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
BASI DI DATI1° anno · 2° semestre · 6 CFU · ING-INF/05 · 0 file
Al termine del corso, lo studente possiede le nozioni fondamentali della tecnologia delle basi di dati relazionali, conosce il modello dei dati relazionale ed i principali costrutti del linguaggio SQL. Lo studente ha…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente possiede le nozioni fondamentali della tecnologia delle basi di dati relazionali, conosce il modello dei dati relazionale ed i principali costrutti del linguaggio SQL. Lo studente ha inoltre acquisito competenze e capacità pratiche anche relativamente alle tecnologie legate alle basi di dati noSQL, è in grado di progettare e realizzare una base di dati e possiede gli strumenti metodologici necessari per il suo impiego nella progettazione di un sistema informativo.
Programma
Il modello relazionale; la struttura del modello relazionale, i vincoli di integrità, le forme normali. - Il linguaggio SQL: definizione e manipolazione dei dati, query SQL - Componenti principali di un RDBMS: Query Optimizer, Transaction Manager, Scheduler, Recovery Manager, Cache Manager, Storage Manager, Access Methods. - Progettazione di database relazionali: il modello E/R, introduzione all'analisi dei requisiti e alla progettazione concettuale di database. Progettazione logica di database. Tecniche di normalizzazione. - Breve introduzione ai sistemi NoSQL
Modalità d'esame
Per poter partecipare ad un appello d'esame, gli studenti devono registrarsi su Almaesami. L'esame si compone di due parti: 1. Un progetto di laboratorio relativo alla progettazione e alla documentazione di un'applicazione di database o alla soluzione di alcuni esercizi assegnati. La consegna del progetto è condizione necessaria per sostenere la prova scritta. 2. Prova scritta della durata di 120 minuti, composta da esercizi e domande sui temi del corso. La prova potrà essere svolta su carta oppure al computer. Non è consentita la consultazione di alcun tipo di materiale durante lo svolgimento. I voti vengono assegnati in base a una valutazione complessiva delle conoscenze, competenze, capacità di presentazione e discussione delle tematiche trattate. I range di voti corrispondono possono essere descritti come segue: 18-23: preparazione e capacità di analisi sufficienti ma relative ad un numero limitato di argomenti affrontati nel corso, utilizzo di un linguaggio complessivamente corretto; 24-27: preparazione tecnicamente adeguata ma con alcuni limiti rispetto agli argomenti trattati, capacità di analisi buone, anche se non particolarmente articolate, espresse in un linguaggio corretto; 28-30: ottima conoscenza di un ampio numero di temi affrontati nel corso, buone capacità di analisi e di critica, padronanza della terminologia specifica; 30L: conoscenza eccellente e molto approfondita ed esaustiva dei temi affrontati nel corso, capacità di analisi critica e di collegamento, padronanza della terminologia specifica.
Testi di riferimento
Le slide delle lezioni sono disponibili sulla piattaforma e-learning di Unibo. Ulteriori approfondimenti: P. Atzeni, S. Ceri, P. Fraternali, S. Paraboschi, R. Torlone. Basi di Dati, McGraw-Hill Italia, 2018.
Codice insegnamento 10906
ELEMENTI DI ARCHITETTURE DEGLI ELABORATORI E SISTEMI OPERATIVI1° anno · 1° semestre · 6 CFU · ING-INF/05 · 0 file
Al termine del corso, lo studente conosce i principi ed i metodi su cui si basa la progettazione logica delle macchine che ricevono, elaborano e generano segnali a due valori e conosce i principi elementari, atti a…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente conosce i principi ed i metodi su cui si basa la progettazione logica delle macchine che ricevono, elaborano e generano segnali a due valori e conosce i principi elementari, atti a descrivere la macchina da un duplice punto di vista: il comportamento (cioè, il “cosa fa”) e la struttura (cioè, il “come è fatta”). Lo studente conosce l'architettura degli elaboratori e la loro strutturazione a livelli ed è in grado di comprendere i linguaggi a basso livello con cui si programma un elaboratore dell'informazione. Conosce le funzionalità del sistema operativo, le problematiche dei sistemi multi-utente e della concorrenza, l'interfaccia utenti a caratteri e la struttura del filesystem.
Programma
L’insegnamento è suddiviso in due parti: Elementi di architetture degli elaboratori -- Introduzione all'informatica e storia dei calcolatori -- I sistemi di numerazione -- Rappresentazione binaria dell'informazione -- Aritmetica del calcolatore -- L'algebra Booleana -- L'architettura del calcolatore -- La scheda madre, la CPU, il linguaggio macchina -- Le memorie, le interfacce e le periferiche Il Sistema Operativo -- Funzionalità del sistema operativo -- Lo scheduling della CPU -- Concorrenza e parallelismo -- Gestione della memoria -- Gestione del File System -- Gestione dei dispositivi di I/O
Modalità d'esame
Prova scritta con esercizi e domande sugli argomenti del corso. Durante la prova scritta non è consentita la consultazione di alcun tipo di materiale.
Testi di riferimento
Slide del docente Silberschatz, P.B. Galvin, G. Gagne, Sistemi operativi. Concetti ed esempi, dalla nona edizione in avanti, Pearson Education Italia (2014) A. S. Tanenbaum, T. Austin, “Architettura dei Calcolatori”, 6/Ed., Pearson Education Limited, 2013
Codice insegnamento 96007
ELEMENTI DI MATEMATICA PER L'INFORMATICA1° anno · 1° semestre · 6 CFU · MAT/05 · 0 file
Al termine del corso, lo studente conosce i concetti, i metodi e le tecniche di matematica rilevanti per la figura professionale di informatico - includendo elementi di calcolo, algebra, geometria e probabilità.…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente conosce i concetti, i metodi e le tecniche di matematica rilevanti per la figura professionale di informatico - includendo elementi di calcolo, algebra, geometria e probabilità. Conosce l'applicazione pratica di questi concetti in ambito informatico, e conosce strumenti informatici per utilizzare questi concetti.
Programma
Conoscenze e abilità da conseguire Il programma è diviso in 3 parti principali: concetti di base (unità 0) algebra lineare e studio di funzioni (unità didattica 1-3) ed elementi di probabilità (unità didattica 4). Alcuni argomenti, inseriti fra parentesi, hanno priorità secondaria e quindi verrano sviluppati, anche solo parzialmente, in base al tempo disponibile. Prerequisiti: Nozioni di matematica di base Unità didattiche: 0. Elementi di matematica di base 0.1 Seno, Coseno, Tangente 0.2 Vettori, operazioni con i vettori Conoscenze acquisite nell’unità didattica 0: Lo scopo di questa unità didattica è quello di rivedere insieme allo studente alcuni elementi di matematica di base necessari per apprendere al meglio i concetti e le tecniche che verranno sviluppate in dettaglio durante il corso. Gli studenti utilizzeranno MatLab per risolvere equazioni algebriche e trascendenti. 1. Elementi di algebra lineare 1.1 Calcolo matriciale Matrici di trasformazione, operazione con le matrici, (determinanti, matricie inversa) 1.3 Sistemi lineari Risoluzione di sistemi lineari, algoritmo per l'eliminazione di Gauss. Conoscenze acquisite nell’unità didattica 1: Si introduce lo studente al calcolo vettoriale e matriciale anche con l'utilizzo di MatLab. 2 Funzioni 2.1 Funzioni di una variabile Il grafico di una funzione, funzioni crescenti e decrescenti, massimi e minimi 2.2 Funzioni polinomiali Leggi lineari, quadratiche e funzioni potenza. 2.3 Funzioni esponenziali, leggi logaritmiche Conoscenze acquisite nell’unità didattica 2: Al termine di questa unità lo studente è in grado di comprendere il concetto di funzione. Inoltre diventa in grado di riconoscere le principali differenze fra vari tipi di funzioni elementari. Questa unità didattica è corroborata da diversi esempi ed esercizi. 3. Limiti e calcolo differenziale ed integrale 3.1 Limiti Approccio grafico al concetto di limite. 3.2 Calcolo differenziale Regole per derivare 3.3 Calcolo integrale Il concetto di misura e cenni tecniche di integrazione 3.4 Elementi di integrazione numerica Metodo dei retangoli, metodo dei trapezi, stima dell'errore: metodo del raddoppiamento del passo. Metodi di integrazione numerica implementati utilizzando il linguaggio MatLab. Conoscenze acquisite nell’unità didattica 3: Lo scopo di questa unità è quello di far apprendere allo studente le principali tecniche del calcolo anche l'uso di applicativi. Inoltre allo studente diventa familiare il concetto di approssimazione e di errore. 4. Elementi di probabilità 4.1.Cenni sulla definizione di probabilità in senso classico.
Modalità d'esame
Una prova scritta, con eventuale una prova orale individuale: entrambe prevalentemente dedicate alla risoluzione di esercizi.
Testi di riferimento
Per tutte le unità verranno caricati sul sito gli appunti usati a lezione.
Codice insegnamento 95642
FONDAMENTI DI SISTEMI WEB1° anno · 2° semestre · 6 CFU · INF/01 · 0 file
Al termine del corso, lo studente conosce gli standard alla base del World Wide Web e i linguaggi di scripting client side. È in grado di progettare e sviluppare applicazioni Web utilizzando linguaggi di markup e fogli…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente conosce gli standard alla base del World Wide Web e i linguaggi di scripting client side. È in grado di progettare e sviluppare applicazioni Web utilizzando linguaggi di markup e fogli di stile e script lato client.
Programma
L'insegnamento introduce i principi, gli standard e le tecnologie fondamentali per la progettazione e lo sviluppo di applicazioni Web lato client. Il corso fornisce le conoscenze teoriche e pratiche necessarie per comprendere il funzionamento del Web, progettare interfacce utente moderne, accessibili e responsive e sviluppare applicazioni Web dinamiche mediante le principali tecnologie standard e framework per il frontend. Il corso integra aspetti tecnologici e metodologici, con particolare attenzione alla progettazione dell'interazione, all'usabilità, all'accessibilità e ai principi dello User-Centered Design, al fine di realizzare interfacce efficaci e orientate all'esperienza dell'utente. In particolare, il corso affronta i seguenti argomenti: Fondamenti del Web: architettura client-server, protocollo HTTP, URI, browser, server Web e rappresentazione delle risorse. HTML5 per la strutturazione semantica dei contenuti e la realizzazione di interfacce Web accessibili. CSS3 per la progettazione del layout delle pagine Web, il responsive web design e la realizzazione di interfacce moderne. Programmazione JavaScript per lo sviluppo di applicazioni Web dinamiche: sintassi del linguaggio, Document Object Model (DOM), gestione degli eventi, manipolazione dinamica dei contenuti, comunicazione asincrona e utilizzo delle Web API. Formati e tecniche per lo scambio di dati nelle applicazioni Web, con particolare riferimento a JSON. Introduzione ai framework JavaScript per lo sviluppo dichiarativo e component-based di interfacce utente e ai principi di progettazione delle Single Page Applications (SPA), con particolare riferimento a Vue.JS. Principi di Human-Computer Interaction (HCI), User-Centered Design (UCD), User Experience (UX), usabilità e accessibilità applicati alla progettazione e allo sviluppo di applicazioni Web.
