Corso di laurea

Ingegneria Informatica

Università della Calabria · 62 materie · 0 file condivisi

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

Sfoglia il materiale didattico

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

Materie del corso

Algebra Lineare E Matematica Discreta 1° anno · 1° semestre · MATH-05/A · 0 file

ALGEBRA LINEARE E MATEMATICA DISCRETA Il corso rappresenta uno degli insegnamenti di base dell’area matematica e ha l’obiettivo di fornire i concetti e gli strumenti fondamentali dell’algebra lineare e della matematica…

Scheda dell'insegnamento

Obiettivi formativi

ALGEBRA LINEARE E MATEMATICA DISCRETA
Il corso rappresenta uno degli insegnamenti di base dell’area matematica e ha l’obiettivo di fornire i concetti e gli strumenti fondamentali dell’algebra lineare e della matematica discreta.
Conoscenza e capacità di comprensione (Descrittore di Dublino 1)
Lo/La studente/studentessa acquisirà conoscenze relative a:

  • spazi vettoriali e applicazioni lineari;
  • teoria delle matrici e sistemi lineari;
  • autovalori e autovettori;
  • elementi di teoria dei numeri;
  • teoria degli insiemi e logica matematica;
  • principi fondamentali del calcolo combinatorio.

Capacità di applicare conoscenza e comprensione (Descrittore di Dublino 2)
Lo/La studente/studentessa sarà in grado di:

  • risolvere sistemi lineari mediante metodi matriciali;
  • utilizzare matrici e applicazioni lineari nella modellazione di problemi;
  • applicare tecniche di diagonalizzazione;
  • utilizzare strumenti di logica e combinatoria per la risoluzione di problemi discreti;
  • formalizzare e sviluppare dimostrazioni matematiche elementari.

Autonomia di giudizio (Descrittore di Dublino 3)
Lo/La studente/studentessa svilupperà la capacità di selezionare metodi matematici appropriati per l’analisi e la risoluzione di problemi.
Abilità comunicative (Descrittore di Dublino 4)
Lo/La studente/studentessa acquisirà la capacità di esporre in modo rigoroso e con linguaggio matematico appropriato procedimenti, definizioni e dimostrazioni.
Capacità di apprendimento (Descrittore di Dublino 5)
Lo/La studente/studentessa maturerà competenze utili per affrontare autonomamente insegnamenti successivi dell’area matematica, informatica e dell’elaborazione numerica.

ALGEBRA LINEARE E MATEMATICA DISCRETA
Il corso rappresenta uno degli insegnamenti di base dell’area matematica e ha l’obiettivo di fornire i concetti e gli strumenti fondamentali dell’algebra lineare e della matematica discreta.
Conoscenza e capacità di comprensione (Descrittore di Dublino 1)
Lo/La studente/studentessa acquisirà conoscenze relative a:

  • spazi vettoriali e applicazioni lineari;
  • teoria delle matrici e sistemi lineari;
  • autovalori e autovettori;
  • elementi di teoria dei numeri;
  • teoria degli insiemi e logica matematica;
  • principi fondamentali del calcolo combinatorio.

Capacità di applicare conoscenza e comprensione (Descrittore di Dublino 2)
Lo/La studente/studentessa sarà in grado di:

  • risolvere sistemi lineari mediante metodi matriciali;
  • utilizzare matrici e applicazioni lineari nella modellazione di problemi;
  • applicare tecniche di diagonalizzazione;
  • utilizzare strumenti di logica e combinatoria per la risoluzione di problemi discreti;
  • formalizzare e sviluppare dimostrazioni matematiche elementari.

Autonomia di giudizio (Descrittore di Dublino 3)
Lo/La studente/studentessa svilupperà la capacità di selezionare metodi matematici appropriati per l’analisi e la risoluzione di problemi.
Abilità comunicative (Descrittore di Dublino 4)
Lo/La studente/studentessa acquisirà la capacità di esporre in modo rigoroso e con linguaggio matematico appropriato procedimenti, definizioni e dimostrazioni.
Capacità di apprendimento (Descrittore di Dublino 5)
Lo/La studente/studentessa maturerà competenze utili per affrontare autonomamente insegnamenti successivi dell’area matematica, informatica e dell’elaborazione numerica.

Programma

ALGEBRA LINEARE E MATEMATICA DISCRETA
Introduzione. Spazi vettoriali. Applicazioni lineari e matrici. Sistemi lineari. Elementi della teoria dei numeri e metodi di dimostrazione. Teoria degli insiemi. Combinatoria.

