Wrox, 1999 C. Walls, Spring in Action, 3rd ed., Manning, 2011 C. Bauer, G. King, Java Persistence with Hibernate, Manning, 2006 J.S. Perry, Java Management Extensions, 1° ed., O'Reilly, 2002
Altre utili sorgenti on-line di informazioni:
SUN tutorial, http://java.sun.com/j2ee/overview.html [http://lia.deis.unibo.it/Courses/sd1213-info/lucidi/JavaEETutorial.pdf]EJB tutorial by IBM [http://www.ibm.com/developerworks/java/tutorials/j-gsejb/] Uso di Eclipse IDE e JBoss [http://en.wikibooks.org/wiki/J2EE_Programming/IDE/Eclipse]

Codice insegnamento C9576

FONDAMENTI DI COMPUTER GRAPHICS M 2° anno · 2° semestre · 8 CFU · MATH-05/A · 0 file

Al termine del corso, gli studenti conoscono i fondamenti della grafica 3D al calcolatore, tra cui i concetti di modellazione poligonale e resa in tempo reale. In particolare, sono in grado di modellare e rendere scene…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, gli studenti conoscono i fondamenti della grafica 3D al calcolatore, tra cui i concetti di modellazione poligonale e resa in tempo reale. In particolare, sono in grado di modellare e rendere scene 3D mediante opportuni software e librerie open source.

Programma

Sistemi raster-scan, dispositivi di I/O, librerie grafiche, programmazione event-driven. Mesh 3D e loro rappresentazione grafica. Trasformazioni geometriche 2D/3D, trasformazioni di vista, proiezioni prospettica e parallela, trasformazione window-viewport. Pipeline grafica. Algoritmi di real-time rendering, rimozione delle parti nascoste (hidden line e hidden surface), modelli di illuminazione e algoritmi di shading (Z-buffer), texture mapping. Modellazione poligonale 3D. Il corso prevede una attivita' pratica in cui verra' utilizzato il linguaggio di programmazione HTML5 + JavaScript + libreria grafica WebGL e programmazione GLSL (modulo 1 (6 CFU)).
Nel modulo 2 (2 CFU) si vedrà la Libreria JavaScript cross-browser Three.js, API utilizzata per realizzare applicazioni di Computer Graphics 3D interattive e animate su Web mediante WebGL. Modellazione geometrica di curve e superfici NURBS con esempi in Three.js.

Modalità d'esame

La verifica dell'apprendimento avviene attraverso lo svolgimento di due progetti, uno per ciascuno dei moduli del corso. I progetti consistono nella realizzazione di applicazioni Web 3D interattive-grafiche utilizzando le librerie viste nel corso. Nello svolgere questi progetti lo studente deve utilizzare le conoscenze acquisite durante il corso ed è consentito un uso limitato, dichiarato e non sostanziale dell’IA. La consegna dei progetti deve avvenire almeno 7 (sette) giorni prima dell'esame e devono essere accompagnate da una relazione (tipo tutorial) in linguaggio html eventualmente sulla base di un format passato dal docente. L'esame orale consiste nell'esporre i progetti e nella verifica che gli argomenti del corso e quanto visto utilizzando l'IA siano stati acquisiti. Il voto finale consiste nella media pesata dei voti dei due progetti e relativi orali. Le prove orali possono essere svolte, a scelta dello studente, contestualmente o in momenti separati (prima modulo 1 e poi 2), ma nella stessa sessione.
Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell’insegnamento.

Testi di riferimento

1.Peter Shirley, Fundamentals of Computer Graphics, AK Peters (2005);
2.Samuel R. Buss, Computer Graphics: A mathematical introduction with OpenGL, Cambridge University Press (2003);
3.Max K. Agoston, Computer Graphics and Geometric Modeling: Implementation and Algorithms, Springer (2004).
4.Max K. Agoston, Computer Graphics and Geometric Modeling: Mathematics, Springer (2005).

Codice insegnamento 72953

GESTIONE DELL'INNOVAZIONE E DEI PROGETTI M 2° anno · 1° semestre · 6 CFU · IEGE-01/A · 0 file

Al termine del corso, lo studente conosce le variabili economico-organizzative che influenzano la gestione dei processi di innovazione tecnologica nelle imprese industriali e di servizi; conosce i principi, i modelli…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente conosce le variabili economico-organizzative che influenzano la gestione dei processi di innovazione tecnologica nelle imprese industriali e di servizi; conosce i principi, i modelli di analisi e di valutazione economica, gli aspetti organizzativi e le tecniche operative per la gestione di progetti di innovazione e lo sviluppo di nuovi prodotti; sa strutturare un piano di progetto innovativo, valutarne la completezza e la fattibilità, e sa applicare gli strumenti di analisi appropriati; sa comunicare la propria idea innovativa in modo efficace.

Programma

PREREQUISITI
La conoscenza di base dei principali concetti e dei metodi dell'Economia e Organizzazione Aziendale rappresenta un importante prerequisito per frequentare con profitto il corso (in particolare per quanto riguarda le tecniche di valutazione degli investimenti e le principali tecniche di contabilità direzionale).
La lingua di insegnamento del corso è l'italiano.
PROGRAMMA E CONTENUTI
Il corso vuole fornire le conoscenze necessarie per comprendere i principi di base, i modelli e le tecniche di gestione dei progetti, con un focus specifico sui progetti di ricerca e sviluppo, di sviluppo nuovi prodotti e di sviluppo software. Il corso approfondisce le problematiche e le decisioni tipiche che caratterizzano le diverse fasi del ciclo di vita di progetti complessi. Definisce le strutture organizzative per la gestione dei progetti e le competenze richieste per il ruolo di project manager. Illustra le principali tecniche di pianificazione, monitoraggio e controllo dei progetti. Introduce le tecniche e le best practice per le gestione efficace dei progetti di sviluppo nuovi prodotti. Presenta i principi base degli approcci flessibili e agili per lo sviluppo di nuovi prodotti.
Programma dettagliato:
Gestione strategica dell’innovazione
I progetti di sviluppo di innovazione: caratteristiche e specificità Forme e modelli di innovazione Discontinuità tecnologiche e dinamiche di settore: analisi dei trend tecnologici Le curve di diffusione delle innovazioni nel mercato Gestione della proprietà intellettuale nei progetti di innovazione
Lo sviluppo del piano di progetto innovativo (business plan)
Il business plan Analisi di settore Comprensione dei bisogni dei clienti e Design Thinking Approcci per le ricerche dati Modello di business
La gestione dei progetti innovativi
Il project management e il ruolo del project manager Il ciclo di vita dei progetti Le strutture organizzative per la gestione dei progetti Pianificazione di progetto: gestione dello scopo e WBS Pianificazione di progetto: gestione dei tempi Gestione dei rischi di progetto Monitoraggio e controllo dei progetti Agile Project Management e SCRUM
Al termine del corso lo studente avrà conseguito i seguenti risultati:
a) Conoscenza e comprensione