Modalità d'esame
L'esame di fine corso mira a valutare il raggiungimento dei seguenti obiettivi formativi: comprendere i principi, gli standard e le tecnologie fondamentali alla base del World Wide Web; acquisire competenze nella progettazione e nello sviluppo di applicazioni Web lato client mediante linguaggi di markup, fogli di stile, linguaggi di programmazione client-side e framework per lo sviluppo di interfacce Web moderne; applicare i principi di progettazione dell'interazione, dell'usabilità e dell'accessibilità nello sviluppo di applicazioni Web. L'esame consiste nella presentazione e discussione di un elaborato progettuale sviluppato in gruppo (2 studenti per gruppo) e in una prova orale individuale. La valutazione dell'elaborato progettuale costituisce la base del voto finale, fino a un massimo di 27/30. La successiva prova orale individuale, svolta contestualmente alla discussione dell'elaborato, è finalizzata a verificare il livello di preparazione del singolo studente, la comprensione degli aspetti teorici affrontati durante il corso e il contributo fornito allo sviluppo del progetto. L'esito della prova orale può determinare un incremento o una riduzione della valutazione dell'elaborato fino a un massimo di 5 punti. Per poter sostenere l'esame è necessario effettuare l'iscrizione tramite AlmaEsami. Il voto finale può essere rifiutato una sola volta.
Testi di riferimento
Le slide e il materiale didattico aggiuntivo saranno resi disponibili su Virtuale.
Codice insegnamento 95645
IDONEITA' LINGUA INGLESE B - 11° anno · 2° semestre · 6 CFU · 0 file
Consulta la pagina del sito del CLA-Centro Linguistico d'Ateneo per informazioni sulla preparazione dell'idoneita' linguistica, sui corsi, i materiali e le scadenze.
Scheda dell'insegnamento
Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.
Programma
Consulta la pagina del sito del CLA-Centro Linguistico d'Ateneo per informazioni sulla preparazione dell'idoneita' linguistica, sui corsi, i materiali e le scadenze.
Al termine del corso, lo studente ha una competenza di base sulla programmazione, mediante linguaggio C e C++, sia dal punto di vista concettuale che dal punto di vista pratico, per lo sviluppo di applicazioni software…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente ha una competenza di base sulla programmazione, mediante linguaggio C e C++, sia dal punto di vista concettuale che dal punto di vista pratico, per lo sviluppo di applicazioni software di media complessità. In particolare: - possiede i fondamenti metodologici per l’analisi e lo sviluppo di sistemi software secondo il paradigma imperativo e a oggetti - conosce le tecniche di programmazione, sia dal punto di vista concettuale che dal punto di vista pratico, e sa applicarle a casi concreti di media complessità - conosce e sa utilizzare le strutture dati fondamentali e i relativi algoritmi - possiede le nozioni fondamentali relative agli aspetti funzionali nei moderni linguaggi a oggetti.
Programma
Il corso di Programmazione è finalizzato a fornire una forte competenza sulla programmazione. Non sono richiesti prerequisiti di tipo informatico. Viene inizialmente fornita una prima descrizione dell'approccio algoritmico alla soluzione di problemi mediante computer. Successivamente, facendo uso del linguaggio C, di cui viene fornita una descrizione dettagliata che prescinde da ogni eventuale competenza pregressa degli studenti, vengono analizzati alcuni problemi fondamentali ed alcuni dei principali e più interessanti algoritmi risolutori. Organizzazione della memoria di un calcolatore, indirizzi, parole, puntatori. Tipi di dato. Strutture dati. La struttura di un programma, l'inclusione degli header, le librerie. Puntatori; aritmetica sui puntatori. Array e matrici e loro rappresentazione in memoria. Strutture dati complesse. Funzioni di libreria e funzioni definite dall'utente. Passaggio di parametri. Funzioni ricorsive. Funzioni di input/output. Funzioni sui file. Funzioni per la gestione diretta della memoria. Funzioni su stringhe. Progetto ed analisi di algoritmi.
Modalità d'esame
L'esame del corso di Programmazione è composto di tre parti: la realizzazione di diversi elaborati (a scadenza settimanale), una prova scritta e una successiva prova orale. Tutti i dettagli sono reperibili su virtuale
Testi di riferimento
Brian W. Kernighan, Dennis M. Ritchie. Linguaggio C. Jackson libri. Copia delle presentazioni usate a lezione e appunti messi a disposizione dai docenti.
Codice insegnamento 00819
RETI DI CALCOLATORI E PROGRAMMAZIONE DI RETE1° anno · 1° semestre · 6 CFU · INF/01 · 0 file
Al termine del corso, lo studente acquisisce le nozioni essenziali sulle architetture delle moderne reti di telecomunicazioni, con particolare riferimento ad Internet, e sulle problematiche di progettazione e…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente acquisisce le nozioni essenziali sulle architetture delle moderne reti di telecomunicazioni, con particolare riferimento ad Internet, e sulle problematiche di progettazione e implementazione dei relativi protocolli di comunicazione e delle applicazioni che comunicano via rete.
Programma
Il programma dell'insegnamento ha come obiettivo quello di presentare i problemi riguardanti le moderne applicazioni di rete, al fine di fornire una comprensione generale delle principali soluzioni, in modo generale e non strettamente correlati alle attuali tecnologie (che sono potenzialmente soggette a cambiamenti nel tempo). Le varie tematiche vengono pressoché sempre presentate in due fasi, la prima dedicata allo studio del problema in termini generali, la seconda orientata a mostrare le soluzioni tecnologiche correnti. Le principali tematiche affrontate sono le seguenti. Introduzione alle reti ed ai servizi di telecomunicazione. Multiplazione, commutazione di circuito e di pacchetto. Modello ISO-OSI. I principali mezzi trasmissivi. La rete Internet: servizi client-server e peer-to-peer, indirizzamento e instradamento IP, ISP e dorsali Internet, livelli di protocollo e modelli di servizio, primi cenni di sicurezza. Protocolli di trasporto, TCP ed UDP. Utilizzo delle socket per implementare applicazioni di rete.
Modalità d'esame
Le modalità di svolgimento della prova d'esame sono spiegate nella pagina del corso sulla piattaforma Virtuale.
Testi di riferimento
James F. Kurose, Keith W. Ross. Reti di Calcolatori e Internet, un approccio top-down. Pearson; 8° edizione (21 gennaio 2022), ISBN 8891916005.
Codice insegnamento 95644
SISTEMI VIRTUALIZZATI1° anno · 2° semestre · 6 CFU · INF/01 · 0 file
Al termine del corso, lo studente conosce il sistema operativo Linux, il linguaggio di scripting bash ed è in grado di realizzare applicazioni che sfruttano processi concorrenti. Conosce i principi della…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente conosce il sistema operativo Linux, il linguaggio di scripting bash ed è in grado di realizzare applicazioni che sfruttano processi concorrenti. Conosce i principi della virtualizzazione, il concetto di container e gli strumenti per realizzare sistemi informatici virtualizzati. Conosce il concetto di microservizi e le principali piattaforme cloud. Conosce il modello Infrastructure as code (IaC) ed è in grado di utilizzare gli strumenti ed i linguaggi di orchestrazione per realizzare infrastrutture di servizi scalabili automaticamente e che bilanciano il carico.
Programma
Il corso fornisce le conoscenze teoriche sulla virtualizzazione e sulle piattaforme cloud e le abilità pratiche per applicare il modello Infrastructure as Code. Casi di studio più significativi. Bash Scripting. Richiami sulla Gestione locale di un sistema Linux: Cenni su crittografia e chiavi di cifratura, Connessione da remoto con Ssh, Gestore dei package Apt, firma dei packages. Cenni su sicurezza dei sistemi informatici, delle server farm e delle reti. Protocolli e utilities (tls/ssl, ssh, dtls). Strumenti essenziali in ambito Linux (iptables/netfilter). NAT e protocolli per superamento di NAT (STUN,TURN, ICE), Proxy/Relay, protocolli e strumenti per proxying, Socks. Cenni su filesystem distribuiti (nfs) e storage a blocchi (iSCSI). Principi di Virtualizzazione. Piattaforme di virtualizzazione. Container. Applicazioni della virtualizzazione. Sistemi Cloud: Servizi cloud di tipo SaaS, PaaS, IaaS. Cenni su Piattaforme per Cloud on premise (OpenStack, Proxmox). Un primo esempio del modello Infrastructure as Code (IaC): creazione e configurazione automatizzata di macchine virtuali Linux (Vagrant, Cloud init, Ansible). Cenni su Terraform. Architetture a Microservizi: architetture software language-independent a componenti. Bus dei messaggi (a livello kernel, locali e in cloud). Esempi notevoli di architetture a Microservizi in ambito locale e in ambito cloud. Servizi SaaS, PaaS, IaaS. Un esempio di virtualizzazione a livello di container: Docker. Le API di docker. Le reti virtuali tra container di docker. Costruire un immagine di container automaticamente mediante Dockerfile; Introduzione a Docker Compose; Docker Swarm - eseguire applicazioni multicontainer in cluster di host utilizzando uno strumento nativo di docker. Kubernetes: Orchestrazione di macchine virtuali, servizi e containers. Prodotti per orchestrazione on premise su cluster o su singolo nodo (minikube). Modello Infrastructure as Code: Linguaggi e sistemi di orchestrazione (Terraform, Juju, ...). Sistemi serverless e modello Function-as-a-Service (FaaS): Microsoft Azure Functions, AWS Lambda, Google Cloud Functions. Cenni su IDentity Management (IDM). IDM a base Windows (Active Directory, LDAP) e Linux (Kerberos, openLDAP) . Sviluppo di applicazioni distribuite: continuous development
Modalità d'esame
L'esame consiste di una verifica teorico/pratica delle conoscenza degli aspetti teorici e pratici della disciplina, effettuata mediante una prova scritta; La prova teorico/pratica consiste di una prova scritta che dura 1 ora e mezza e prevede risposte aperte ad una serie di domande ed alcuni esercizi banali di programmazione e configurazione. La prova teorico/pratica scritta spazia tra tutti gli argomenti presentati durante il corso. Il voto della prova teorico/pratica viene assegnato in base a una valutazione complessiva delle conoscenze, competenze, capacità di presentazione e discussione delle tematiche trattate, chiarezza di esposizione. Non è consentito l'uso di materiale di supporto né di strumenti basati su intelligenza artificiale. Se la prova teorico/pratica viene superata, il voto viene verbalizzato dopo 1 settimane. Lo studente ha perciò una settimana di tempo per rifiutare il voto.
Testi di riferimento
dispense del docente pubblicate sul sito personale a partire dall'inizio delle lezioni (vedi link)
Codice insegnamento 95646
SPERIMENTAZIONE FISICA, ELETTRONICA E SENSORISTICA PER INFORMATICA1° anno · 2° semestre · 6 CFU · FIS/04 · 0 file
Al termine del corso, lo studente conosce i principi teoria fisica che sta alla base del funzionamento dei sensori. Conosce le basi della dinamica classica, il significato di lavoro ed energia e i fondamenti…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente conosce i principi teoria fisica che sta alla base del funzionamento dei sensori. Conosce le basi della dinamica classica, il significato di lavoro ed energia e i fondamenti dell’elettromagnetismo. Conosce gli strumenti elementari di combinatoria e di probabilità. Conosce i più comuni sensori e attuatori usati in ambito informatico e, mediante un opportuno linguaggio di programmazione, è in grado di risolvere semplici problemi e di applicare i concetti appresi a questi dispositivi e sensori.