LEZIONI (38 ore)
1. Introduzione ed elementi preliminari (4 ore)

  • Numeri interi, razionali e reali
  • Assiomi di Peano
  • Induzione e ricorsività

2. Algebra lineare: spazi vettoriali, applicazioni lineari, matrici e sistemi lineari (20 ore)

  • Spazi e sottospazi vettoriali
  • Generatori
  • Dipendenza e indipendenza lineare
  • Basi e dimensione
  • Coordinate
  • Applicazioni lineari
  • Nucleo e immagine
  • Matrici e operazioni
  • Rango e invertibilità
  • Sistemi lineari
  • Metodo di Gauss e Gauss-Jordan
  • Determinanti
  • Teorema di Rouché-Capelli
  • Teorema di Cramer
  • Autovalori e autovettori
  • Diagonalizzazione

3. Elementi della teoria dei numeri e metodi di dimostrazione (2 ore)

  • Metodo diretto
  • Controesempi
  • Contraddizione
  • Contrapposizione

4. Teoria degli insiemi e logica (6 ore)

  • Operazioni tra insiemi
  • Relazioni
  • Elementi di logica matematica

5. Combinatoria e numeri complessi (6 ore)

  • Permutazioni
  • Combinazioni
  • Disposizioni
  • Numeri complessi

ESERCITAZIONI (18 ore)

Algebra lineare (10 ore)

  • Sistemi lineari
  • Calcolo matriciale
  • Spazi e sottospazi vettoriali
  • Indipendenza lineare
  • Applicazioni lineari
  • Diagonalizzazione

Elementi della teoria dei numeri (2 ore)

  • Tecniche di dimostrazione

Teoria degli insiemi (3 ore)

  • Relazioni e logica

Combinatoria (3 ore)

  • Esercizi di calcolo combinatorio

ALGEBRA LINEARE E MATEMATICA DISCRETA
Introduzione. Spazi vettoriali. Applicazioni lineari e matrici. Sistemi lineari. Elementi della teoria dei numeri e metodi di dimostrazione. Teoria degli insiemi. Combinatoria.

  • Introduzione: Numeri interi, razionali e reali. Induzione e ricorsività. Assiomi di Peano.
  • Spazi vettoriali: Spazi e sottospazi vettoriali. Generatori. Dipendenza e indipendenza lineare. Basi e dimensione. Coordinate. Teorema della dimensione. Teorema di estensione della base. Spazi vettoriali di polinomi.
  • Applicazioni lineari e matrici: Applicazioni lineari. Nucleo e immagine di un’applicazione lineare. Applicazioni lineari iniettive, suriettive e biiettive. Operazioni tra matrici e loro proprietà. Matrici triangolari e diagonali. Trasposta di una matrice. Rappresentazione di applicazioni lineari tramite matrici. Rango di una matrice e matrici invertibili.
  • Sistemi lineari: Metodo di eliminazione di Gauss. Determinante di una matrice quadrata e condizioni di invertibilità. Teorema di Binet. Risoluzione di sistemi lineari con il metodo di eliminazione di Gauss-Jordan. Teorema di Rouché-Capelli. Teorema degli orlati. Teorema di Cramer. Autovettori ed autovalori. Diagonalizzazione di matrici.
  • Elementi della teoria dei numeri e metodi di dimostrazione: Metodo diretto e controesempi. Metodo indiretto. Contraddizione e contrapposizione.
  • Teoria degli insiemi: Definizioni di base e dimostrazione. Operazioni e relazioni su insiemi. Elementi di logica.
  • Combinatoria: Permutazioni e combinazioni (con e senza ripetizione). Principio di inclusione-esclusione. Relazioni di ricorrenza.

Modalità d'esame

ALGEBRA LINEARE E MATEMATICA DISCRETA
Metodi di valutazione dell’apprendimento
L’esame consiste in una prova scritta e in una prova orale.
La prova scritta, della durata di 2 ore, comprende quattro esercizi relativi agli argomenti del corso e finalizzati alla verifica delle capacità applicative acquisite dallo studente. Gli esercizi richiedono lo svolgimento completo dei procedimenti risolutivi.
La prova orale, della durata massima di circa 30 minuti, consiste nella discussione di due o tre argomenti del programma e mira a verificare la comprensione teorica, la correttezza del linguaggio matematico e la capacità di argomentazione.
Durante la prova scritta non è consentito l’uso di formulari o dispositivi elettronici.
Gli esiti della prova scritta vengono comunicati tramite i canali istituzionali del corso.
Le modalità d’esame saranno adeguate alle esigenze degli studenti e delle studentesse con disabilità o DSA secondo la normativa vigente.

Criteri di valutazione dell’apprendimento
La prova scritta valuta:

  • capacità di applicare metodi e strumenti dell’algebra lineare;
  • correttezza dei procedimenti;
  • capacità di formalizzazione matematica.

La prova orale valuta:

  • conoscenza teorica degli argomenti;
  • chiarezza espositiva;
  • utilizzo corretto del linguaggio matematico;
  • capacità di collegamento tra i diversi argomenti del corso.

Criteri di misurazione dell’apprendimento e attribuzione del voto finale
La prova scritta è valutata in trentesimi. L’accesso alla prova orale è consentito con una valutazione minima di 18/30.
Il voto finale, espresso in trentesimi, tiene conto dell’esito complessivo delle due prove e del livello di autonomia e maturità mostrato durante il colloquio orale.