  • Conoscere i contenuti di un piano di progetto innovativo;
  • Comprendere le funzioni dei diversi strumenti per la pianificazione di un progetto innovativo;
  • Descrivere i concetti chiave e gli strumenti analitici per la ideazione, progettazione e pianificazione di un progetto innovativo.
    b) Applicazione di conoscenza e comprensione
  • Strutturare e scrivere un piano di progetto innovativo;
  • Scegliere e applicare gli strumenti di analisi nelle diverse fasi del ciclo di vita del progetto innovativo;
  • Definire la configurazione organizzativa adatta per la gestione dei progetti innovativi;
    c) Esprimere giudizi
  • Valutare la completezza di un piano di progetto innovativo;
  • Confrontare e valutare diverse configurazioni organizzative per lo sviluppo di un piano di progetto innovativo;
  • Valutare la fattibilità di un piano di progetto innovativo.
    d) Comunicazione
  • Saper comunicare la propria idea progettuale innovativa per iscritto in modo esaustivo;
  • Presentare la propria idea progettuale innovativa oralmente in modo efficace;
    e) Capacità di apprendimento permanente
  • Sviluppare competenze nella raccolta e selezione di dati necessari per lo sviluppo di un piano di progetto innovativo;
  • Migliorare le proprie competenze nell'uso di strumenti manageriali al servizio dello sviluppo di un piano di progetto innovativo;
  • Valorizzare il proprio contributo all’interno di un gruppo di lavoro eterogeneo.

Modalità d'esame

OBIETTIVI DI VERIFICA
La prova d’esame mira a verificare il raggiungimento dei seguenti obiettivi didattici:

  • conoscenza approfondita dei principi, dei processi e delle competenze alla base del project management
  • capacità di impiegare le principali tecniche di pianificazione, monitoraggio e controllo di un progetto
  • capacità di redigere un piano di progetto e di comunicare in modo efficace con gli stakeholder di progetto
  • capacità di lavorare in modo efficace all'interno di gruppi
  • capacità di utilizzo di un software di project management
    MODALITA' DI VERIFICA
    Le date d’esame e le liste di iscrizione sono gestite esclusivamente dal sistema Almaesami della Scuola di Ingegneria.
    Sono previste due modalità d'esame.
    A. Studenti che NON sostengono il lavoro di gruppo
    L'esame consiste in una prova scritta su tutti gli argomenti coperti dal programma. La prova scritta prevede domande aperte e domande multiple choice su tutto il programma. La votazione finale sarà espressa in 30esimi e sarà data esclusivamente dal risultato della prova scritta.
    B. Studenti che sostengono il lavoro di gruppo
    L'esame si divide in due parti:
    (i) una prova scritta teorica incentrata su un numero limitato di capitoli del programma, corrispondenti alla parte "Gestione strategica dell’innovazione" dettagliata nel programma e su Virtuale (max 6 punti).
    (ii) un lavoro di gruppo basato sullo sviluppo di un piano di progetto (business plan) relativo ad uno nuovo prodotto/servizio/software (max 25 punti) che consisterà in una relazione scritta del piano di progetto (max 15 punti) e in una presentazione in aula (max 10 punti). La costituzione dei gruppi sarà definita insieme alla Docente durante le prime lezioni del corso.
    Dettagli sul lavoro di gruppo:
    Gli studenti, lavorando in gruppo, saranno coinvolti nella progettazione di un prototipo software e fisico, in collaborazione con AlmaLabor, il maker space dell'Università di Bologna.
    I gruppi, sotto la guida dei tecnici AlmaLabor, saranno guidati nella realizzazione di un progetto creativo ed innovativo per poter sperimentare le fasi di ideazione, progettazione e prototipazione dell'idea, applicando i concetti e le tecniche di gestione dell'innovazione e dei progetti, oggetto del corso.
    Saranno previste ore di laboratorio all'interno di AlmaLabor per poter creare e testare il proprio prototipo e valersi del personale tecnico specializzato che supporterà i gruppi nell'utilizzo di materiali e macchinari all'avanguardia.
    In considerazione delle tipologie di attività e metodi didattici adottati, la frequenza di questa attività formativa richiede lo svolgimento da parte della comunità studentesca (compresi gli studenti e le studentesse internazionali incoming, es. ERASMUS) del corso di formazione generale (Modulo 1) e del corso di formazione rischio alto (Modulo 3 comprensivo del Modulo 2) in modalità e-learning disponibili nella seguente pagina: [https://site.unibo.it/tutela-promozione-salute-sicurezza/it/corsi-di-formazione/formazione-obbligatoria-su-sicurezza-e-salute-per-svolgimento-di-tirocinio-tesi-laboratorio].

Testi di riferimento

Le letture di riferimento del corso sono raccolte all'interno di un volume McGraw-Hill Create realizzato a cura della Docente dal titolo "Gestione dell'Innovazione e dei Progetti" (2a edizione) - ISBN 9781307826852.
Una selezione di esercizi e casi di studio da discutere in aula sarà disponibile a cura della Docente durante lo svolgimento del corso.

Codice insegnamento 29206

INTELLIGENT SYSTEMS M 2° anno · 2° semestre · 8 CFU · IINF-05/A · 0 file

At the end of the course the students are able to use the main AI techniques to develop tools for solving real life applications. The students are able to understand and apply a wide range of techniques such as…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course the students are able to use the main AI techniques to develop tools for solving real life applications. The students are able to understand and apply a wide range of techniques such as constraint programming, symbolic and sub-symbolic machine learning techniques, planning and swarm intelligence.

Codice insegnamento 78778

MACHINE LEARNING AND DATA MINING M 2° anno · 1° semestre · 8 CFU · IINF-05/A · 0 file

Al termine del corso, lo studente conosce e comprende i principi e i più importanti casi d'uso degli algoritmi di Machine Learning utilizzati per estrarre informazioni interessanti da grandi quantità di dati, le…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso, lo studente conosce e comprende i principi e i più importanti casi d'uso degli algoritmi di Machine Learning utilizzati per estrarre informazioni interessanti da grandi quantità di dati, le specificità dei processi di preparazione e analisi dei dati, e i principali framework disponibili per Machine Learning. In particolare, lo studente è in grado a) di progettare un processo di Data Mining nelle sue principali fasi seguendo metodologie consolidate; b) di scegliere i metodi di Machine Learning più adeguati al processo; c) di valutare la qualità del risultato per supportare decisioni strategiche e operative.

Programma

Il corso e' tenuto in lingua inglese. Per i contenuti e le altre informazioni sul corso si faccia riferimento alla versione inglese.

Codice insegnamento B2125

METODOLOGIE DI PROGETTAZIONE HARDWARE-SOFTWARE M 2° anno · 2° semestre · 6 CFU · IINF-01/A · 0 file

Conoscenza delle metodologie avanzate di progettazione, validazione e verifica dei complessi sistemi elettronici realizzabili grazie alle moderne tecnologie.