Programma
Introduzione al corso Strumenti matematici Basi di calcolo vettoriale. Unità di Misura Sistema Internazionale La Misura in Fisica e in Ingegneria. Trattazione statistica dei dati sperimentali. corretto uso degli LLM per la generazione di codice con anche una introduzione su come costruire agenti AI che integrano un sistema di acquisizione e un LLM. Interazioni fondamentali, elettromagnetismo, componenti elettronici passivi, circuiti, leggi di Kirchhoff e di Ohm. Circuiti AC, corrente tensione Componenti attivi diodi, transistor BJT e FET. Applicazioni. Amplificatori Operazionali e loro applicazioni. Semplici sistemi di acquisizione dati con Arduino.
Modalità d'esame
Semplici problemi da risolvere che riprenderanno quelli svolti durante l'anno. Vi sarà anche un semplice esercizio scritto sulla trattazione statistica dei dati sperimentali.
Testi di riferimento
John R. Taylor Introduzione all'analisi degli errori. Lo studio delle incertezze nelle misure fisiche D.Halliday Fondamenti di fisica (o un altro manuale con argomenti base di meccanica e elettromagnetismo) Giuseppe Levi, Strategie di Prompting. CLUEB Bologna ISBN: 978-88-491-5820-5 Un testo suggerito non obbligatorio e molto divulgativo che riguarda la metodologia con cui affrontare lo studio: Giulio Deangeli Il metodo geniale: I segreti del cervello per apprendere velocemente e amare lo studio
Codice insegnamento 96015
ALGORITMI E STRUTTURE DATI2° anno · 1° semestre · 6 CFU · INF/01 · 0 file
Al termine del corso, lo studente conosce le strutture dati di base e gli algoritmi in grado di operare su di esse. Lo studente conosce le principali tecniche per la stima del costo computazionale di algoritmi, ed è in…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente conosce le strutture dati di base e gli algoritmi in grado di operare su di esse. Lo studente conosce le principali tecniche per la stima del costo computazionale di algoritmi, ed è in grado di progettare e realizzare soluzioni efficienti per risolvere problemi comuni nell'ambito delle discipline legate alla tecnologia dell'informazione.
Programma
Il corso consiste di due moduli, uno propriamente di introduzione agli algoritmi e strutture dati e il secondo di introduzione al linguaggio Python. Gli algoritmi e le strutture dati di interesse saranno presentati con un linguaggio astratto (pseudocodice) indipendente da dettagli sintattici e nelle esercitazioni verranno poi tradotti con riferimento principalmente al linguaggio C. Il linguaggio Python offrirà un'altra prospettiva, utile sia in questo corso e soprattutto in altri corsi successivi. Gli argomenti trattati durante il corso includono: concetti di algoritmi ed efficienza/complessità analisi e notazione asintotica della complessità (O-grande) algoritmi ricorsivi e metodologia divide-et-impera algoritmi di ricerca algoritmi di ordinamento strutture dati elementari: pile, code, liste tabelle hash grafi e algoritmi di visita su grafi alberi binari di ricerca
Modalità d'esame
L'esame consisterà in due parti un piccolo progetto (esercizio) relativo al modulo Python, che costituirà criterio di ammissione allo scritto (senza voto), e in una prova scritta/pratica al computer contenente domande testuali e strutturate relative a valutare le conoscenze acquisite ed esercizi pratici di implementazione di algoritmi/strutture dati (in C e/o Python), da svolgersi al computer in ambiente simile a quello usato nei laboratori, per la verifica delle competenze. Il voto finale sarà dato dalla somma dei punteggi degli esercizi di tale prova, il cui massimo eccede i 30 punti per considerare la lode. https://site.unibo.it/studenti-con-disabilita-e-dsa/it
Testi di riferimento
Il materiale fornito è necessario e sufficiente. Per approfondimenti, si suggeriscono i seguenti testi: Introduzione agli algoritmi e strutture dati. Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest. McGraw-Hill Education, 2010 Algoritmi e strutture dati - Astrazione, progetto e realizzazione. Pasquale Foggia, Mario Vento. McGraw-Hill, 2011
Codice insegnamento 11929
INGEGNERIA DEI SISTEMI WEB2° anno · 1° semestre · 6 CFU · INF/01 · 0 file
Al termine del corso, lo studente conosce i principali stack per il Web LAMP e MEAN. E’ in grado di sviluppare applicazioni e servizi Web, client side e server side. Conosce e sa utilizzare in modo appropriato i…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente conosce i principali stack per il Web LAMP e MEAN. E’ in grado di sviluppare applicazioni e servizi Web, client side e server side. Conosce e sa utilizzare in modo appropriato i principali framework e content management system per lo sviluppo dei siti Web. Conosce le principali differenze tra le tipologie di applicazioni per device mobili: web app, app ibride e app native.
Programma
Confronto tra le differenti architetture e solution stack per il Web. Stack MEVN, con focus su Node.js e Vue.js. Introduzione ai Build tools. SuperSet di Linguaggi per il Web: TypeScript, SCSS e SASS. Solution stack LAMP, con focus su PHP. Principali differenze tra le tipologie di applicazioni: web app, app ibride e app native.
Modalità d'esame
Per l’esame finale è richiesto lo sviluppo (possibilmente in gruppo) di un’applicazione web che utilizzi le tecnologie (Node.js, Vue.js e Typescript) e le best practices viste durante il corso. Oltre al codice, andrà consegnata una relazione sotto forma di slide, contenente: (i) scopo della web app; (ii) tecnologie utilizzate (librerie, API, ecc.), (iii) mockup e screenshot della web app. La web app sarà presentata durante l'esame orale che è diviso in due parti: presentazione di gruppo del progetto (max 27) prova orale individuale sugli argomenti teorici visti durante il corso (max 5 punti).
Testi di riferimento
Vista la velocità con il quale il mondo web cambia e si aggiorna, non ci sono testi consigliati. Si consiglia quindi di utilizzare il materiale fornito dalla docente e presente su Virtuale, incluso il materiale di approfondimento messo a disposizione.
Codice insegnamento 47240
LABORATORIO DI BIG DATA, DATA MINING E DATA ANALYTICS - CE2° anno · 1° semestre · 6 CFU · 0 file
Al termine del corso, lo studente possiede competenze avanzate e capacità pratiche legate alle basi di dati relazionali e non relazionali, nonché la capacità di realizzare applicazioni centrate sull'utilizzo di DBMS.…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente possiede competenze avanzate e capacità pratiche legate alle basi di dati relazionali e non relazionali, nonché la capacità di realizzare applicazioni centrate sull'utilizzo di DBMS. Conosce gli ambiti applicativi in cui utilizzare le tecnologie dei Big Data e le relative problematiche; Conosce le architetture hardware e software proposte per la loro gestione; Conosce le tecniche per la memorizzazione, utilizza i linguaggi e i paradigmi di programmazione adottati in questo tipo di sistemi; Conosce le metodologie di progettazione per le diverse tipologie di applicazioni in ambito Big Data. Possiede competenze pratiche nell'utilizzo delle diverse. Conosce le principali tecniche di data mining e text mining; Conosce le metodologie di gestione e sviluppo di progetto; Sviluppa competenze pratiche nella generazione, nell'analisi e interpretazione dei risultati mediante esercitazioni pratiche svolte con tool commerciali e/o open source.
Programma
Il corso introduce ai fondamenti dei Big Data e dell'analisi dati. Si parte dalle basi di manipolazione ed esplorazione dei dati, includendo statistica e visualizzazione. Successivamente, si passa al machine learning classico per creare modelli predittivi su dati tabellari. La seconda parte esplora architetture moderne come il lakehouse e tecniche avanzate. Vengono trattati dati non strutturati (testi, immagini) tramite embeddings e ricerca vettoriale, fino a costruire sistemi di ricerca semantica (RAG). Il percorso si conclude con un progetto pratico che integra le competenze acquisite.
Modalità d'esame
Guida all'Esame: Progetto e Prova Orale La prova ha l'obiettivo di verificare le competenze acquisite nell'analisi dei dati in Python, coniugando scrittura del codice, rigore logico e capacità di sintesi. L'esame è composto da due parti obbligatorie: Un progetto di analisi dati (individuale) Un colloquio orale comprendente la discussione del progetto e prova pratica su qualunque argomento dei moduli del corso 1. Il Progetto di Analisi Dati Prevede la realizzazione di un'analisi dati end-to-end in Python su un dataset a scelta (es. da Kaggle, repository di open data, o dati personali). Requisiti minimi del codice (nel Jupyter Notebook .ipynb) L'analisi deve includere obbligatoriamente le seguenti 4 fasi: Lettura dati: Caricamento del dataset (es. formato .csv, .parquet). Data Cleaning: Pulizia dei dati (gestione di valori mancanti, duplicati, outlier e corretta formattazione dei tipi di dato). Analisi Esplorativa (EDA): Generazione di grafici chiari e opportunamente commentati (usando librerie come Matplotlib/Seaborn/Plotly/etc.) per illustrare i trend principali Modello Statistico o ML: Applicazione di almeno un modello tra quelli trattati a lezione (es. regressione, classificazione, clustering) tramite Scikit-learn o Statsmodels. ⚠️ Nota sulla Privacy: In caso di utilizzo di dati aziendali o reali, è necessario assicurarsi che non siano sensibili o protetti da accordi di non divulgazione (NDA). Il repository GitHub del progetto potrebbe essere pubblico. Requisiti di Consegna La consegna prevede la creazione di un repository GitHub contenente: Il dataset utilizzato (o le istruzioni per effettuarne il download, qualora le dimensioni fossero eccessive, nel README – vedi paragrafo sotto). Il Jupyter Notebook (.ipynb) con il codice completo e i relativi commenti esplicativi. README di presentazione dove vengono spiegati i passaggi seguenti: Riassunto del progetto e dei suoi obiettivi; Come effettuare il download del progetto e/o del dataset; Il file di configurazione dell'ambiente virtuale (requirements.txt o file uv). Scadenze e Invio Il link al repository GitHub deve essere inviato via email a: [email protected] [mailto:[email protected]] con almeno 7 giorni di anticipo rispetto alla data dell'appello d'esame. Esempio: Se l'appello è fissato per martedì 23 febbraio, la consegna deve essere effettuata entro lunedì 15 febbraio alle ore 23:59. 2. La Prova Orale (30 minuti) La prova orale si articola in due parti: Discussione del progetto: Presentazione dell'analisi svolta a partire dal codice, con domande di approfondimento sulle scelte metodologiche adottate e sui risultati ottenuti. Esercizi di programmazione (Open-Book): Risoluzione guidata di brevi problemi di programmazione in Python. Niente memoria: Non è richiesta la memorizzazione della sintassi o dei comandi delle librerie. È consentita la consultazione della documentazione ufficiale o la ricerca online durante la prova. Oggetto di valutazione: La valutazione si focalizzerà sul ragionamento logico e sulla capacità di strutturare la soluzione al problema proposto. Criteri di Valutazione Il progetto sarà valutato in base ai seguenti criteri: Il notebook deve funzionare nella sua interezza. Sarà premura degli studenti accertarsi che ogni cella del notebook consegnato sia funzionante e NON restituisca errori. Warnings sono accettati. Originalità: Scelta del tema e chiarezza nella definizione degli obiettivi dell'analisi. Qualità del codice: Scrittura pulita, corretta, efficiente e commentata in Python. Grafici: Visualizzazioni chiare, corrette e di facile interpretazione. Conclusioni: Capacità di interpretare i risultati e formulare considerazioni pertinenti sul progetto. Accessibilità Gli studenti con diagnosi di DSA o che necessitano di misure di supporto per l'accessibilità, per richiedere gli adattamenti durante le prove d'esame, sono invitati ad attenersi alla seguente procedura: Inviare una richiesta via email al docente responsabile dell'insegnamento: [email protected] La comunicazione deve essere inviata con un preavviso di almeno 10 giorni rispetto alla data dell'appello. È obbligatorio inserire in copia conoscenza (CC) il "Servizio per gli studenti con disabilità" all'indirizzo [email protected] [mailto:[email protected]] . Nel corpo dell'email è indispensabile elencare chiaramente gli adattamenti già approvati e concessi dal Servizio.