Appelli d’esame
Gli appelli d’esame sono pubblicati sul portale istituzionale del Corso di Studio.

ALGEBRA LINEARE E MATEMATICA DISCRETA
Metodi di valutazione dell’apprendimento

L’esame consiste in una prova scritta e in una prova orale. La prova scritta, della durata di 2h è costituita da quattro esercizi riguardanti il programma del corso. La prova orale, della durata di al più mezz’ora, si articola nell’esposizione (orale e con l’ausilio anche della forma scritta) da parte dello studente in relazione a due/tre specifiche domande proposte dal docente e riguardanti argomenti del programma.

Criteri di valutazione dell’apprendimento

La prova scritta mira a valutare il livello di conseguimento delle competenze specifiche fornite dal corso. Il superamento consente l’accesso alla prova orale. La prova orale intende verificare se è stato acquisito il corretto corredo di linguaggio matematico, la capacità di analisi critica e di giudizio, valutando anche il livello di conoscenza dei contenuti metodologici del corso. L’esito della prova orale viene valutato sulla base della chiarezza, correttezza e completezza dell’esposizione circa gli argomenti di discussione proposti.

Criteri di misurazione dell’apprendimento e attribuzione del voto finale

L’esito della prova scritta è espresso in trentesimi e si ottiene sommando i punteggi ottenuti nello svolgimento dei singoli esercizi che la compongono. Può sostenere la prova orale chi ottiene almeno 18/30 alla prova scritta. Il voto finale è assegnato al termine del colloquio che costituisce la prova orale ed è espresso in trentesimi.

Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Testi di riferimento

ALGEBRA LINEARE E MATEMATICA DISCRETA
S. Abeasis “Elementi di algebra lineare e geometria”, Zanichelli Editore.
E. Schlesinger "Algebra lineare e geometria", Zanichelli Editore.
M. Abate “Algebra lineare”, McGraw-Hill Italia.
A. Facchini “Algebra e matematica discreta”, Zanichelli Editore.
M. G. Bianchi, A. Gillio “Introduzione alla matematica discreta”, McGraw-Hill Italia.
Susanna S. Epp “Discrete Mathematics with Applications”, DePaul University Press.

ALGEBRA LINEARE E MATEMATICA DISCRETA
S. Abeasis “Elementi di algebra lineare e geometria”, Zanichelli Editore.
E. Schlesinger "Algebra lineare e geometria", Zanichelli Editore.
M. Abate “Algebra lineare”, McGraw-Hill Italia.
A. Facchini “Algebra e matematica discreta”, Zanichelli Editore.
M. G. Bianchi, A. Gillio “Introduzione alla matematica discreta”, McGraw-Hill Italia.
Susanna S. Epp “Discrete Mathematics with Applications”, DePaul University Press.

Codice insegnamento 27006255

Architetture Di Calcolo E Sistemi Operativi 1° anno · 2° semestre · 6 CFU · IINF-05/A · 0 file

Il corso ha l’obiettivo di: fornire conoscenze relative all’organizzazione e all’architettura dei sistemi di calcolo, alla logica digitale e ai fondamenti dei sistemi operativi; sviluppare competenze nell’analisi e nella…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha l’obiettivo di:

  • fornire conoscenze relative all’organizzazione e all’architettura dei sistemi di calcolo, alla logica digitale e ai fondamenti dei sistemi operativi;
  • sviluppare competenze nell’analisi e nella progettazione di circuiti logici combinatori e sequenziali, nonché nella comprensione e gestione delle risorse e dei servizi dei sistemi operativi;
  • consentire agli studenti di comprendere l’interazione tra componenti hardware e software, analizzare il comportamento dei sistemi di calcolo e applicare tecniche fondamentali per la gestione dei processi, della memoria, della sincronizzazione, dei file system e della sicurezza dei sistemi.

Conoscenza e comprensione (Descrittore di Dublino 1)
Gli studenti acquisiranno conoscenze relative all’organizzazione e all’architettura dei sistemi di calcolo, ai principi della logica digitale e ai fondamenti dei sistemi operativi. In particolare, comprenderanno i meccanismi di rappresentazione digitale delle informazioni, il funzionamento delle reti combinatorie e sequenziali, nonché i principali servizi e meccanismi di gestione delle risorse implementati dai sistemi operativi, inclusi processi, memoria, file system e sicurezza.

Capacità di applicare conoscenza e comprensione (Descrittore di Dublino 2)
Gli studenti saranno in grado di applicare le conoscenze acquisite per analizzare e progettare semplici circuiti logici digitali e per comprendere il comportamento dei sistemi operativi nella gestione delle risorse hardware e software. Sapranno affrontare problemi relativi alla sincronizzazione dei processi, allo scheduling della CPU, alla gestione della memoria e dei file system, utilizzando modelli e strumenti concettuali adeguati.