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza delle metodologie avanzate di progettazione, validazione e verifica dei complessi sistemi elettronici realizzabili grazie alle moderne tecnologie.

Programma

Refer to the English Section

Modalità d'esame

See English Section

Testi di riferimento

Refer to the English Section

Codice insegnamento 35253

MOBILE SYSTEMS M 2° anno · 2° semestre · 8 CFU · IINF-05/A · 0 file

At the end of the course the students are able to effectively develop and dynamically manage the runtime provisioning of mobile services. This requires acquiring expertise and theoretical skills, as well as…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course the students are able to effectively develop and dynamically manage the runtime provisioning of mobile services. This requires acquiring expertise and theoretical skills, as well as design/implementation abilities, related to models and solutions for mobile systems, for mobile services provided on top of them, and for support systems (middleware) needed for their effective runtime execution.

Programma

Il corso intende fornire conoscenze metodologiche, modellistiche e implementative avanzate per la progettazione, la realizzazione e la valutazione runtime di sistemi mobili, di servizi mobili, e di supporti middleware per la gestione efficiente di tali servizi mobili.
Propedeuticità: nessuna (ma i contenuti dei “vecchi” corsi di reti di calcolatori - Reti di Calcolatori T e anche, molto parz, Infrastructures for Cloud Computing and Big Data M - e Tecnologie Web T possono essere sicuramente utili)
Programma del corso:

  • Introduzione ai sistemi di comunicazione wireless: modelli di propagazione; modelli di fading; panoramica sulle diverse famiglie di comunicazione wireless
    o IEEE 802.11: caratteristiche generali; da CSMA/CD su Ethernet a CSMA/CA; problemi di hidden ed exposed terminal; MACA; configurazione con infrastruttura e ad hoc;
    o IEEE 802.16;
    o IEEE 802.20;
    o IEEE 802.11 per municipal mesh;
    o Wi-Fi Direct.
    o Reti cellulari e handoff: architettura GSM; handoff con MSC comune; handoff con MSC differenti; classificazione handoff
    o Bluetooth: stack protocollare; possibili topologie; servizio di discovery; scatternet e comunicazioni multi-hop; stack software per programmazione Java Bluetooth
    o Cenni di ZigBee: caratteristiche, architettura, possibili topologie.
  • Mobile Ad Hoc Network (MANET): definizione e campi applicativi; routing in MANET, protocolli reattivi/proattivi/geografici/ibridi; Dynamic Source Routing (DSR); Ad-hoc On Demand Distance Vector (AODV); Greedy Perimeter Stateless Routing (GPSR); parentesi su clustering; LEACH, HEED, REDMAN
  • Mobilità e gestione handoff: introduzione e definizioni
  • Location update e location search. Soluzione Mobile IP: caratteristiche, architettura, protocollo, problemi. Hierarchical Mobile IPv6 (HMIPv6). Split connection e I-TCP.
  • Sistemi di posizionamento: motivazioni; classificazione (fisico/simbolico, centralizzato/distribuito, assoluto/relativo, accuratezza, precisione, costo e limiti). Tecniche di base: lateration, time difference of arrival, angolazione, scene analysis, prossimità.
    o Sistemi di posizionamento per ad-hoc network
    o Sistemi di posizionamento con hardware addizionale. GPS: caratteristiche, limiti, GPS differenziale. Active Badge, AHLoS
    o Sistemi di posizionamento senza hardware addizionale: basati su Bluetooth, PlaceLab, RADAR, Ekahau, Sensor Fusion, Universal Location Framework, JSR-179
  • Piattaforme di sviluppo per sistemi mobili smart phone: panoramica, concetti generali, definizioni; veloce confronto fra J2ME, .NET CF, FlashLite, Android
  • Android: introduzione; architettura; SO kernel layer; power management e wakelock; librerie native; Dalvik VM; application framework; core application; modello applicazioni; ciclo di vita di activity; intent e intent filter; modello di threading; esempi ed esercizi. Esercitazione proposta su Android.
  • Panoramica su iOS: architettura; modello di multi-tasking; piccoli esempi di programmazione; applicazioni native/Web su iOS (cenni di HTML5); unlocking e jailbreaking
  • Mobile middleware: definizione, motivazioni, vantaggi. Rilevanza di identificazione di principi e pattern. Principi Internet: principio end-to-end e principio di robustezza. Principi Web. Principi SOA. Principi per mobile. Principio di cross-layering. Pattern architetturali, generali e specifici per mobile computing.
  • Piattaforme per Internet of Things (IoT): definizione e architetture di riferimento, principali piattaforme allo stato dell'arte, mobile e industrial IoT, direzioni di ricerca under investigation, esempi di applicazioni industriali
  • Servizi di discovery: definizione e categorizzazione, auto-configurazione, scoperta, accesso a risorse/servizi
    o Esempio di Jini, con esercitazione proposta
    o Service location Protocol (SLP).
    o UPnP: architettura, file di descrizione, possibilità di bridging, esempi ed esercizi Esercitazione proposta su UPnP
  • Gestione sessione in reti convergenti 4G: Session Initiation Protocol (SIP), caratteristiche principali, limiti di scalabilità. Gestione sessione in infrastruttura IP Multimedia Sub-system (IMS): architettura, descrizione entità funzionali, esempi di protocolli, limiti per monitoraggio, bilanciamento di carico e scalabilità
  • Supporto a messaging in sistemi mobili: motivazioni; principi e architettura; protocollo di scambio di messaggi; locator
    o JMS: caratteristiche, architettura, modelli di messaging, affidabilità e qualità, esempi.
    o CORBA Messaging (AMI e TII)
    o Cenni su XMPP, Web Services e REST
  • Gestione eventi e modello pub/sub: topologie possibili per event router. Propagazione di interessi e sottoscrizioni. Decisioni di routing
    o Esempi di sistemi per eventi distribuiti: OMG DDS (partizioni e livelli di qualità); modello Java per eventi distribuiti; General Event Notification Architecture (GENA); RSS/Atom; SIP Event Framework; Web Services Eventing & Notification
  • Sincronizzazione dati nel mobile: approccio pessimistico/ottimistico; versioning; detection; reconciliation
    o SyncML: protocollo di rappresentazione; protocollo di sincronizzazione; esempi
  • Edge/Fog Computing: integrazione efficiente sensori-edge-cloud; controllo e intelligenza distribuiti; offloading; approcci proattivi e predizioni di mobilità
    o ETSI Mobile Edge Computing: specifiche standard emergenti; approcci di deployment in 5G; orchestrazione e ETSI MANO; nuove piattaforme sw per Open Radio Access Networking in 5G
    o Ottimizzazione della gestione di risorse virtualizzate in cloud continuum
  • Domini applicativi di interesse (4 esempi, da vehicular ad hoc application a gestione risorse nel cloud continuum), anche per possibili attività progettuali
  • Numerosi casi di studio (anche tramite seminari aziendali in aggiunta all'orario di lezione)
    Il corso sarà affiancato da un set di esercitazioni pratiche di laboratorio, in cui gli studenti saranno stimolati a compiere attività a svolgimento guidato in forma di lavoro personale e autonomo. Tali attività saranno necessarie per il completamento della preparazione e il raggiungimento delle abilità desiderate; testi e soluzioni delle esercitazioni saranno rese disponibili sul sito Web del corso. Il set di esercitazioni proposto è descritto nella sezione di "Metodi Didattici".