Testi di riferimento
Materiale didattico messo a disposizione dal docente.
Codice insegnamento B3095
LABORATORIO DI BIG DATA, DATA MINING E DATA ANALYTICS - IM2° anno · 1° semestre · 6 CFU · 0 file
Al termine del corso, lo studente possiede competenze avanzate e capacità pratiche legate alle basi di dati relazionali e non relazionali, nonché la capacità di realizzare applicazioni centrate sull'utilizzo di DBMS.…
Scheda dell'insegnamento
Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.
Obiettivi formativi
Al termine del corso, lo studente possiede competenze avanzate e capacità pratiche legate alle basi di dati relazionali e non relazionali, nonché la capacità di realizzare applicazioni centrate sull'utilizzo di DBMS. Conosce gli ambiti applicativi in cui utilizzare le tecnologie dei Big Data e le relative problematiche; Conosce le architetture hardware e software proposte per la loro gestione; Conosce le tecniche per la memorizzazione, utilizza i linguaggi e i paradigmi di programmazione adottati in questo tipo di sistemi; Conosce le metodologie di progettazione per le diverse tipologie di applicazioni in ambito Big Data. Possiede competenze pratiche nell'utilizzo delle diverse. Conosce le principali tecniche di data mining e text mining; Conosce le metodologie di gestione e sviluppo di progetto; Sviluppa competenze pratiche nella generazione, nell'analisi e interpretazione dei risultati mediante esercitazioni pratiche svolte con tool commerciali e/o open source.
Programma
Introduzione a python e alle librerie numpy e pandas. Nozioni di statistica ed esercitazioni con la libreria statsmodels Visualizzazione dati con matplotlib e seaborn. Processi di raccolta e pulizia dati. Modelli di analisi predittiva (regressioni, classificazioni) con scikit-learn. Embeddings e database vettoriali
Modalità d'esame
Esercitazioni in laboratorio Progetto di analisi dati con Pandas Prova orale: discussione del progetto e domande sugli argomenti trattati
Testi di riferimento
Foster Provost, Tom Fawcett Data science for business, O'Reilly (2013) John V. Guttag, Introduction to computation and programming using Python, The MIT Press (2016) Cole Nussbaumer Knaflic, Storytelling with data, Wiley (2015)
Codice insegnamento B3096
LABORATORIO DI OTTIMIZZAZIONE, INTELLIGENZA ARTIFICIALE E MACHINE LEARNING - CE2° anno · 2° semestre · 6 CFU · 0 file
Al termine del corso, lo studente conosce i principi dell'intelligenza artificiale e dell’apprendimento automatico e ne conosce le basi matematiche. Conosce alcuni framework di sviluppo del settore. È capace di…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente conosce i principi dell'intelligenza artificiale e dell’apprendimento automatico e ne conosce le basi matematiche. Conosce alcuni framework di sviluppo del settore. È capace di concorrere alla progettazione di sistemi capaci di apprendere in modo automatico e di risolvere problemi in diversi ambiti applicativi utilizzando tecniche di intelligenza artificiale e di apprendimento automatico. Conosce obiettivi, principi e metodi per l'ottimizzazione.
Programma
Modulo 1 – Fondamenti Statistica di base Probabilità e distribuzioni Livelli di confidenza, Decision Theory, test statistici Tipi di analisi: descrittiva, predittiva, prescrittiva Gestione e Preprocessing dei Dati Struttura dei dati (strutturati, semi-strutturati, non strutturati) Concetti fondamentali di elaborazione delle immagini Pulizia e qualità del dato Trasformazioni e relazioni tra dati Intelligenza Artificiale e Machine Learning Introduzione e applicazioni Apprendimento (supervisionato e non) Classificazione, regressione, clustering, sequenze Percezione, individuazione anomalie, previsione delle serie temporali, estrazione insight, generazione dati sintetici Reti Neurali Artificiali Storia ed elementi di teoria Implementazione semplificata con NumPy Fondamenti di Apprendimento Supervisionato Parametri e Iperparametri Suddivisione del dataset e metriche Bias-Variance trade-off (concetto intuitivo) Altri Modelli di Machine Learning e Statistici Panoramica Criteri di scelta Trade-off tra costo computazionale e accuratezza Interpretabilità dei modelli Deep Learning Concetti di base Architetture principali Transfer learning e riutilizzo di modelli pre-addestrati Intelligenza Artificiale Generativa Modelli di linguaggio e multimodali Cenni di architetture e modalità di addestramento Introduzione al Prompt Engineering e RAG, approcci agentici Etica del dato e dell’Intelligenza Artificiale Bias, discriminazione dei dati, utilizzo responsabile Modulo 2 - Applicazioni e Approfondimenti Strumenti per l’analisi dati e il Machine Learning Esplorazione con fogli elettronici Introduzione al linguaggio Python e ai framework utilizzati Fasi del Processo di Machine Learning Importazione e preparazione dei dati Ciclo di sviluppo del modello (trasformazione, visualizzazione ed esplorazione, addestramento e validazione) Comunicazione dei risultati e interpretazione Esempi Pratici e Casi di Studio Implementazione completa del ciclo ML su diversi temi: Reti convoluzionali (CNN) per il riconoscimento di immagini Previsione di serie temporali Confronto tra modelli tradizionali e approcci deep learning Rilevamento di outlier e anomalie Sistemi agentici basati su LLM, Prompt Engineering e RAG
Modalità d'esame
La valutazione finale è costituita da: lo sviluppo e la discussione di un progetto, individuale o a gruppi, che attesti la comprensione degli argomenti svolti.
Testi di riferimento
I seguenti testi e risorse possono essere utili per un approfondimento. S. Raschka,Y. Liu, V. Mirjalili - Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python – Packt Publishing, 2022 W. McKinney - Python for Data Analysis 3rd Ed.– O’Reilly, 2022 Open access: https://wesmckinney.com/book PyTorch: https://pytorch.org/ OpenCV: https://opencv.org/
Codice insegnamento B3098
LABORATORIO DI OTTIMIZZAZIONE, INTELLIGENZA ARTIFICIALE E MACHINE LEARNING - IM2° anno · 2° semestre · 6 CFU · 0 file
Al termine del corso, lo studente conosce i principi dell'intelligenza artificiale e dell’apprendimento automatico e ne conosce le basi matematiche. Conosce alcuni framework di sviluppo del settore. È capace di…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente conosce i principi dell'intelligenza artificiale e dell’apprendimento automatico e ne conosce le basi matematiche. Conosce alcuni framework di sviluppo del settore. È capace di concorrere alla progettazione di sistemi capaci di apprendere in modo automatico e di risolvere problemi in diversi ambiti applicativi utilizzando tecniche di intelligenza artificiale e di apprendimento automatico. Conosce obiettivi, principi e metodi per l'ottimizzazione.
Programma
Modulo 1 – Fondamenti Statistica di base Probabilità e distribuzioni Livelli di confidenza, Decision Theory, test statistici Tipi di analisi: descrittiva, predittiva, prescrittiva Gestione e Preprocessing dei Dati Struttura dei dati (strutturati, semi-strutturati, non strutturati) Concetti fondamentali di elaborazione delle immagini Pulizia e qualità del dato Trasformazioni e relazioni tra dati Intelligenza Artificiale e Machine Learning Introduzione e applicazioni Apprendimento (supervisionato e non) Classificazione, regressione, clustering, sequenze Percezione, individuazione anomalie, previsione delle serie temporali, estrazione insight, generazione dati sintetici Reti Neurali Artificiali Storia ed elementi di teoria Implementazione semplificata con NumPy Fondamenti di Apprendimento Supervisionato Parametri e Iperparametri Suddivisione del dataset e metriche Bias-Variance trade-off (concetto intuitivo) Altri Modelli di Machine Learning e Statistici Panoramica Criteri di scelta Trade-off tra costo computazionale e accuratezza Interpretabilità dei modelli Deep Learning Concetti di base Architetture principali Transfer learning e riutilizzo di modelli pre-addestrati Intelligenza Artificiale Generativa Modelli di linguaggio e multimodali Cenni di architetture e modalità di addestramento Introduzione al Prompt Engineering e RAG, approcci agentici Etica del dato e dell’Intelligenza Artificiale Bias, discriminazione dei dati, utilizzo responsabile Modulo 2 - Applicazioni e Approfondimenti Strumenti per l’analisi dati e il Machine Learning Esplorazione con fogli elettronici Introduzione al linguaggio Python e ai framework utilizzati Fasi del Processo di Machine Learning Importazione e preparazione dei dati Ciclo di sviluppo del modello (trasformazione, visualizzazione ed esplorazione, addestramento e validazione) Comunicazione dei risultati e interpretazione Esempi Pratici e Casi di Studio Implementazione completa del ciclo ML su diversi temi: Reti convoluzionali (CNN) per il riconoscimento di immagini Previsione di serie temporali Confronto tra modelli tradizionali e approcci deep learning Rilevamento di outlier e anomalie Sistemi agentici basati su LLM, Prompt Engineering e RAG
Modalità d'esame
La valutazione finale è costituita da: lo sviluppo e la discussione di un progetto, individuale o a gruppi, che attesti la comprensione degli argomenti svolti.