Capacità critica e di giudizio (Descrittore di Dublino 3)
Gli studenti svilupperanno capacità di analisi critica nella valutazione di soluzioni architetturali hardware e software, confrontando differenti approcci in termini di efficienza, affidabilità, sicurezza e prestazioni. Saranno inoltre in grado di individuare problematiche legate alla concorrenza, alla gestione delle risorse e alla sicurezza dei sistemi di calcolo.

Capacità di comunicazione (Descrittore di Dublino 4)
Gli studenti acquisiranno la capacità di descrivere e discutere, con linguaggio tecnico appropriato, i principali componenti e meccanismi dei sistemi di calcolo. Saranno in grado di esporre in modo chiaro e rigoroso problematiche e soluzioni relative alle architetture digitali e ai sistemi operativi, sia in forma scritta sia orale.

Capacità di apprendimento autonomo (Descrittore di Dublino 5)
Gli studenti svilupperanno la capacità di approfondire autonomamente tematiche relative all’architettura dei calcolatori e ai sistemi operativi, consultando documentazione tecnica e fonti specialistiche. Saranno inoltre in grado di aggiornare le proprie conoscenze per affrontare argomenti avanzati e seguire l’evoluzione delle tecnologie hardware e software.

Programma

I contenuti del corso saranno strutturati in due parti principali.

Architetture di calcolo: si concentra sui principi di funzionamento dei sistemi digitali e sulla struttura dei sistemi di calcolo, nonché sulla analisi e sulla sintesi di circuiti combinatori e sequenziali. In particolare saranno trattati i seguenti argomenti:

  • CPU, memoria e sistemi di input/output;
  • principi di funzionamento del processore e ciclo di esecuzione delle istruzioni;
  • struttura e organizzazione del calcolatore;
  • rappresentazione dell’informazione e algebra booleana;
  • analisi e sintesi di circuiti combinatori;
  • circuiti sequenziali e macchine a stati.

Sistemi operativi: si concentra sui principi di progettazione e sulla struttura dei sistemi operativi, sulla gestione dei processi, della memoria principale e di massa, e sull’implementazione del file system. In particolare saranno trattati i seguenti argomenti:

  • struttura e funzioni dei sistemi operativi;
  • processi e thread;
  • sincronizzazione e comunicazione tra processi;
  • gestione della memoria principale e memoria virtuale;
  • gestione dei dispositivi di input/output;
  • file system e gestione della memoria di massa;
  • principi di sicurezza e protezione del sistema.

PARTE 1 – Architetture di calcolo – LEZIONI

  • Organizzazione dei sistemi di calcolo e rappresentazione dell’informazione (4 ore): struttura generale di un sistema di calcolo; componenti principali dell’elaboratore; interazione tra hardware, software e sistema operativo; codifica e rappresentazione binaria dell’informazione.
  • Rappresentazione digitale dei numeri (2 ore): sistemi di numerazione posizionali; sistemi decimale, binario, ottale ed esadecimale; conversioni tra basi; rappresentazione di numeri interi senza segno e con segno; complemento a 1 e a 2; operazioni aritmetiche binarie.
  • Algebra di Boole e porte logiche (4 ore): variabili e operatori booleani; tabelle di verità; proprietà e teoremi dell’algebra di Boole; porte logiche elementari e derivate; implementazione di funzioni logiche.
  • Circuiti combinatori (6 ore): reti combinatorie; analisi, sintesi e minimizzazione di funzioni booleane mediante mappe di Karnaugh; forme canoniche SP e PS; progettazione di circuiti; multiplexer, demultiplexer, decoder, encoder, half adder e full adder.
  • Circuiti sequenziali e macchine a stati (9 ore): reti sequenziali; stato e memoria nei circuiti digitali; latch, flip-flop e registri; automi a stati finiti; macchine di Moore e di Mealy; analisi e sintesi di semplici reti sequenziali.

PARTE 1 – Architetture di calcolo – ESERCITAZIONI

  • Circuiti combinatori (2 ore): tabelle di verità; funzioni booleane in forma SP e PS; minimizzazione con mappe di Karnaugh; costruzione di circuiti combinatori minimizzati.
  • Circuiti sequenziali e macchine a stati (3 ore): costruzione di tabelle e diagrammi degli stati; macchine di Moore e di Mealy; semplici circuiti sequenziali.