Modalità d'esame

Il corso prevede una prova finale orale che cercherà di valutare il livello di apprendimento raggiunto sia in termini di metodologie di progettazione architetturale e modelli, sia in termini di operatività implementativa in relazione alle principali tecnologie descritte e utilizzate nel corso. La prova orale, della durata di circa 60-75 minuti, prevederà almeno quattro ampie domande, in parte dedicate alla risoluzione di esercizi concreti di utilizzo dei meccanismi, protocolli e tecnologie per sistemi mobili investigate durante il corso.
Opzionalmente, gli studenti potranno svolgere un'attività progettuale (dall'impegno commisurato alla quantificazione in 3 cfu) tramite approfondimento e lavoro autonomo, su tematiche indicate dal docente durante il corso. In tal caso, gli studenti dovranno presentare una relazione scritta (con eventuale codice sviluppato) e, nel caso usuale in cui l'attività progettuale sia presentata contestualmente allo svolgimento dell'esame, la prova orale partirà dalla discussione dell'attività progettuale svolta.

Testi di riferimento

Testi suggeriti (di utile consultazione, non adottati):
S. Tarkoma, Mobile Middleware, Wiley, 2009 Ke-Lin Du, M.N.S. Swamy, Wireless Communication Systems, Cambridge University Press, 2010 Z. Mednieks, L. Dornin, G.B. Meike, M. Nakamura, Programming Android, O'Reilly, 2nd edition, 2012 D. Sillars, High-Performance Android Apps, O'Reilly, 2014
Altre utili sorgenti on-line di informazioni (per una lista esaustiva sui vari argomenti, vedere slide del corso):
Corso di Mobile & Pervasive Computing, Univ. Carnegie-Mellon, 2010 Corso di Mobile Computing, Univ. Ohio Corso di Pervasive Computing, MIT Corso di Mobile Computing, Virginia Tech Corso di Mobile Computing and Sensor Networks, NJIT

Codice insegnamento 78779

MULTIMEDIA DATA MANAGEMENT M 2° anno · 2° semestre · 8 CFU · IINF-05/A · 0 file

At the end of this course unit, the student has deep knowledge and skills necessary for the effective and efficient management of multimedia data, knows the foundations of multimedia data representation, knows and is…

Scheda dell'insegnamento

Obiettivi formativi

At the end of this course unit, the student has deep knowledge and skills necessary for the effective and efficient management of multimedia data, knows the foundations of multimedia data representation, knows and is capable to apply multimedia data retrieval models and interaction paradigms between the user and the multimedia system (both for purposes of data presentation and exploration). More precisely, the student will be able to design and implement architectures of traditional ("standalone") multimedia systems, but also of more complex multimedia services, such as Web search engines, social networks and recommendation systems.

Programma

The course intends to provide students with methodology, modeling, design, and implementation skills/expertise related to the development of smart "MM data-intensive" applications and services like the the ones included in commercial solutions like Google search engine, YouTube, Facebook, Instagram, Flickr, and Twitter, just to named a few, but especially possible smarter extensions.
Constraints on previous knowledge: nothing. The course has no specific prerequisites in terms of master's degree skills; it only requires a bachelor's degree in "computer science" area (i.e., computer engineering, computer science, etc.).
COURSE CONTENTS:
Basics on Multimedia Data Management
Multimedia data and content representations
MM data and applications MM data coding MM data content representation
How to find MM data of interest
Description models for complex MM objects Similarity measures for MM data content MM Data Base Management Systems
Efficient algorithms for MM data retrieval
MM query formulation paradigms Sequential retrieval of MM data Index-based retrieval of MM data
Automatic techniques for MM data semantic annotations
Browsing MM data collections MM data presentation
User interfaces Visualization paradigms Dimensionality reduction techniques
Result accuracy, use cases and real applications
Quality of the results and relevance feedback techniques Use cases and demos of some applications
Multimedia Data on the Web
Web search engines Graph-based data: semantic Web and social networks Web recommender systems
N.B. Per gli studenti di Laurea Magistrale in Artificial intelligence e di Laurea Magistrale in Informatica per i quali i CFU del corso sono 6, la parte di programma "Efficient algorithms for MM data retrieval" non è richiesta per l'esame finale.
N.B. Gli studenti possono decidere di sostenere l'esame finale in inglese o in italiano.

Modalità d'esame

Achievements will be assessed by the means of a final exam. This is based on an analytical assessment of the "expected learning outcomes" described above. In order to properly assess such achievement the examination is composed of an oral exam.
The admission of the students to the final examination is constrained to the upload of the complete practical project into the dedicated OneDrive folder "MDM", following the instructions provided by the teacher (see the slides of the course presentation for more details).
To participate to the final exam, interested students have to register themselves by exploiting the usual UniBO Web application, called AlmaEsami.
Higher grades will be awarded to students who demonstrate an organic understanding of the subject, a high ability for critical application, and a clear and concise presentation of the contents. To obtain a passing grade, students are required to at least demonstrate a knowledge of the key concepts of the subject, some ability for critical application, and a comprehensible use of technical language. A failing grade will be awarded if the student shows knowledge gaps in key-concepts of the subject, inappropriate use of language, and/or logic failures in the analysis of the subject.

Testi di riferimento

Education material provided by the teachers (copies of the slides used in the classroom, scientific literature, bibliography, and useful links). For more details, refer to the dedicated Web site: http://www-db.disi.unibo.it/courses/MDM/.

Codice insegnamento 78096

MULTIMEDIA SERVICES AND APPLICATIONS M 2° anno · 2° semestre · 6 CFU · IINF-03/A · 0 file

Fundamentals of Information Theory and Lossy/Lossless Source Coding for multimedia applications. Image compression: from colour science to the JPEG standard. Video compression: video fundamentals, principles of Motion…

Scheda dell'insegnamento

Programma

Fundamentals of Information Theory and Lossy/Lossless Source Coding for multimedia applications. Image compression: from colour science to the JPEG standard. Video compression: video fundamentals, principles of Motion Compensation, and standard evolution (from H.261 to H.265/266). Audio compression: physics of sound, psychoacoustic models, and standardisation (vocoders and MPEG audio, i.e., MP3). Multimedia protocols: multimedia broadcasting (MPEG transport stream, MPEG program stream), media transport (RTP/RTCP), session description protocol (SDP), QoS management in IP networks (DiffServ, IntServ) and in 5G/6G. Multimedia streaming services: technologies (caching, content distribution networks, multicast, adaptive HTTP streaming) and architectures (Amazon Prime, Netflix, and others). Multimedia interactive services: QoS for voice services, VoIP (SIP, mobile VoIP, IP multimedia subsystem, VoLTE/VoNR).