Testi di riferimento
I seguenti testi e risorse possono essere utili per un approfondimento. S. Raschka,Y. Liu, V. Mirjalili - Machine Learning with PyTorch and Scikit-Learn: Develop machine learning and deep learning models with Python – Packt Publishing, 2022 W. McKinney - Python for Data Analysis 3rd Ed.– O’Reilly, 2022 Open access: https://wesmckinney.com/book PyTorch: https://pytorch.org/ OpenCV: https://opencv.org/
Codice insegnamento B3099
LABORATORIO DI PIATTAFORME E METODOLOGIE DI SVILUPPO CLOUD - CE2° anno · 2° semestre · 6 CFU · 0 file
Al termine del corso, lo studente conosce approfonditamente le strategie di sviluppo di sistemi in cloud ed i framework per lo sviluppo forniti dai principali cloud provider, ed in particolare: i linguaggi ed i metodi…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente conosce approfonditamente le strategie di sviluppo di sistemi in cloud ed i framework per lo sviluppo forniti dai principali cloud provider, ed in particolare: i linguaggi ed i metodi per realizzare e gestire infrastrutture virtuali per mezzo di codice (IaC) e per bilanciare dinamicamente il carico; i principali linguaggi e framework per realizzare applicazioni a base web in cloud; i principali processi di sviluppo per la conduzione di progetti in cloud e gli strumenti disponibili; i principali strumenti per realizzare servizi di directory e meccanismi di sicurezza delle comunicazioni nei sistemi ed applicazioni dispiegati in cloud; i principali strumenti per monitoraggio, billing e auditing delle applicazioni e dei sistemi in cloud. Conosce le principali certificazioni dei principali cloud provider. È in grado di progettare o contribuire a progettare un sistema informatico di piccole o medie dimensioni dispiegato in cloud.
Programma
Introduzione ai concetti teorici alla base del Cloud Computing, con particolare riferimento ai principi di scalabilità, elasticità, disponibilità, affidabilità e resilienza. Analisi dei principali modelli di servizio cloud (IaaS, PaaS e SaaS) e dei relativi ambiti di applicazione. Presentazione dei principali modelli di deployment (Public Cloud, Private Cloud e Hybrid Cloud), dei principali Cloud Provider (AWS, Microsoft Azure e Google Cloud Platform – GCP) e delle architetture cloud di riferimento. Approfondimento delle seguenti tematiche anche mediante applicazioni pratiche: IaaS e virtualizzazione: principi della virtualizzazione, cenni storici, hypervisor e macchine virtuali; vantaggi, svantaggi e principali casi d'uso. Esempi di implementazione mediante servizi IaaS in ambiente cloud Architetture scalabili e ad alta disponibilità: scalabilità verticale e orizzontale, elasticità e autoscaling, bilanciamento del carico (Load Balancing), disponibilità e resilienza dei servizi. Differenze tra applicazioni stateful e stateless. Architetture e servizi per la gestione dei dati: database relazionali e NoSQL, database gestiti in cloud, sistemi di caching, persistenza dei dati e Object Storage. Scelta delle tecnologie in funzione delle caratteristiche dell'applicazione. Richiami di Container e Docker: introduzione alla containerizzazione e confronto tra container e macchine virtuali. Immagini, container, registry, volumi e networking. Utilizzo di Docker, Dockerfile e Docker Compose per la realizzazione e l'esecuzione di applicazioni multi-container. Orchestrazione dei container con Kubernetes: introduzione alle problematiche di gestione di applicazioni containerizzate distribuite e al concetto di container orchestration. Architettura di un cluster Kubernetes e principali componenti. Concetti di Pod, Deployment, ReplicaSet, Service, ConfigMap, Secret e Namespace. Deployment, replica, aggiornamento e scalabilità delle applicazioni. Cenni a rolling update, self-healing, service discovery e load balancing. Architetture a microservizi: confronto tra architetture monolitiche e a microservizi; vantaggi, criticità e principali pattern architetturali. Comunicazione tra servizi mediante RESTful API, gestione dei servizi distribuiti ed esempi di applicazioni containerizzate basate su microservizi. PaaS e Serverless Computing: caratteristiche dei servizi Platform as a Service e Function as a Service (FaaS); differenze rispetto ai modelli IaaS e containerizzati; vantaggi, limiti e principali casi d'uso. Esempi di servizi serverless disponibili sulle piattaforme cloud. Monitoraggio, logging e osservabilità: introduzione ai concetti di metriche, log e monitoring; definizione e utilizzo di SLI, SLO e SLA; monitoraggio attivo e passivo, raccolta e analisi centralizzata dei log. Cenni agli strumenti di osservabilità delle applicazioni e delle infrastrutture. Cenni a tecniche DevOps: principi e obiettivi della cultura DevOps e integrazione tra sviluppo software e gestione delle infrastrutture. Automazione dei processi di build, test, rilascio e deployment. Continuous Integration e Continuous Delivery/Deployment (CI/CD): struttura e funzionamento di una pipeline CI/CD. Analisi delle principali fasi: gestione del codice sorgente, build, test automatici, creazione degli artefatti, containerizzazione, pubblicazione delle immagini e deployment negli ambienti di test e produzione. Pipeline CI/CD per applicazioni containerizzate: realizzazione del flusso completo Code → Build → Test → Docker Image → Registry → Deploy → Monitor, evidenziando il ruolo dei diversi strumenti. Esempi operativi di pipeline anche basati su Git, Jenkins, Docker e Kubernetes, con esecuzione automatica dei test e deployment dell'applicazione. Infrastructure as Code (IaC): definizione e principi dell'Infrastructure as Code, infrastrutture dichiarative e riproducibili, gestione della configurazione e versionamento dell'infrastruttura. Introduzione a strumenti come Terraform e ai file YAML utilizzati per la definizione dichiarativa delle risorse Kubernetes. Cloud Security: introduzione allo Shared Responsibility Model, sicurezza delle infrastrutture e delle applicazioni cloud, gestione delle identità e degli accessi (IAM), principio del minimo privilegio, gestione dei Secret, sicurezza dei container e dei cluster Kubernetes. Cenni agli strumenti per vulnerability scanning, gestione delle credenziali, logging e auditing. Il percorso prevede l'integrazione tra gli aspetti teorici e attività pratiche finalizzate alla comprensione dell'intero ciclo di vita di un'applicazione moderna: containerizzazione, orchestrazione, realizzazione della pipeline CI/CD, deployment e alla gestione dell'applicazione in ambiente Kubernetes.
Modalità d'esame
La verifica dell'apprendimento sarà articolata in una prova scritta e una prova pratica. La prova scritta sarà costituita da quesiti e quiz finalizzati a verificare la conoscenza e la comprensione dei principali concetti teorici affrontati durante il corso, con particolare riferimento al Cloud Computing, alla containerizzazione, alle architetture a microservizi, a Kubernetes e alle metodologie DevOps e CI/CD. La prova pratica sarà finalizzata a verificare la capacità dello studente di individuare gli strumenti e le tecnologie più appropriate per la risoluzione di una problematica proposta e di utilizzarli e configurarli correttamente. A partire da uno scenario applicativo, analogo a quelli affrontati durante le lezioni e le esercitazioni di laboratorio, lo studente dovrà dimostrare di saper: individuare gli strumenti più appropriati in funzione del problema; motivare le principali scelte tecniche effettuate; configurare e utilizzare correttamente gli strumenti individuati; integrare, ove richiesto, più tecnologie all'interno di un'unica soluzione; verificare il corretto funzionamento della soluzione realizzata; individuare e risolvere eventuali problemi di configurazione o funzionamento. La valutazione complessiva terrà conto sia delle conoscenze teoriche acquisite sia della capacità di applicarle operativamente, con particolare attenzione all'autonomia nell'individuazione degli strumenti, alla correttezza delle configurazioni e alla capacità di risolvere il problema proposto.
Testi di riferimento
Appunti delle lezioni. Potranno essere suggeriti materiali di approfondimento in caso di specifica richiesta ma i contenuti dell'esame riguarderanno solo quanto presentato a lezione.
Codice insegnamento B3101
LABORATORIO DI PIATTAFORME E METODOLOGIE DI SVILUPPO CLOUD - IM2° anno · 2° semestre · 6 CFU · 0 file
Al termine del corso, lo studente conosce approfonditamente le strategie di sviluppo di sistemi in cloud ed i framework per lo sviluppo forniti dai principali cloud provider, ed in particolare: i linguaggi ed i metodi…
Scheda dell'insegnamento
Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.
Obiettivi formativi
Al termine del corso, lo studente conosce approfonditamente le strategie di sviluppo di sistemi in cloud ed i framework per lo sviluppo forniti dai principali cloud provider, ed in particolare: i linguaggi ed i metodi per realizzare e gestire infrastrutture virtuali per mezzo di codice (IaC) e per bilanciare dinamicamente il carico; i principali linguaggi e framework per realizzare applicazioni a base web in cloud; i principali processi di sviluppo per la conduzione di progetti in cloud e gli strumenti disponibili; i principali strumenti per realizzare servizi di directory e meccanismi di sicurezza delle comunicazioni nei sistemi ed applicazioni dispiegati in cloud; i principali strumenti per monitoraggio, billing e auditing delle applicazioni e dei sistemi in cloud. Conosce le principali certificazioni dei principali cloud provider. È in grado di progettare o contribuire a progettare un sistema informatico di piccole o medie dimensioni dispiegato in cloud.
Programma
LEZIONE 1 - Introduzione al cloud computing - Modelli di servizio (IaaS, SaaS, PaaS) - Elasticità e Scalabilità - Collegamenti con virtualizzazione - Elementi di base dei container LEZIONE 2 - Introduzione a docker - Modalità Swarm - Immagini e container: docker hub - Networking e volumi - Esempi di lancio dei primi container già pronti LEZIONE 3 - Docker Compose per ambienti multi-container - Panorama dei differenti provider cloud - Modelli operativi - Integrazione dei container realizzati con docker-compose con servizi SaaS LEZIONE 4 - DevOps lifecycle - Monitoraggio Billing e Auditing dei principali sistemi Cloud - Utilizzo delle API dei provider Cloud - Concetti di IaC - Esempi di utilizzo di servizi PaaS LEZIONE 5 - Concetti di scalabilità verticale e orizzontale in cloud - Concetti di resilienza in cloud: Region e AZ - Esempi su differenti provider cloud - Concetti di realizzazione di documentazione di applicazioni distribuite (C4 Model) LEZIONE 6 - Sviluppo e realizzazione di un applicativo a container in locale con docker-compose - Identificazione di possibili compenenti da portare in cloud, e dei provider cloud candidati per il porting (free-tier) LEZIONE 7 - Porting dei componenti dell'applicazione di esempio sui vari provider cloud.
Codice insegnamento B3105
LABORATORIO DI PROGRAMMAZIONE DI SISTEMI MOBILI - CE2° anno · 2° semestre · 6 CFU · 0 file
Al termine del corso, lo studente conosce gli strumenti fondamentali per lo sviluppo di applicazioni per dispositivi mobile, sia native su piattaforma Android (tramite Kotlin), che ibride con React Native (basato su…
Scheda dell'insegnamento
Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.
Obiettivi formativi
Al termine del corso, lo studente conosce gli strumenti fondamentali per lo sviluppo di applicazioni per dispositivi mobile, sia native su piattaforma Android (tramite Kotlin), che ibride con React Native (basato su React). In particolare, conosce la progettazione e programmazione dell’architettura e dell’interfaccia grafica di applicazioni mobile performanti, in grado di comunicare con le componenti hardware (come sensori) e software del device.