PARTE 2 – Sistemi operativi – LEZIONI

  • Struttura dei sistemi operativi (3 ore): funzioni principali; struttura del sistema operativo; kernel e servizi di sistema; interfaccia utente-applicazioni-hardware; modelli di organizzazione.
  • Gestione dei processi (3 ore): definizione di processo; stati; process control block; creazione, terminazione e transizione tra stati; multiprogrammazione e multitasking.
  • Scheduling della CPU (3 ore): obiettivi e criteri di valutazione; scheduling preemptive e non preemptive; algoritmi FCFS, SJF, Round Robin e Priority Scheduling; valutazione delle prestazioni.
  • Sincronizzazione dei processi (3 ore): processi concorrenti; sezioni critiche; race condition; mutua esclusione; semafori; problemi classici di sincronizzazione.
  • Gestione della memoria centrale e memoria virtuale (4 ore): allocazione della memoria; segmentazione; paginazione; traduzione degli indirizzi; memoria virtuale; demand paging; algoritmi di sostituzione delle pagine.
  • Interfaccia e implementazione del file system (1 ora): file e directory; operazioni sui file; struttura gerarchica.
  • Gestione della memoria secondaria (3 ore): metodi di allocazione; gestione dello spazio libero; accesso ai blocchi; scheduling del disco.
  • Sicurezza nei sistemi operativi (2 ore): autenticazione e autorizzazione; controllo degli accessi; minacce, vulnerabilità e meccanismi di protezione.

PARTE 2 – Sistemi operativi – ESERCITAZIONI

  • Scheduling della CPU (2 ore): applicazione degli algoritmi FCFS, SJF, Round Robin e Priority Scheduling; calcolo e valutazione delle prestazioni.
  • Gestione della memoria centrale e virtuale (1 ora): esercizi su segmentazione, paginazione, sostituzione delle pagine, accesso ai blocchi
  • Gestione della memoria secondaria (1 ora): esercizi su scheduling del disco.

Modalità d'esame

Metodi di valutazione dell’apprendimento
Per ogni appello d’esame, la modalità di valutazione dell’apprendimento si articola in due prove, una di tipo scritto e una di tipo orale.
La prima prova, da svolgersi in forma scritta e della durata di due ore, consiste nello svolgere un esercizio sulla sintesi di circuiti sequenziali, un esercizio sullo scheduling della CPU, un esercizio sulla sostituzione delle pagine, ed un esercizio sullo scheduling del disco.
In caso di superamento della prima prova, lo studente potrà accedere alla seconda prova, da svolgersi in forma orale e della durata di circa 30 minuti, consistente in un’interrogazione sugli argomenti teorici e pratici affrontati durante il corso.
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Criteri di valutazione dell’apprendimento
La prova scritta permetterà di valutare la capacità di progettare semplici circuiti sequenziali sulla base delle specifiche fornite, nonché la comprensione delle principali tecniche usate nei sistemi operativi per effettuare lo scheduling della CPU, la sostituzione delle pagine in memoria, e lo scheduling del disco. La prova orale permetterà di valutare le conoscenze teoriche e pratiche acquisite sulle architetture di calcolo e sui sistemi operativi. La prova scritta è valutata in trentesimi. L’ esercizio sulla sintesi di circuiti sequenziali permette di acquisire al più 15 punti, mentre gli esercizi sullo scheduling della CPU, sulla sostituzione delle pagine, e sullo scheduling del disco permettono di acquisire al più 5 punti ciascuno. La prova scritta è superata se la votazione è maggiore o uguale a 15. In caso di superamento della prova scritta, lo studente è ammesso alla prova orale.

Criteri di misurazione dell’apprendimento e attribuzione del voto finale
Se la prova orale è giudicata almeno sufficiente, l’esame è superato con l’attribuzione di un voto finale in trentesimi. Il voto finale viene attribuito tenendo conto in egual misura del voto riportato nella prova scritta e della valutazione sulla prova orale.

Appelli d’esame
Visitare la sezione Calendario Esami della seguente pagina: https://dimes.unical.it/didattica/iscriversi-studiare-laurearsi/frequentare-i-corsi/

Testi di riferimento

Ludici delle lezioni forniti dal docente.

Per la seconda parte del corso (sistemi operativi), si consiglia il seguente libro di testo:

Sistemi operativi. Concetti ed esempi. Abraham Silberschatz, Peter Baer Galvin,, Greg Gagne, Riccardo Melen, Pearson.

Codice insegnamento 27008213

Biologia Computazionale E Gestione Banche Dati Tissutali 1° anno · 1° semestre · BIOS-10/A · 0 file
Elementi Di Matematica Computazionale 1° anno · 1° semestre · IINF-05/A · 0 file

ELEMENTI DI MATEMATICA COMPUTAZIONALE 1. Conoscenza e capacità di comprensione (Knowledge and understanding) Al termine del corso lo studente dovrà dimostrare di: Comprendere e interpretare formule logiche complesse…

Scheda dell'insegnamento

Obiettivi formativi

ELEMENTI DI MATEMATICA COMPUTAZIONALE
1. Conoscenza e capacità di comprensione (Knowledge and understanding)
Al termine del corso lo studente dovrà dimostrare di:

  • Comprendere e interpretare formule logiche complesse nell'ambito della logica proposizionale e del primo ordine.
  • Riconoscere e comprendere i principi fondamentali della geometria analitica e le proprietà delle funzioni esponenziali, logaritmiche e trigonometriche.
  • Identificare e descrivere le strutture dei sistemi di deduzione, i meccanismi del processo dimostrativo e i diversi sistemi di dimostrazione formale.
  • Comprendere i fondamenti teorici e i paradigmi del linguaggio di programmazione logica Prolog.