Modalità d'esame

The assessment is performed through a written test and an oral presentation.

Testi di riferimento

Z.-N. Li, M. S. Drew, and J. Liu, "Fundamentals of Multimedia", 3rd Edition, Springer Nature Switzerland, 2021 Hans W. Barz and Gregory A. Basset, "Multimedia Networks: Protocols, Design and Applications", Wiley, March 2016 L. Sun, I.-H. Mkwawa, E. Jammeh, and E. Ifeachor, "Guide to Voice and Video over IP - For Fixed and Mobile Networks", Springer International Publishing, 2013 J. F. Kurose, and K. W. Ross "Computer Networking: A Top-down Approach", 8th Edition, Pearson, 2021 Additional material distributed in class Standard and specifications provided during the course.

Codice insegnamento 69494

MULTIMEDIA SERVICES AND PROTOCOLS FOR SPACE NETWORKS I.C. 2° anno · 2° semestre · 0 file

Fundamentals of Information Theory and Lossy/Lossless Source Coding for multimedia applications. Image compression: from colour science to the JPEG standard. Video compression: video fundamentals, principles of Motion…

Scheda dell'insegnamento

Programma

Fundamentals of Information Theory and Lossy/Lossless Source Coding for multimedia applications. Image compression: from colour science to the JPEG standard. Video compression: video fundamentals, principles of Motion Compensation, and standard evolution (from H.261 to H.265/266). Audio compression: physics of sound, psychoacoustic models, and standardisation (vocoders and MPEG audio, i.e., MP3). Multimedia protocols: multimedia broadcasting (MPEG transport stream, MPEG program stream), media transport (RTP/RTCP), session description protocol (SDP), QoS management in IP networks (DiffServ, IntServ) and in 5G/6G. Multimedia streaming services: technologies (caching, content distribution networks, multicast, adaptive HTTP streaming) and architectures (Amazon Prime, Netflix, and others). Multimedia interactive services: QoS for voice services, VoIP (SIP, mobile VoIP, IP multimedia subsystem, VoLTE/VoNR).

Modalità d'esame

The assessment is performed through a written test and an oral presentation.

Testi di riferimento

Z.-N. Li, M. S. Drew, and J. Liu, "Fundamentals of Multimedia", 3rd Edition, Springer Nature Switzerland, 2021 Hans W. Barz and Gregory A. Basset, "Multimedia Networks: Protocols, Design and Applications", Wiley, March 2016 L. Sun, I.-H. Mkwawa, E. Jammeh, and E. Ifeachor, "Guide to Voice and Video over IP - For Fixed and Mobile Networks", Springer International Publishing, 2013 J. F. Kurose, and K. W. Ross "Computer Networking: A Top-down Approach", 8th Edition, Pearson, 2021 Additional material distributed in class Standard and specifications provided during the course.

Codice insegnamento C9587

OPTIMAL CONTROL AND REINFORCEMENT LEARNING M 2° anno · 1° semestre · 8 CFU · IINF-04/A · 0 file

The course focuses on theoretical and numerical methods for the design of trajectories and feedback policies of dynamical systems to optimize a performance index and satisfy given constraints. The presented methods…

Scheda dell'insegnamento

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

Obiettivi formativi

The course focuses on theoretical and numerical methods for the design of trajectories and feedback policies of dynamical systems to optimize a performance index and satisfy given constraints. The presented methods involve the areas of optimal control, reinforcement learning and model predictive control with a strong focus on numerical optimization. At the end of the course students will know how to (i) model optimal control and reinforcement learning problems and characterize optimality conditions, (ii) develop numerical optimization methods from optimal control and reinforcement learning to compute optimal, feasible trajectories and policies, and (iii) design optimization-based predictive control schemes for maneuvering of autonomous systems. To bridge the gap between theory and application, students will apply the studied techniques to trajectory optimization and maneuvering of autonomous systems in a number of application domains including autonomous vehicles, intelligent robots(e.g., aerial robots) and other mechatronic systems.

Programma

Introduction to optimal control Motivating application domains and tasks for the optimal control of dynamical systems: maneuvering and trajectory optimization of autonomous vehicles, robotic systems (e.g., Autonomous Mobile Robots) and other mechatronic systems. Optimal control problem formulation. Examples of optimal control problems in the presented application domains. Nonlinear optimization Basics on unconstrained and constrained optimization: definitions and optimality conditions. Optimization algorithms: descent (line-search) methods (gradient and Newton methods), barrier function methods, Sequential Quadratic Programming (SQP). Software tools and coding on case studies for optimal control. Optimality conditions for optimal control Nonlinear programming reformulation of optimal control, KKT optimality conditions. Unconstrained optimal control: reformulation via shooting, derivation of the reduced-cost gradient, Hamiltonian definition, necessary conditions for optimal control. Pontryagin Maximum Principle.
Linear Quadratic (LQ) optimal control Finite horizon: problem formulation, necessary and sufficient conditions for optimality via Riccati equation, feedback structure of the optimal control. Infinite-horizon optimal control. Trajectory tracking via optimal control: Linear Quadratic Regulator (LQR). Continuous-time version of the LQ optimal control. Case studies in autonomous vehicles and robotics. Software tools and coding on case studies.
Deterministic Dynamic programming Principle of optimality, value function and Bellman's equation. Discrete-time Minimum Principle for optimal control. LQ optimal control via dynamic programming. Dynamic programming and Reinforcement Learning. Numerical methods for optimal control Gradient and Newton methods for optimal control. Barrier function method for constrained optimal control. SQP for optimal control. Software tools and coding on case studies for optimal control of autonomous vehicles and robots. Optimization-based control techniques Optimal control for trajectory generation and optimization. Receding horizon hierarchical control schemes. Model Predictive Control: introduction, nominal schemes on linear and nonlinear systems, extensions and applications. Software tools and coding on case studies from autonomous vehicles and robots. Introduction to reinforcement learning Motivating application domains and examples for reinforcement learning in robotic systems (e.g., Autonomous Mobile Robots) and other autonomous systems. Reinforcement Learning problem formulation and control notation: system, policy and reward. Markov decision processes. Stochastic Dynamic programming Value function and action-value function. Bellman's expectation equation. Bellman's optimality equation. Policy evaluation, policy improvement, policy iteration, value iteration. Selected algorithms for reinforcement learning Approximation-based methods: main idea and approaches. Introduction to off-policy and on-policy algorithms. Monte Carlo and temporal-difference methods. Algorithms based on function approximation. Policy gradient. Examples from robotics and autonomous systems.