Programma
Introduzione alla programmazione mobile Architettura di una applicazione mobile Sviluppo delle interfacce grafiche ed organizzazione del codice (clean architecture ed introduzione ai patterns) Salvataggio persistente locale e gestione di database Concorrenza: main thread vs background thread Comunicazione di rete e chiamate API Interazione con il sistema operativo: gestione dei permessi ed acquisizione della posizione / utilizzo fotocamera
Modalità d'esame
L’esame di fine corso mira a valutare il raggiungimento degli obiettivi didattici: conoscere i concetti alla base delle applicazioni mobile. sviluppo di applicazioni native in Android e ibride in Flutter.
Testi di riferimento
Gli studenti ricevono le slide proiettate a lezione e vengono di volta in volta guidati a risorse tipicamente gratuite e disponibili in rete per lo svolgimento del corso e l'approfondimento degli argomenti.
Codice insegnamento B3108
LABORATORIO DI PROGRAMMAZIONE DI SISTEMI MOBILI - IM2° anno · 2° semestre · 6 CFU · 0 file
Al termine del corso, lo studente conosce gli strumenti fondamentali per lo sviluppo di applicazioni per dispositivi mobile, sia native su piattaforma Android (tramite Kotlin), che ibride con React Native (basato su…
Scheda dell'insegnamento
Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.
Obiettivi formativi
Al termine del corso, lo studente conosce gli strumenti fondamentali per lo sviluppo di applicazioni per dispositivi mobile, sia native su piattaforma Android (tramite Kotlin), che ibride con React Native (basato su React). In particolare, conosce la progettazione e programmazione dell’architettura e dell’interfaccia grafica di applicazioni mobile performanti, in grado di comunicare con le componenti hardware (come sensori) e software del device.
Programma
Introduzione alla programmazione mobile Architettura di una applicazione mobile Sviluppo delle interfacce grafiche ed organizzazione del codice (clean architecture ed introduzione ai patterns) Salvataggio persistente locale e gestione di database Concorrenza: main thread vs background thread Comunicazione di rete e chiamate API Interazione con il sistema operativo: gestione dei permessi ed acquisizione della posizione / utilizzo fotocamera
Modalità d'esame
L’esame di fine corso mira a valutare il raggiungimento degli obiettivi didattici: conoscere i concetti alla base delle applicazioni mobile. sviluppo di applicazioni native in Android e ibride in Flutter.
Testi di riferimento
Gli studenti ricevono le slide proiettate a lezione e vengono di volta in volta guidati a risorse tipicamente gratuite e disponibili in rete per lo svolgimento del corso e l'approfondimento degli argomenti.
Codice insegnamento B3109
LABORATORIO DI SICUREZZA DEI SISTEMI E PRIVACY - CE2° anno · 2° semestre · 6 CFU · 0 file
Al termine del corso lo studente conosce i principi di base della sicurezza informatica e le principali problematiche di sicurezza dei sistemi informatici e delle reti. Conosce i protocolli ed i meccanismi di…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce i principi di base della sicurezza informatica e le principali problematiche di sicurezza dei sistemi informatici e delle reti. Conosce i protocolli ed i meccanismi di comunicazione utilizzati per garantire il trasferimento sicuro delle informazioni. È in grado di valutare in modo critico la sicurezza di un sistema informatico, individuando le possibili vulnerabilità e mettendo in atto tutte le contromisure necessarie per mitigare le problematiche individuate ed incrementare la robustezza del sistema. Conosce i principi e le metodologie alla base dei servizi di directory ed è in grado di gestire un sistema di piccole dimensione basato su servizi di directory di tipo proprietario oppure open source. Conosce i metodi con cui appoggiare una applicazione ad un servizio di directory dispiegato in cloud mediante i servizi dei principali cloud provider. È in grado di contribuire alla progettazione di sistemi, anche in cloud, dove la sicurezza è un elemento essenziale e strutturale. È in grado di progettare ed i meccanismi per la messa in sicurezza di dispositivi presenti su Internet e di sistemi distribuiti in cloud, utilizzando i framework disponibili su queste piattaforme cloud. È in grado di utilizzare strumenti di "penetration testing" per validare la sicurezza di un sistema attraverso la ricerca delle sue vulnerabilità e la misura degli effetti dello sfruttamento di queste vulnerabilità.
Programma
Introduzione e principi di sicurezza informatica Standard e normative di riferimento per la gestione sicura delle informazioni Fondamenti di crittografia e protezione del dato Sicurezza applicativa e OWASP Top 10 Secure Software Development Lifecycle Red teaming e Penetration testing
Modalità d'esame
Esame scritto, in presenza, per la verifica delle competenze teoriche (incide al 35% sul voto finale) Esame orale, di gruppo, in presenza o da remoto, per la verifica delle competenze pratiche tramite presentazione di un elaborato a scelta tra i temi proposti dal docente (incide al 65% sul voto finale)
Testi di riferimento
Tutti i contenuti utili sono presenti sulle slide presentate a lezione. Eventuali approfondimenti (facoltativi) saranno riportati comunque direttamente sulle slide tramite link o citazioni.
Codice insegnamento B3110
LABORATORIO DI SICUREZZA DEI SISTEMI E PRIVACY - IM2° anno · 2° semestre · 6 CFU · 0 file
Al termine del corso lo studente conosce i principi di base della sicurezza informatica e le principali problematiche di sicurezza dei sistemi informatici e delle reti. Conosce i protocolli ed i meccanismi di…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce i principi di base della sicurezza informatica e le principali problematiche di sicurezza dei sistemi informatici e delle reti. Conosce i protocolli ed i meccanismi di comunicazione utilizzati per garantire il trasferimento sicuro delle informazioni. È in grado di valutare in modo critico la sicurezza di un sistema informatico, individuando le possibili vulnerabilità e mettendo in atto tutte le contromisure necessarie per mitigare le problematiche individuate ed incrementare la robustezza del sistema. Conosce i principi e le metodologie alla base dei servizi di directory ed è in grado di gestire un sistema di piccole dimensione basato su servizi di directory di tipo proprietario oppure open source. Conosce i metodi con cui appoggiare una applicazione ad un servizio di directory dispiegato in cloud mediante i servizi dei principali cloud provider. È in grado di contribuire alla progettazione di sistemi, anche in cloud, dove la sicurezza è un elemento essenziale e strutturale. È in grado di progettare ed i meccanismi per la messa in sicurezza di dispositivi presenti su Internet e di sistemi distribuiti in cloud, utilizzando i framework disponibili su queste piattaforme cloud. È in grado di utilizzare strumenti di "penetration testing" per validare la sicurezza di un sistema attraverso la ricerca delle sue vulnerabilità e la misura degli effetti dello sfruttamento di queste vulnerabilità.
Programma
Introduzione e principi di sicurezza informatica Standard e normative di riferimento per la gestione sicura delle informazioni Fondamenti di crittografia e protezione del dato Sicurezza applicativa e OWASP Top 10 Secure Software Development Lifecycle Red teaming e Penetration testing
Modalità d'esame
Esame scritto, in presenza, per la verifica delle competenze teoriche (incide al 35% sul voto finale) Esame orale, di gruppo, in presenza o da remoto, per la verifica delle competenze pratiche tramite presentazione di un elaborato a scelta tra i temi proposti dal docente (incide al 65% sul voto finale)
Testi di riferimento
Tutti i contenuti utili sono presenti sulle slide presentate a lezione. Eventuali approfondimenti (facoltativi) saranno riportati comunque direttamente sulle slide tramite link o citazioni.
Codice insegnamento B3111
LABORATORIO DI SISTEMI DI RETE - CE2° anno · 2° semestre · 6 CFU · 0 file
Al termine del corso lo studente conosce i principi di funzionamento e le modalità di configurazione dei principali apparati di rete. Sa eseguire configurazioni di base sia per apparati di livello 2 (switch) sia per…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce i principi di funzionamento e le modalità di configurazione dei principali apparati di rete. Sa eseguire configurazioni di base sia per apparati di livello 2 (switch) sia per apparati di livello 3 (router). Conosce i principi di monitoraggio e gestione di una rete e sa eseguire configurazioni di base. Conoscenze le metodologie di configurazione dei principali sistemi di instradamento proprietari e open-source. Conosce i principi della virtualizzazione di rete e le relative implementazione nei moderni sistemi di cloud computing.
Programma
Fondamenti di architetture di rete e modelli di riferimento (OSI e TCP/IP); funzionamento e caratteristiche dei principali protocolli di comunicazione. Configurazione e gestione degli apparati di rete di livello 2: switching, VLAN, trunking, Spanning Tree Protocol e meccanismi di sicurezza a livello di accesso. Configurazione e gestione degli apparati di rete di livello 3: indirizzamento IP, subnetting, routing statico e protocolli di routing dinamico (RIPv2, OSPF, EIGRP). Tecniche di monitoraggio, gestione e troubleshooting di reti locali e geografiche con l’impiego di strumenti professionali. Metodologie di configurazione e gestione di servizi di rete di base (DHCP, NAT, ACL) in contesti reali e simulati. Approfondimento su Network Security
Modalità d'esame
La valutazione finale è costituita da: una prova scritta che attesti la comprensione degli argomenti
Testi di riferimento
Materiale e slide dei docenti. Testi per possibili approfondimenti: "CCNA 200-301 Official Cert Guide Library"
Codice insegnamento B3112
LABORATORIO DI SISTEMI DI RETE - IM2° anno · 2° semestre · 6 CFU · 0 file
Al termine del corso lo studente conosce i principi di funzionamento e le modalità di configurazione dei principali apparati di rete. Sa eseguire configurazioni di base sia per apparati di livello 2 (switch) sia per…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente conosce i principi di funzionamento e le modalità di configurazione dei principali apparati di rete. Sa eseguire configurazioni di base sia per apparati di livello 2 (switch) sia per apparati di livello 3 (router). Conosce i principi di monitoraggio e gestione di una rete e sa eseguire configurazioni di base. Conoscenze le metodologie di configurazione dei principali sistemi di instradamento proprietari e open-source. Conosce i principi della virtualizzazione di rete e le relative implementazione nei moderni sistemi di cloud computing.
Programma
Fondamenti di architetture di rete e modelli di riferimento (OSI e TCP/IP); funzionamento e caratteristiche dei principali protocolli di comunicazione. Configurazione e gestione degli apparati di rete di livello 2: switching, VLAN, trunking, Spanning Tree Protocol e meccanismi di sicurezza a livello di accesso. Configurazione e gestione degli apparati di rete di livello 3: indirizzamento IP, subnetting, routing statico e protocolli di routing dinamico (RIPv2, OSPF, EIGRP). Tecniche di monitoraggio, gestione e troubleshooting di reti locali e geografiche con l’impiego di strumenti professionali. Metodologie di configurazione e gestione di servizi di rete di base (DHCP, NAT, ACL) in contesti reali e simulati. Approfondimento su Network Security
Modalità d'esame
La valutazione finale è costituita da: una prova scritta che attesti la comprensione degli argomenti
Testi di riferimento
Materiale e slide dei docenti. Testi per possibili approfondimenti: "CCNA 200-301 Official Cert Guide Library"
Codice insegnamento B3113
LABORATORIO DI SISTEMI EMBEDDED E IOT - CE2° anno · 1° semestre · 6 CFU · 0 file
Al termine del corso lo studente è in grado di sviluppare software su tecnologie embedded quali microcontrollori, sistemi SoC (system-on-a-chip), integrati in rete con sistemi/applicazioni web e applicazioni mobile.