2. Capacità di applicare conoscenza e comprensione (Applying knowledge and understanding)
Lo studente dovrà essere in grado di:

  • Risolvere problemi matematici in ambito geometrico-analitico ed eseguire correttamente il calcolo di equazioni e disequazioni esponenziali, logaritmiche e trigonometriche.
  • Tradurre ed esprimere asserzioni, relazioni e forme di ragionamento del linguaggio naturale mediante formule logiche formali.
  • Applicare le regole e gli strumenti della logica matematica per strutturare e verificare un processo dimostrativo rigoroso.
  • Progettare e implementare codice sorgente per la risoluzione di semplici problemi computazionali utilizzando il linguaggio Prolog.

3. Autonomia di giudizio (Making judgments)
Lo studente dovrà essere in grado di:

  • Analizzare, decostruire e valutare diverse forme di ragionamento, distinguendo tra argomentazioni logicamente valide e fallacie deduttive.
  • Selezionare autonomamente i costrutti logici e le strategie matematiche più idonei per formalizzare un problema specifico o per impostare una dimostrazione.

4. Abilità comunicative (Communication skills)
Lo studente dovrà essere in grado di:

  • Formalizzare e comunicare in modo chiaro e privo di ambiguità problemi tipici di altre discipline o contesti applicativi, traducendoli efficacemente attraverso il linguaggio formale della logica.
  • Sostenere e argomentare i passaggi logico-matematici di una dimostrazione, utilizzando la corretta terminologia specialistica.

5. Capacità di apprendimento (Learning skills)
Lo studente dovrà aver sviluppato:

  • Un'elevata capacità di astrazione che gli consenta di assimilare nuovi modelli formali e strutture matematiche avanzate.
  • La capacità di estendere in autonomia le proprie competenze logico-matematiche verso lo studio di altri paradigmi di programmazione dichiarativa o metodi formali complessi.

.

ELEMENTI DI MATEMATICA COMPUTAZIONALE
1. Conoscenza e capacità di comprensione (Knowledge and understanding)
Al termine del corso lo studente dovrà dimostrare di:

  • Comprendere e interpretare formule logiche complesse nell'ambito della logica proposizionale e del primo ordine.
  • Riconoscere e comprendere i principi fondamentali della geometria analitica e le proprietà delle funzioni esponenziali, logaritmiche e trigonometriche.
  • Identificare e descrivere le strutture dei sistemi di deduzione, i meccanismi del processo dimostrativo e i diversi sistemi di dimostrazione formale.
  • Comprendere i fondamenti teorici e i paradigmi del linguaggio di programmazione logica Prolog.

2. Capacità di applicare conoscenza e comprensione (Applying knowledge and understanding)
Lo studente dovrà essere in grado di:

  • Risolvere problemi matematici in ambito geometrico-analitico ed eseguire correttamente il calcolo di equazioni e disequazioni esponenziali, logaritmiche e trigonometriche.
  • Tradurre ed esprimere asserzioni, relazioni e forme di ragionamento del linguaggio naturale mediante formule logiche formali.
  • Applicare le regole e gli strumenti della logica matematica per strutturare e verificare un processo dimostrativo rigoroso.
  • Progettare e implementare codice sorgente per la risoluzione di semplici problemi computazionali utilizzando il linguaggio Prolog.

3. Autonomia di giudizio (Making judgments)
Lo studente dovrà essere in grado di:

  • Analizzare, decostruire e valutare diverse forme di ragionamento, distinguendo tra argomentazioni logicamente valide e fallacie deduttive.
  • Selezionare autonomamente i costrutti logici e le strategie matematiche più idonei per formalizzare un problema specifico o per impostare una dimostrazione.

4. Abilità comunicative (Communication skills)
Lo studente dovrà essere in grado di:

  • Formalizzare e comunicare in modo chiaro e privo di ambiguità problemi tipici di altre discipline o contesti applicativi, traducendoli efficacemente attraverso il linguaggio formale della logica.
  • Sostenere e argomentare i passaggi logico-matematici di una dimostrazione, utilizzando la corretta terminologia specialistica.

5. Capacità di apprendimento (Learning skills)
Lo studente dovrà aver sviluppato:

  • Un'elevata capacità di astrazione che gli consenta di assimilare nuovi modelli formali e strutture matematiche avanzate.
  • La capacità di estendere in autonomia le proprie competenze logico-matematiche verso lo studio di altri paradigmi di programmazione dichiarativa o metodi formali complessi.

Programma

ELEMENTI DI MATEMATICA COMPUTAZIONALE
Scopo del corso è il rafforzamento delle conoscenze di matematica di base e l’introduzione alla logica matematica ed alla sua applicazione nel ragionamento matematico e nella programmazione del calcolatore.