Modalità d'esame

Guardare pagina in Inglese

Testi di riferimento

Guardare pagina in Inglese

Codice insegnamento B5679

PREPARAZIONE PROVA FINALE ALL'ESTERO Se scegli quest’attività intendi partecipare ad un bando per la mobilità internazionale d’Ateneo (es.: Bando Tesi Estero, Erasmus+, etc.) L’individuazione dell’ente ospitante e la definizione delle attività sono da con 2° anno · 1° semestre · 18 CFU · 0 file

Al termine della preparazione alla prova finale all’estero lo studente aggiunge alle abilità relative alla prova finale in generale la conoscenza diretta di possibili ambiti professionali e di ricerca mediante la…

Scheda dell'insegnamento

Obiettivi formativi

Al termine della preparazione alla prova finale all’estero lo studente aggiunge alle abilità relative alla prova finale in generale la conoscenza diretta di possibili ambiti professionali e di ricerca mediante la partecipazione alle attività di strutture estere, che operano in modo coerente con gli obiettivi formativi del corso di studio sull’argomento scelto per la prova finale. In particolare, lo studente è in grado di interagire con diverse realtà professionali operando anche in team di progettazione compositi, ed è in grado di sviluppare – anche in lingua straniera – le proprie abilità comunicative sia interpersonali sia in termini di documentazione tecnica.

Codice insegnamento 81355

PROGRAMMING THE INTERNET OF THINGS M 2° anno · 1° semestre · 8 CFU · IINF-05/A · 0 file

At the end of this course unit, the student will acquire a deep knowledge on the fundamental concepts as well as the most relevant emerging technologies about Internet of Things (IoT) architectures, IoT platforms, IoT…

Scheda dell'insegnamento

Obiettivi formativi

At the end of this course unit, the student will acquire a deep knowledge on the fundamental concepts as well as the most relevant emerging technologies about Internet of Things (IoT) architectures, IoT platforms, IoT interaction protocols, and IoT programming/application models. In addition, the student will be able to apply IoT models, architectures, and techniques in typical practical situations. More precisely, the student will know how to decouple the process of smart space construction and IoT deployment from smart space programmability and application development. In addition to the fundamentals, the student will acquire valuable hands-on exper applications that utilize sensors, actuators, complex devices, microservices, and humans in the loop, as well as a deep theoretical and application-oriented understanding of the IoT technology.

Programma

This course focuses on the software perspective and the architectural and programmability aspects of the Internet of Things. The course will not emphasize detailed IoT hardware or wireless communication technologies. It compliments other offered IoT courses by focusing on IoT programming and application development.
The course lectures will span the following five topics:
1) Introduction to Smart Spaces (6 hours)
2) IoT Things (12 hours)
3) An Example of Smart Space (8 hours)
4) IoT Architecture (20 hours)
5) IoT Programming and Application Models (18 hours)

Modalità d'esame

The achievement of the learning goals is verified by the students themselves. The practice exercises and the hands-on assignments provided during the lecturing period will be self-evaluated by the students and will not contribute to the final assessment grade. They are intended to help the students better understand the course subject and provide them with practical hands-on experience. At the end of the course, assessment will be based on two interviews: one individual and one group interview. All interviews will be held after the lecturing period ends. Students will be asked three questions each individually about the topics studied to verify they meet the course learning objectives (about 10 min for each student). Groups of students will also be evaluated in terms of the group project (about 20 min for each group).

Testi di riferimento

In addition to class notes and slides, the instructor will provide a number of research papers and GitHub code, tools, and manuals.

Codice insegnamento B8019

PROJECT WORK ON AGENTIC AI SYSTEMS M 2° anno · 2° semestre · 3 CFU · 0 file

At the end of the course, the student will be able to apply the knowledge acquired in the Agentic AI Systems M course in order to independently carry out an in-depth activity on a topic agreed with the lecturer in charge…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student will be able to apply the knowledge acquired in the Agentic AI Systems M course in order to independently carry out an in-depth activity on a topic agreed with the lecturer in charge of the course.

Programma

This is the project work module associate to the main module "Agentic AI Systems".

Modalità d'esame

The module will be assessed through an individual project.

Codice insegnamento B8570

PROJECT WORK ON COMPUTER VISION AND IMAGE PROCESSING M 2° anno · 1° semestre · 3 CFU · 0 file

At the end of the project work the students are able to apply the principles, methods and skills acquired in the Computer Vision and Image Processing course to design a software system aimed at addressing a specific…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the project work the students are able to apply the principles, methods and skills acquired in the Computer Vision and Image Processing course to design a software system aimed at addressing a specific use case dealing with a typical application scenario.

Codice insegnamento 78917

PROJECT WORK ON CYBERSECURITY M 2° anno · 1° semestre · 3 CFU · 0 file

At the end of the course, the student is able to apply the knowledge acquired in the Cybersecurity M course to carry out independently an in-depth activity on a topic agreed with the lecturer.

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student is able to apply the knowledge acquired in the Cybersecurity M course to carry out independently an in-depth activity on a topic agreed with the lecturer.

Codice insegnamento 97432

PROJECT WORK ON DIGITAL HEALTH M 2° anno · 1° semestre · 3 CFU · 0 file

At the end of the course, the student will be able to apply the knowledge acquired in the Digital health M course in order to independently carry out an in-depth activity on a topic agreed with the lecturer in charge…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student will be able to apply the knowledge acquired in the Digital health M course in order to independently carry out an in-depth activity on a topic agreed with the lecturer in charge of the course.

Codice insegnamento B8571

PROJECT WORK ON DISCRETE AND NETWORK OPTIMIZATION PROBLEMS M 2° anno · 1° semestre · 3 CFU · 0 file
PROJECT WORK ON DISTRIBUTED AUTONOMOUS SYSTEMS M 2° anno · 1° semestre · 3 CFU · 0 file

At the end of the course, the student is able to apply the knowledge acquired in the Distributed autonomous systems M course to carry out independently an in-depth activity on a topic agreed with the lecturer.

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student is able to apply the knowledge acquired in the Distributed autonomous systems M course to carry out independently an in-depth activity on a topic agreed with the lecturer.

Programma

Guardare la pagina in lingua inglese.

Codice insegnamento 96298

PROJECT WORK ON ENTERPRISE DISTRIBUTED SYSTEMS AND DEVOPS M 2° anno · 1° semestre · 3 CFU · 0 file
PROJECT WORK ON INTELLIGENT SYSTEMS M 2° anno · 1° semestre · 3 CFU · 0 file

At the end of the project work the students are able to apply the notions and skills acquired in the intelligent system course to design tools for solving real life applications.

Scheda dell'insegnamento

Obiettivi formativi

At the end of the project work the students are able to apply the notions and skills acquired in the intelligent system course to design tools for solving real life applications.

Codice insegnamento 78919

PROJECT WORK ON MACHINE LEARNING AND DATA MINING M 2° anno · 1° semestre · 3 CFU · 0 file

Al termine dell'attività gli studenti sono in grado di applicare le nozioni e le competenze acquisite nel corso di Machine Learning e Data Mining per progettare un'attività di machine learning / data mining o un nuovo…

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività gli studenti sono in grado di applicare le nozioni e le competenze acquisite nel corso di Machine Learning e Data Mining per progettare un'attività di machine learning / data mining o un nuovo algoritmo di apprendimento per un compito specifico.