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente è in grado di sviluppare software su tecnologie embedded quali microcontrollori, sistemi SoC (system-on-a-chip), integrati in rete con sistemi/applicazioni web e applicazioni mobile.
Programma
A lezione:
Introduzione al corso
Focus sui microcontrollori
Le componenti
La gestione del software
Gli input/output
I timer
I bus
I sensori e gli attuatori
Panoramica generale
Esempi
Modellazione del software
OO
Stati finiti
Eventi
I soc
Cosa sono
I sistemi operativi
IoT
Tecnologie per la comunicazione In Laboratorio:
Programmazione su Arduino/ESP32
Programmazione su Raspberry Pi
Modalità d'esame
La valutazione verrà effettuata sulla base di un compito scritto per la parte teorica e la consegna di un progetto concordato con il docente che si potrà svolgere in gruppi fino a tre persone.
Codice insegnamento B3114
LABORATORIO DI SISTEMI EMBEDDED E IOT - IM2° anno · 1° semestre · 6 CFU · 0 file
Al termine del corso lo studente è in grado di sviluppare software su tecnologie embedded quali microcontrollori, sistemi SoC (system-on-a-chip), integrati in rete con sistemi/applicazioni web e applicazioni mobile.
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso lo studente è in grado di sviluppare software su tecnologie embedded quali microcontrollori, sistemi SoC (system-on-a-chip), integrati in rete con sistemi/applicazioni web e applicazioni mobile.
Programma
A lezione:
Introduzione al corso
Focus sui microcontrollori
Le componenti
La gestione del software
Gli input/output
I timer
I bus
I sensori e gli attuatori
Panoramica generale
Esempi
Modellazione del software
OO
Stati finiti
Eventi
I soc
Cosa sono
I sistemi operativi
IoT
Tecnologie per la comunicazione In Laboratorio:
Programmazione su Arduino/ESP32
Programmazione su Raspberry Pi
Modalità d'esame
La valutazione verrà effettuata sulla base di un compito scritto per la parte teorica e la consegna di un progetto concordato con il docente che si potrà svolgere in gruppi fino a tre persone.
Codice insegnamento B3115
PROGETTAZIONE E SVILUPPO DEL SOFTWARE2° anno · 1° semestre · 9 CFU · ING-INF/05 · 0 file
Al termine del corso, lo studente possiede le conoscenze di base dei paradigmi di programmazione per software in-the-large, quali il paradigma object-oriented e quello funzionale, dei suoi principali pattern di…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente possiede le conoscenze di base dei paradigmi di programmazione per software in-the-large, quali il paradigma object-oriented e quello funzionale, dei suoi principali pattern di progettazione, della sua incarnazione in linguaggi moderni e relativi framework di sviluppo. È in grado quindi di progettare e sviluppare applicazioni complete di medio-piccole dimensioni, usando processi di sviluppo e tecniche agili, tra cui l'approccio DevOps alla conduzione del progetto.
Programma
Modulo 1 — Progettazione del software e DevOps Fondamenti di analisi e progettazione orientata agli oggetti. Principi di progettazione del software e tecniche per la realizzazione di codice modulare, riusabile e manutenibile, anche con riferimento ai principali design pattern. Tecniche di programmazione efficace. Organizzazione e gestione di un progetto software. Controllo di versione con Git e organizzazione collaborativa del codice sorgente. Automazione della build e gestione delle dipendenze con Gradle. Testing automatico e verifica della qualità del software. Principi e pratiche DevOps. Modulo 2 — Programmazione in Java Linguaggio Java, ambiente di esecuzione e strumenti di sviluppo. Classi, oggetti, metodi, campi, costruttori e incapsulamento. Ereditarietà, polimorfismo, interfacce e classi astratte. Programmazione generica. Gestione delle eccezioni. Elementi di programmazione funzionale in Java: espressioni lambda, interfacce funzionali e operazioni su collezioni e flussi di dati. Librerie fondamentali per la realizzazione di applicazioni. Gestione dell’input/output. Sviluppo di interfacce grafiche mediante le librerie e i framework adottati nel corso. Modulo 3 — Laboratorio di progettazione e sviluppo del software Esercitazioni guidate sugli argomenti affrontati nei Moduli 1 e 2. Configurazione e utilizzo dell’ambiente di sviluppo. Sviluppo, esecuzione e debugging di applicazioni Java. Applicazione dei principi della programmazione orientata agli oggetti e funzionale. Utilizzo di Git per il controllo di versione e la collaborazione. Utilizzo di Gradle per l’automazione della build e la gestione delle dipendenze. Realizzazione ed esecuzione di test automatici.
Modalità d'esame
L’esame consiste nella progettazione, realizzazione, documentazione e discussione di un progetto software sviluppato in gruppo. Non sono previste prove scritte o verifiche intermedie. Il progetto viene normalmente svolto da gruppi di tre o quattro studenti. L’impegno previsto è di circa 70 ore per studente. Ciascun componente deve essere responsabile di una parte del progetto chiaramente identificabile, che comprenda un contributo individuale significativo alla progettazione e alla programmazione. La proposta di progetto deve essere sottoposta preventivamente ai docenti e può essere sviluppata solo dopo la sua approvazione. La proposta deve indicare gli obiettivi, le funzionalità previste, le principali difficoltà progettuali e la suddivisione del lavoro. La scadenza per la consegna viene scelta dagli studenti tra quelle previste all’interno dei periodi d’esame. Le modalità dettagliate per la proposta, lo svolgimento e la consegna del progetto sono pubblicate su Virtuale. La consegna comprende: il codice sorgente, gestito mediante Git; la configurazione del sistema di build e dei test automatici; un’applicazione eseguibile; una relazione in formato PDF, redatta secondo il modello fornito. Dopo la consegna, il progetto viene discusso con tutti i componenti del gruppo. La discussione comprende una breve dimostrazione dell’applicazione, l’analisi dell’architettura complessiva e una parte individuale relativa al contributo personale e alle scelte progettuali e implementative. Durante la discussione vengono utilizzati l’applicazione, il codice sorgente e la relazione consegnati. Al termine della discussione, a ciascuno studente viene assegnato un voto individuale espresso in trentesimi. Il voto può pertanto differire tra i componenti dello stesso gruppo. La prova verifica: la capacità di progettare e sviluppare un’applicazione software; l’applicazione corretta dei principi della programmazione orientata agli oggetti; la qualità dell’architettura e delle scelte progettuali; la correttezza, leggibilità, modularità, riusabilità e manutenibilità del codice; la qualità dei test, della configurazione del progetto e dell’uso degli strumenti di sviluppo; la qualità, la chiarezza e la completezza della relazione; la capacità di motivare le scelte effettuate e di discutere eventuali soluzioni alternative; l’entità e la qualità del contributo individuale. La graduazione del voto segue i seguenti criteri: 18–21: progetto complessivamente funzionante, ma con limitazioni nella progettazione, nella qualità del codice o nella documentazione; conoscenza sufficiente degli aspetti fondamentali e capacità limitata di motivare le scelte effettuate; 22–25: progetto corretto e adeguatamente strutturato; applicazione generalmente appropriata dei principi di progettazione e programmazione; contributo individuale riconoscibile e discussione corretta; 26–29: progetto completo e di buona qualità, con architettura coerente, codice manutenibile, test e documentazione adeguati; buona autonomia nell’analisi e nella discussione delle scelte progettuali; 30–30 e lode: progetto di qualità elevata, caratterizzato da scelte progettuali rigorose e da implementazione, test e documentazione particolarmente curati; piena padronanza degli argomenti, autonomia critica e capacità di discutere approfonditamente le soluzioni adottate e le possibili alternative. La prova è superata con un voto minimo di 18/30. Una valutazione negativa può derivare, in particolare, da un contributo individuale insufficiente, da gravi carenze progettuali, da errori rilevanti e ripetuti nell’applicazione dei principi della programmazione orientata agli oggetti o dall’incapacità di discutere consapevolmente il materiale consegnato. Utilizzo dell’intelligenza artificiale generativa L’utilizzo di strumenti di intelligenza artificiale generativa è consentito. La responsabilità per tutto il materiale consegnato rimane pienamente in capo allo studente. L’uso di tali strumenti deve essere dichiarato nell’apposita sezione della relazione, indicando le parti del progetto per le quali sono stati utilizzati e le modalità del loro impiego. Lo studente deve conoscere, comprendere e avere fatto proprio qualsiasi frammento di codice, schema, documentazione o parte della relazione generati con il supporto dell’intelligenza artificiale. Durante la discussione, il docente potrà porre domande specifiche volte a verificare tale comprensione. L’incapacità di spiegare termini, schemi, frammenti di programma, documentazione o parti della relazione presenti nel materiale consegnato costituisce motivo per il mancato superamento dell’esame. La discussione individuale costituisce quindi anche una verifica critica obbligatoria dell’eventuale materiale prodotto con strumenti di intelligenza artificiale generativa. Studenti con DSA o disabilità 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
Materiali necessari Le slide, gli esempi di codice, le esercitazioni e gli altri materiali necessari per la preparazione dell’esame saranno resi disponibili sulla piattaforma Virtuale. Durante il corso saranno inoltre indicate le sezioni rilevanti della documentazione tecnica ufficiale relativa al linguaggio, alle librerie e agli strumenti utilizzati. Testi consigliati Joshua Bloch, Effective Java, Third Edition, Addison-Wesley, 2018. Bruce Eckel, Thinking in Java, Fourth Edition, Prentice Hall, 2006. Testi di approfondimento Erich Gamma, Richard Helm, Ralph Johnson, John Vlissides, Design Patterns: Elements of Reusable Object-Oriented Software, Addison-Wesley, 1994. L’acquisto dei testi non è richiesto. I materiali necessari per la preparazione dell’esame saranno disponibili su Virtuale.
Codice insegnamento 95648
LABORATORIO DI INTERFACCIA UOMO-MACCHINA - CE3° anno · 1° semestre · 6 CFU · 0 file
Al termine del corso, lo studente acquisisce competenze di base su design, sviluppo e validazione di interfacce utente di sistemi informatici; conosce le principali metodologie di valutazione dell’usabilità e…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente acquisisce competenze di base su design, sviluppo e validazione di interfacce utente di sistemi informatici; conosce le principali metodologie di valutazione dell’usabilità e dell’accessibilità delle interfacce utente; conosce i principi di User Experience.
Programma
Raccogliere i requisiti e progettare il design di un caso d’uso Conoscere i principi di User Experience Realizzazione e validazione del mockup con Figma Valutazione dell’usabilità e accessibilità Conoscere l’ambiente di sviluppo Visual Studio Implementazione del caso d’uso con tecnologia Asp.NET Core MVC
Modalità d'esame
Progetto assegnato a gruppi - Fino a 27/30 - Da consegnare da remoto prima della prova orale Prova orale - (+/-)5/30 (max 30 e lode) - Può essere svolta a seguito della consegna remota del progetto - Prevede una presentazione di gruppo del progetto - Prevede domande ai singoli partecipanti sia pratiche che teoriche sugli argomenti trattati a lezione prendendo spunto dal progetto per la loro applicazione Specifiche del progetto: Il progetto, previa assegnazione con il docente di un titolo di elaborato, prevede la progettazione e implementazione di uno o più casi d'uso caratteristici. La parte di progettazione consisterà nella realizzazione di un Mockup in Figma. La parte di implementazione consisterà nello sviluppo full stack con le seguenti tencologie: Microsoft Asp.NET Core MVC, Entity Framework Core, bootstrap 5, razor (Vue.js, signalr all'occorrenza).