Parte 1 – Matematica di base

  • Richiami di teoria degli insiemi, geometria analitica, traslazioni del piano e coniche;
  • Funzione esponenziale e logaritmo e sistemi di equazioni e disequazioni;
  • Funzioni, equazioni e disequazioni trigonometriche.

Parte 2 - Logica Matematica

  • Logica proposizionale:
    o Proposizioni, connettivi logici, tabelle di verità, tautologie;
    o Conseguenza logica e inferenza;
    o Il concetto e l'uso dei sistemi deduttivi;
    o Equivalenze logiche e forme normali;
    o Risoluzione proposizionale.
  • Logica dei predicati del primo ordine:
    o Concetti di base della logica del primo ordine;
    o Semantica formale della logica del primo ordine;
    o Il linguaggio della logica del primo ordine;
    o Validità logica, equivalenza e di conseguenza in logica del primo ordine;
    o Clausole e forme normali;
    o Risoluzione in logica del primo ordine.
    o Applicazioni della logica del primo ordine al ragionamento matematico.

Parte 3 – Programmazione Logica

  • Introduzione alla programmazione logica
    o Sintassi, Semantica dei programmi definiti.
    o Modelli di Herbrand dei programmi definiti.
    o Operatore di conseguenza e Semantica di punto fisso.
  • Introduzione alla programmazione logica in Prolog
    o Termini, atomi, letterali, clausole definite.
    o Semplici esempi di rappresentazione della conoscenza.
  • Risoluzione SLD
    o Sostituzioni, Unificazione e Most general unifier.
    o Risoluzione SLD e non-determinismo.
    o Alberi SLD e visita con backtracking.
  • Liste in Prolog.
    o Sintassi e operatori.
    o Semplici programmi Prolog per manipolare liste.

ELEMENTI DI MATEMATICA COMPUTAZIONALE
Il corso affronta tre principali ambiti disciplinari:

  • elementi di matematica di base, con particolare riferimento a teoria degli insiemi, geometria analitica, funzioni esponenziali e logaritmiche e trigonometria;
  • fondamenti di logica matematica, comprendenti logica proposizionale, logica dei predicati del primo ordine, sistemi deduttivi e tecniche di risoluzione;
  • fondamenti di programmazione logica, con particolare riferimento alla semantica dei programmi logici, alla risoluzione SLD, all’unificazione e alla programmazione in Prolog.

Particolare attenzione è dedicata all'impiego della logica formale nel ragionamento matematico e nella risoluzione di semplici problemi computazionali.

Parte 1 – Matematica di base

  • Richiami di teoria degli insiemi, geometria analitica, traslazioni del piano e coniche;
  • Funzione esponenziale e logaritmo e sistemi di equazioni e disequazioni;
  • Funzioni, equazioni e disequazioni trigonometriche.

Parte 2 - Logica Matematica

  • Logica proposizionale:
  • Proposizioni, connettivi logici, tabelle di verità, tautologie;
  • Conseguenza logica e inferenza;
  • Il concetto e l'uso dei sistemi deduttivi;
  • Equivalenze logiche e forme normali;
  • Risoluzione proposizionale.
  • Logica dei predicati del primo ordine:
  • Concetti di base della logica del primo ordine;
  • Semantica formale della logica del primo ordine;
  • Il linguaggio della logica del primo ordine;
  • Validità logica, equivalenza e di conseguenza in logica del primo ordine;
  • Clausole e forme normali;
  • Risoluzione in logica del primo ordine.
  • Applicazioni della logica del primo ordine al ragionamento matematico.

Parte 3 – Programmazione Logica

  • Introduzione alla programmazione logica
  • Sintassi, semantica dei programmi definiti.
  • Modelli di Herbrand dei programmi definiti.
  • Operatore di conseguenza e semantica di punto fisso.
  • Introduzione alla programmazione logica in Prolog
  • Termini, atomi, letterali, clausole definite.
  • Semplici esempi di rappresentazione della conoscenza.
  • Risoluzione SLD
  • Sostituzioni, Unificazione e Most general unifier.
  • Risoluzione SLD e non-determinismo.
  • Alberi SLD e visita con backtracking.
  • Liste in Prolog.
  • Sintassi e operatori.
  • Semplici programmi Prolog per manipolare liste.

Modalità d'esame

ELEMENTI DI MATEMATICA COMPUTAZIONALE
Verifiche informali durante le lezioni. Esame finale con prova scritta e prova orale. Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

ELEMENTI DI MATEMATICA COMPUTAZIONALE
Verifiche informali durante le lezioni. Esame finale con prova scritta e prova orale. Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

ELEMENTI DI MATEMATICA COMPUTAZIONALE
Il testo suggerito è il seguente:
Boieri, Chiti, "Precorso di matematica", Zanichelli

In alternativa, lo studente potrà utilizzare qualsiasi altro testo che tratti gli argomenti oggetti del corso.