Programma

Per ogni informazione fare riferimento all'insegnamento B3155

Codice insegnamento B2126

PROJECT WORK ON MOBILE SYSTEMS M 2° anno · 1° semestre · 3 CFU · 0 file

The project work is assigned on an individual base, with a negotiation with the student to identify a field at the state of the art within the large area of efficient (e.g., battery-efficient) mobile middleware and…

Scheda dell'insegnamento

Obiettivi formativi

The project work is assigned on an individual base, with a negotiation with the student to identify a field at the state of the art within the large area of efficient (e.g., battery-efficient) mobile middleware and mobile applications. At the end of the project, the students have acquired a deep knowledge of the selected field and also effective capabilities of fully understanding the related global solution strategies. They have to apply the notions and skills acquired in the related lectures toward the design, prototyping, testing, and performance evaluation of a typically limited solution exemplifying the selected field and exploiting specific significant enabling technologies.

Programma

Vedi il programma del corso di Mobile Systems M sul sito Web su Virtuale @UNIBO, che sarà popolato man mano durante lo svolgimento del corso.
Come utile riferimento per orientarsi, si può consultare anche l'organizzazione del corso e il materiale già disponibile sul sito Web dedicato all'edizione 2022 del corso:
http://lia.disi.unibo.it/Courses/sm2122-info/

Modalità d'esame

Tramite realizzazione (progetto + implementazione + documentazione con risultati di performance ottenuti) dell'attività progettuale assegnata e conseguente produzione di codice e tesina di documentazione.
Codice + relazione descrittiva vanno consegnate al docente almeno 5 giorni prima della valutazione, che verrà svolta tramite colloquio orale, con domande dettagliate su progetto e codice realizzati, nonché su argomenti del corso correlati.

Testi di riferimento

Vedi la bibliografia e il materiale addizionale per il corso di Mobile Systems M sul sito Web su Virtuale @UNIBO, che sarà popolato man mano durante lo svolgimento del corso.

Codice insegnamento 78913

PROJECT WORK ON MULTIMEDIA DATA MANAGEMENT M 2° anno · 1° semestre · 3 CFU · 0 file

At the end of the course, the student is able to apply the notions and skills acquired during the course of Multimedia data management M by developing a project, consisting of the resolution of a concrete problem…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student is able to apply the notions and skills acquired during the course of Multimedia data management M by developing a project, consisting of the resolution of a concrete problem concerning the management of multimedia data. The topic of the project can be proposed either by the teacher or by the student.

Programma

A scientific paper is usually considered as the base for the development of a multimedia data management algorithm and/or infrastructure and/or application/service and/or interface. However, everything that “looks interesting” can be a good project topic candidate! :)

Modalità d'esame

Power point presentation and project demo.

Testi di riferimento

Scientific papers provided by the teacher. For more details, refer to the dedicated Web site: http://www-db.disi.unibo.it/courses/MDM/.

Codice insegnamento 78909

PROJECT WORK ON MULTIMEDIA SERVICES AND APPLICATIONS M 2° anno · 1° semestre · 3 CFU · 0 file

Apply the knowledge acquired during the course "Multimedia Services and Applications M" for developing in autonomy an activity on a topic agreed with the lecturer.

Scheda dell'insegnamento

Obiettivi formativi

Apply the knowledge acquired during the course "Multimedia Services and Applications M" for developing in autonomy an activity on a topic agreed with the lecturer.

Codice insegnamento 78957

PROJECT WORK ON OPTIMAL CONTROL AND REINFORCEMENT LEARNING M 2° anno · 1° semestre · 3 CFU · 0 file

At the end of the project work, the student is able to apply the knowledge acquired in the in Optimal Control and Reinforcement Learning M course to carry out independently an in-depth activity on a topic agreed with the…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the project work, the student is able to apply the knowledge acquired in the in Optimal Control and Reinforcement Learning M course to carry out independently an in-depth activity on a topic agreed with the lecturer.

Programma

Vedere pagina in lingua inglese

Codice insegnamento B5720

PROJECT WORK ON PROGRAMMING THE INTERNET OF THINGS M 2° anno · 1° semestre · 3 CFU · 0 file

At the end of the course, the student will be able to apply the knowledge acquired in the Programming the internet of things M course in order to independently carry out an in-depth activity on a topic agreed with the…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student will be able to apply the knowledge acquired in the Programming the internet of things M course in order to independently carry out an in-depth activity on a topic agreed with the lecturer in charge of the course.

Codice insegnamento B8572

PROJECT WORK ON SCALABLE AND RELIABLE SERVICES M 2° anno · 2° semestre · 3 CFU · 0 file

At the end of the course, the student is able to apply the knowledge acquired in the Scalable and reliable services M course to carry out independently an in-depth activity on a topic agreed with the lecturer.

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, the student is able to apply the knowledge acquired in the Scalable and reliable services M course to carry out independently an in-depth activity on a topic agreed with the lecturer.

Codice insegnamento 97433

PROJECT WORK ON SYSTEM THEORY AND ADVANCED CONTROL M 2° anno · 1° semestre · 3 CFU · 0 file

At the end of the course, students : are aware of state-of-the-art embedded systems used in several industry segments know the main architectures, design methodologies and tools for embedded systems are able to design…

Scheda dell'insegnamento

Obiettivi formativi

At the end of the course, students : are aware of state-of-the-art embedded systems used in several industry segments know the main architectures, design methodologies and tools for embedded systems are able to design hardware and software embedded systems in some representative case studies

Codice insegnamento 96295

PROTOCOLS AND ARCHITECTURES FOR SPACE NETWORKS M 2° anno · 1° semestre · 4 CFU · IINF-03/A · 0 file

Challenged networks Definizione di reti “challenged”. Problemi da affrontare: lunghi ritardi, perdite non trascurabili, collegamenti intermittenti, partizionamento della rete. Esempi: Internet interplanetaria, reti via…

Scheda dell'insegnamento

Programma

Challenged networks Definizione di reti “challenged”. Problemi da affrontare: lunghi ritardi, perdite non trascurabili, collegamenti intermittenti, partizionamento della rete. Esempi: Internet interplanetaria, reti via satellite (GEO e LEO), comunicazioni di emergenza, comunicazioni sottomarine, comunicazioni in aree non dotate di infrastruttura delle TLC, comunicazioni militari tattiche, ecc. L'architettura DTN Descrizione della architettura DTN (RFC 4838). Il Bundle Protocol Descrizione del Bundle Protocol v7 (RFC 9171) con differenze rispetto al v6 (RFC 5050). Attività di laboratorio: implementazioni Unibo-BP e DTNME (NASA MSFC); il programma DTNperf. Applicazione dell'architettura DTN alle reti via satellite Caratteristiche delle reti via satellite di tipo geostazionario (GEO) e ad orbita bassa (LEO). Attività di laboratorio: esempi di applicazione dell'architettura DTN a sistemi GEO e LEO. Applicazione dell'architettura DTN alle reti interplanetarie Caratteristiche delle reti interplanetarie (Internet Interplanetaria, IPN). Il protocollo LTP. Attività di laboratorio: esempi di applicazione dell'architettura DTN a comunicazioni interplanetarie.