Codice insegnamento B6445
LABORATORIO DI INTERFACCIA UOMO-MACCHINA - IM3° anno · 1° semestre · 6 CFU · 0 file
Al termine del corso, lo studente acquisisce competenze di base su design, sviluppo e validazione di interfacce utente di sistemi informatici; conosce le principali metodologie di valutazione dell’usabilità e…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente acquisisce competenze di base su design, sviluppo e validazione di interfacce utente di sistemi informatici; conosce le principali metodologie di valutazione dell’usabilità e dell’accessibilità delle interfacce utente; conosce i principi di User Experience.
Programma
Architettura di un HMI industriale. Principi di User Experience. Conoscenza dell'ambiente di sviluppo Visual Studio. Basi di .NET. Sviluppo HMI Web con sistemi industriali e integrazione con tecnologie Web lato Front-End (HTML, CSS, Javascript) e con .NET lato Back-End.
Modalità d'esame
Progetto Da eseguire individualmente. Voto fino a 27/30. Da consegnare prima della prova orale con una relazione per la spiegazione del progetto. Prova orale Discussione del progetto. Utilizzo dell'IA E' permesso l'utilizzo dell'IA generativa per lo svolgimento del progetto dell'esame come strumento di supporto. In sede di esame potranno essere fatte domande allo studente su tutte le parti del progetto quindi anche le parti generate dall'IA potrebbero essere oggetto di domande.
Codice insegnamento B6446
LABORATORIO DI PIATTAFORME DI SVILUPPO PER AUTOMAZIONE - CE3° anno · 1° semestre · 3 CFU · 0 file
Al termine del corso, lo studente: possiede una conoscenza generale delle architetture tecnologiche usate per la realizzazione di sistemi di automazione con particolare riferimento alla automazione industriale; una…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente: possiede una conoscenza generale delle architetture tecnologiche usate per la realizzazione di sistemi di automazione con particolare riferimento alla automazione industriale; una conoscenza di base delle problematiche di elaborazione e comunicazione real time applicate al caso dell'automazione; una conoscenza di base di particolari componenti delle architetture tecnologiche di automazione industriale tra cui i Programmable Logic Controllers (PLC). Conosce i principali protocolli di rete per interazioni con sistemi industriali. Conosce le principali problematiche legate alla progettazione ed implementazione del software per il controllo e l'automazione. Conosce i framework di sviluppo per costruire applicazioni che interagiscono con sistemi industriali e le metodologie e le API specifiche dei principali provider cloud per dispiegare in cloud queste applicazioni e farle operare in sicurezza. E' in grado di costruire piccole o medie applicazioni dispiegate in cloud che interagiscono con sistemi industriali e che utilizzano, analizzano e processano i dati raccolti dai sensori industriali.
Programma
Modulo 1
Panoramica principali aziende / fornitori / clienti (Capello) •Storia tecnologie (meccanica, camme meccanica, camma elettronica, gestione dati industira 4.0) (Capello)
Presentazione macchine MG (Capello)
Servizi e tecnologie di una linea farmaceutica (SCADA, raccolta dati, AI, ecc..) (Capello)
Formato macchina (Capello)
Tipologie Macchine singole / linea – macchina a passo / non a passo (Capello)
Architettura fisica HW di macchina (Capello)
Cosa c'è dentro un PLC (CPU, I/O, ecc...) (Capello)
Standard linguaggi automazione (Capello) •Introduzione bus di campo real time (soprattutto EtherCAT) (Capello)
Perché real time? (Capello) Modulo 2
Devops (Quarta)
Amministrazione di sistema (Quarta)
Sistemi operativi unattended (Quarta)
Imaging e deployment (Quarta)
Pipeline di build delle immagini (Quarta)
Generalità sistemi operativi, quali sono e cosa servono.(Quarta)
Differenze fra sistemi operativi real time e non real time. (Quarta) Modulo 3
Fondamenti di C e C++ (Bamundo)
Dettaglio real time Linux (Bamundo)
Storia real time linux RTAI /preemptrt (Bamundo)
Scheduler. Come SO gestisce i task. (Bamundo)
Differenza fra processo e thread (Bamundo)
Multithread – Race Condition (Bamundo)
Come sono gestiti i task e le loro variabili (Bamundo)
Esercitazioni a quiz con discussione in aula (Bamundo)
Polling, Interrupt (Bamundo)
Dettagli su implementazione strategie sopra in real time industriale (Bamundo) Modulo 4
HMI (Paoluzzi)
Comunicazione con real time e HMI (Paoluzzi)
OPC-UA (Paoluzzi)
Modalità d'esame
Domande teoria e prova pratica finale organizzata tramite progetto di gruppo
Codice insegnamento B6447
LABORATORIO DI PIATTAFORME DI SVILUPPO PER AUTOMAZIONE - IM3° anno · 1° semestre · 3 CFU · 0 file
Al termine del corso, lo studente: possiede una conoscenza generale delle architetture tecnologiche usate per la realizzazione di sistemi di automazione con particolare riferimento alla automazione industriale; una…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, lo studente: possiede una conoscenza generale delle architetture tecnologiche usate per la realizzazione di sistemi di automazione con particolare riferimento alla automazione industriale; una conoscenza di base delle problematiche di elaborazione e comunicazione real time applicate al caso dell'automazione; una conoscenza di base di particolari componenti delle architetture tecnologiche di automazione industriale tra cui i Programmable Logic Controllers (PLC). Conosce i principali protocolli di rete per interazioni con sistemi industriali. Conosce le principali problematiche legate alla progettazione ed implementazione del software per il controllo e l'automazione. Conosce i framework di sviluppo per costruire applicazioni che interagiscono con sistemi industriali e le metodologie e le API specifiche dei principali provider cloud per dispiegare in cloud queste applicazioni e farle operare in sicurezza. E' in grado di costruire piccole o medie applicazioni dispiegate in cloud che interagiscono con sistemi industriali e che utilizzano, analizzano e processano i dati raccolti dai sensori industriali.
Programma
Modulo 1
Panoramica principali aziende / fornitori / clienti (Capello) •Storia tecnologie (meccanica, camme meccanica, camma elettronica, gestione dati industira 4.0) (Capello)
Presentazione macchine MG (Capello)
Servizi e tecnologie di una linea farmaceutica (SCADA, raccolta dati, AI, ecc..) (Capello)
Formato macchina (Capello)
Tipologie Macchine singole / linea – macchina a passo / non a passo (Capello)
Architettura fisica HW di macchina (Capello)
Cosa c'è dentro un PLC (CPU, I/O, ecc...) (Capello)
Standard linguaggi automazione (Capello) •Introduzione bus di campo real time (soprattutto EtherCAT) (Capello)
Perché real time? (Capello) Modulo 2
Devops (Quarta)
Amministrazione di sistema (Quarta)
Sistemi operativi unattended (Quarta)
Imaging e deployment (Quarta)
Pipeline di build delle immagini (Quarta)
Generalità sistemi operativi, quali sono e cosa servono.(Quarta)
Differenze fra sistemi operativi real time e non real time. (Quarta) Modulo 3
Fondamenti di C e C++ (Bamundo)
Dettaglio real time Linux (Bamundo)
Storia real time linux RTAI /preemptrt (Bamundo)
Scheduler. Come SO gestisce i task. (Bamundo)
Differenza fra processo e thread (Bamundo)
Multithread – Race Condition (Bamundo)
Come sono gestiti i task e le loro variabili (Bamundo)
Esercitazioni a quiz con discussione in aula (Bamundo)
Polling, Interrupt (Bamundo)
Dettagli su implementazione strategie sopra in real time industriale (Bamundo) Modulo 4
HMI (Paoluzzi)
Comunicazione con real time e HMI (Paoluzzi)
OPC-UA (Paoluzzi)
Modalità d'esame
Domande teoria e prova pratica finale organizzata tramite progetto di gruppo
Al termine del corso di studio lo studente è in grado di: 1) redigere una tesi elaborata in modo originale inerente ad attività di sperimentazione o progettazione o di revisione della letteratura sotto la guida di un…
Scheda dell'insegnamento
Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.
Obiettivi formativi
Al termine del corso di studio lo studente è in grado di: 1) redigere una tesi elaborata in modo originale inerente ad attività di sperimentazione o progettazione o di revisione della letteratura sotto la guida di un relatore; 2) gestire in un contesto reale presidi ortopedici.
Programma
La prova finale dei corsi di laurea delle professioni sanitarie ha valore di esame di Stato abilitante all'esercizio professionale. La prova finale è organizzata in due sessioni definite a livello nazionale, con decreto ministeriale: di norma, la prima nel periodo ottobre-novembre e la seconda in marzo-aprile.
Modalità d'esame
La prova finale dei corsi di laurea delle professioni sanitarie ha valore di esame di Stato abilitante all'esercizio professionale. La prova finale è organizzata in due sessioni definite a livello nazionale, con decreto ministeriale: di norma, la prima nel periodo ottobre-novembre e la seconda in marzo-aprile. La prova finale si compone di: una prova pratica nel corso della quale lo studente deve dimostrare di aver acquisito le conoscenze e abilità teorico-pratiche e tecnico-operative proprie dello specifico profilo professionale; redazione di un elaborato di una tesi e sua dissertazione. La tesi deve essere redatta dallo studente su un argomento affrontato in maniera specifica ed individuale e deve essere volta a dimostrare la acquisita capacità di affrontare argomenti professionali in modo originale ed autonomo. Nel caso di esito negativo della prova pratica, lo studente non può essere ammesso alla discussione dell’elaborato di tesi. La valutazione della commissione è espressa in centodecimi (110). In caso di valutazione positiva, la prova s'intende superata con una votazione minima di 66/110 e massima di 110/110. La Commissione in caso di votazione massima più concedere la lode su decisione unanime.
Codice insegnamento 95218
PROVA PRATICA VALUTATIVA (PPV) - ABILITANTE ALLA SEZIONE INFORMATICA3° anno · 2° semestre · 0 file
Solo per te: ti prepariamo il riassunto e le domande per ripassare. Il primo file è gratis e l'originale resta tuo.
Oppure condividili con la community e guadagna crediti.
Accidenti, ancora non abbiamo il tuo corso di laurea!
Se ti va puoi inserirlo tu in pochi click — anche solo il corso di laurea, oppure completo di tutti i corsi!
Aggiungilo subito
e faremo del nostro meglio per popolarlo di materiale interessante.
Nel frattempo inizia a guadagnare crediti invitando i tuoi amici, così appena saremo attivi potrai subito accedere al materiale disponibile.
Bastano 3 amici verificati per attivare l'abbonamento…
Consiglia ai tuoi amici
Scrivi ai tuoi vecchi amici o ai tuoi nuovi colleghi di studio. Ogni email che inserisci rappresenta un mattone importante per la community.
Per ogni amico che porti otterrai nuovi crediti!