Modalità d'esame

Prova scritta di teoria (domande o quiz) seguita da una verifica obbligatoria sulla attività di laboratorio, sul PC degli studenti o su quello del docente. L'esame è un'idoneità, quindi il risultato è binario (idoneo/non idoneo). Lo svolgimento in Italiano o Francese, anziché in Inglese, è ammesso su richiesta dello studente
Esami in dicembre, gennaio, febbraio, giugno-luglio e settembre.
La valutazione (idoneo/non idoneo) è basata sul superamento della prova scritta di teoria e sulla capacità di condurre semplici esperimenti su reti DTN, utilizzando un testbed virtuale.

Testi di riferimento

IETF RFC 4838 e RFC 9171. Alcuni articoli tecnici indicati dal docente. Presentazioni (in lingua inglese) redatte dal docente o da altri esperti.

Codice insegnamento 75493

PROVA FINALE 2° anno · 5 CFU · 0 file
PROVA FINALE Se scegli quest’attività intendi preparare una tesi che non prevede presenze continuative né presso strutture dell’Ateneo né presso enti esterni (aziende/enti). 2° anno · 23 CFU · 0 file

Al termine della prova finale lo studente è in grado di elaborare, descrivere e presentare con chiarezza un argomento scientifico o un protocollo sperimentale nel campo dell'acquacoltura e dell'ittiopatologia, anche in…

Scheda dell'insegnamento

Obiettivi formativi

Al termine della prova finale lo studente è in grado di elaborare, descrivere e presentare con chiarezza un argomento scientifico o un protocollo sperimentale nel campo dell'acquacoltura e dell'ittiopatologia, anche in connessione all'attività di tirocinio. E' inoltre in grado di applicare le conoscenze acquisite durante il corso di studio e di affrontare criticamente una discussione sull'argomento trattato. Ha le capacità per acquisire nuove conoscenze e per intraprendere, in piena autonomia, gli studi successivi.

Codice insegnamento 17268

SCALABLE AND RELIABLE SERVICES M 2° anno · 2° semestre · 8 CFU · IINF-05/A · 0 file

Digital services have to meet various requirements in terms of performance, scalability and reliability. At the end of this course, the student knows how to analyze the whole lifecycle of high-quality services, from…

Scheda dell'insegnamento

Obiettivi formativi

Digital services have to meet various requirements in terms of performance, scalability and reliability. At the end of this course, the student knows how to analyze the whole lifecycle of high-quality services, from design to deployment, testing and operation. More precisely, students will be able to a) gather and analyze data; b) identify sources of outages and critical dependencies; c) avoid bottlenecks and single points of failure. Students will also be capable of evaluating and discussing alternatives, and justifying investment in support of business services.

Codice insegnamento B5796

SYSTEM THEORY AND ADVANCED CONTROL M 2° anno · 1° semestre · 8 CFU · IINF-04/A · 0 file

The course will provide students with the fundamental tools for the analysis and control of multivariable dynamic systems and their structural properties. Basic tools of system theory will be introduced, such as possible…

Scheda dell'insegnamento

Obiettivi formativi

The course will provide students with the fundamental tools for the analysis and control of multivariable dynamic systems and their structural properties. Basic tools of system theory will be introduced, such as possible representation of dynamic linear systems, structural properties (stability, observability, controllability), special normal forms, Kalman decomposition, and others. The course will also address some aspects of modern multivariable control schemes starting from optimal control (in the deterministic setting), adaptive and robust control, also presenting basic aspects of nonlinear control systems. At the end of the course students master all the basic principles of system theory by studying in a systematic way properties of multivariable dynamic systems, and have a good knowledge of modern control tools for multivariable systems.

Programma

  • Dynamic systems representation - Stability of linear systems - Reachability and controllability - Observability and reconstructability - Robust and Adaptive Control

Modalità d'esame

Oral examination

Testi di riferimento

H. Khalil, "Nonlinear Systems'', Prentice Hall
A. Isidori, "Non-linear Control Systems", Springer Verlag
G. Strang, "Linear Algebra and its Applications'', Thomson

Codice insegnamento 92990

TIROCINIO IN PREPARAZIONE DELLA PROVA FINALE ALL'ESTERO Se scegli quest’attività intendi partecipare a un bando per la mobilità internazionale (es.: Erasmus+ Mobilità Tirocinio) o attivare un tirocinio presentando richiesta tramite SOL - Tirocini (per sap 2° anno · 1° semestre · 18 CFU · 0 file

Al termine del tirocinio all’estero in preparazione alla prova finale lo studente aggiunge alle abilità relative alla prova finale in generale la conoscenza diretta di possibili ambiti professionali e di ricerca mediante…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del tirocinio all’estero in preparazione alla prova finale lo studente aggiunge alle abilità relative alla prova finale in generale la conoscenza diretta di possibili ambiti professionali e di ricerca mediante la partecipazione alle attività di strutture estere, che operano in modo coerente con gli obiettivi formativi del corso di studio sull’argomento scelto per la prova finale. In particolare, lo studente è in grado di interagire con diverse realtà professionali operando anche in team di progettazione compositi, ed è in grado di sviluppare – anche in lingua straniera – le proprie abilità comunicative sia interpersonali sia in termini di documentazione tecnica.

Codice insegnamento 81354

TIROCINIO IN PREPARAZIONE DELLA PROVA FINALE Se scegli quest’attività intendi attivare un tirocinio presentando richiesta tramite Studenti On Line (SOL) – Sezione Tirocini - (per saperne di più vai sul sito web del tuo CdS > homepage > studiare > tirocini 2° anno · 1° semestre · 18 CFU · 0 file

Al termine del tirocinio in preparazione alla prova finale (tesi in azienda) lo studente aggiunge alle abilità relative alla prova finale in generale la conoscenza diretta di possibili ambiti professionali e di ricerca…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del tirocinio in preparazione alla prova finale (tesi in azienda) lo studente aggiunge alle abilità relative alla prova finale in generale la conoscenza diretta di possibili ambiti professionali e di ricerca mediante la partecipazione alle attività di strutture esterne all’Università, che operano in modo coerente con gli obiettivi formativi del corso di studio sull’argomento scelto per la prova finale. In particolare, lo studente è in grado di interagire con diverse realtà professionali operando anche in team di progettazione compositi, ed è in grado di sviluppare – anche in lingua straniera – le proprie abilità comunicative sia interpersonali sia in termini di documentazione tecnica.

Codice insegnamento 70441

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.