ELEMENTI DI MATEMATICA COMPUTAZIONALE
Il testo suggerito è il seguente:
Boieri, Chiti, "Precorso di matematica", Zanichelli

In alternativa, lo studente potrà utilizzare qualsiasi altro testo che tratti gli argomenti oggetto del corso.

Codice insegnamento 27006254

Fisica - Meccanica Ed Elementi Di Termodinamica 1° anno · 2° semestre · PHYS-01/A · 0 file

FISICA - MECCANICA ED ELEMENTI DI TERMODINAMICA Il corso ha l'obiettivo di: fornire conoscenze relative alla fisica classica di base sviluppare competenze sulla cinematica e dinamica del punto materiale e di insiemi di…

Scheda dell'insegnamento

Obiettivi formativi

FISICA - MECCANICA ED ELEMENTI DI TERMODINAMICA
Il corso ha l'obiettivo di:

  • fornire conoscenze relative alla fisica classica di base
  • sviluppare competenze sulla cinematica e dinamica del punto materiale e di insiemi di punti materiali inclusi corpi rigidi, ed elementi di termodinamica
  • consentire agli studenti di comprendere e descrivere numerosi eventi naturali e prevederne, attraverso una logica scientifica, possibili sviluppi ed evoluzioni, valutando quali leggi fisiche applicare per la soluzione dei problemi e a sviluppare una logica induttivo-deduttiva tale che lo studente acquisisca un approccio di tipo metodologico indispensabile per qualsiasi disciplina tecnico-scientifica

Conoscenza e comprensione (Descrittore di Dublino 1)
Conoscere le leggi fondamentali della fisica classica e moderna, le relative formulazioni matematiche e le basi della fisica teorica e applicata. In pratica comprendere modelli teorici di meccanica classica e termodinamica, ed essere in grado di leggerne la storia e l'evoluzione

Capacità di applicare conoscenza e comprensione (Descrittore di Dublino 2)
Saper utilizzare il formalismo matematico per risolvere problemi di fisica complessi. In pratica di saper modellare un fenomeno naturale, impostare equazioni (es. F = dp/dt) e applicare le conoscenze a contesti reali o sperimentali.

Capacità critica e di giudizio (Descrittore di Dublino 3)
Sviluppare un forte spirito critico, analizzare dati sperimentali e trarre conclusioni logiche. In pratica di saper riconoscere i limiti di un modello teorico, valutare gli ordini di grandezza e interpretare i risultati in modo oggettivo.

Capacità di comunicazione (Descrittore di Dublino 4)
Saper comunicare concetti fisici e risultati scientifici in modo chiaro, sia a specialisti che a non addetti ai lavori. In pratica avere capacità di presentare tesi utilizzando il corretto linguaggio tecnico e formulare presentazioni orali efficaci

Capacità di apprendimento autonomo (Descrittore di Dublino 5)
Sapre proseguire gli studi e l'aggiornamento in modo indipendente. In pratica saper consultare la letteratura scientifica, utilizzare database fisici, e possedere le basi necessarie per proseguire la propria formazione oltre il primo e secondo grado di laurea.

FISICA - MECCANICA ED ELEMENTI DI TERMODINAMICA
Il corso ha l’obiettivo di:

  • fornire conoscenze relative alla fisica classica di base
  • sviluppare competenze sulla cinematica e dinamica del punto materiale e di insiemi di punti materiali inclusi corpi rigidi, ed elementi di termodinamica
  • consentire agli studenti di comprendere e descrivere numerosi eventi naturali e prevederne, attraverso una logica scientifica, possibili sviluppi ed evoluzioni, sapendo valutare quali leggi fisiche applicare per la soluzione dei problemi e a sviluppare una logica induttivo-deduttiva tale che lo studente acquisisca un approccio di tipo metodologico indispensabile per qualsiasi disciplina tecnico-scientifica

Conoscenza e comprensione (Descrittore di Dublino 1)
Conoscere le leggi fondamentali della fisica classica e moderna, le relative formulazioni matematiche e le basi della fisica teorica e applicata. In pratica comprendere modelli teorici di meccanica classica e termodinamica, ed essere in grado di leggerne la storia e l'evoluzione
Capacità di applicare conoscenza e comprensione (Descrittore di Dublino 2)
Saper utilizzare il formalismo matematico per risolvere problemi di fisica complessi . In pratica di saper modellizzare un fenomeno naturale, impostare equazioni (es. F = dp/dt) e applicare le conoscenze a contesti reali o sperimentali.
Capacità critica e di giudizio (Descrittore di Dublino 3)
Sviluppare un forte spirito critico, analizzare dati sperimentali e trarre conclusioni logiche. In pratica di saper riconoscere i limiti di un modello teorico, valutare gli ordini di grandezza e interpretare i risultati in modo oggettivo.
Capacità di comunicazione (Descrittore di Dublino 4)
Saper comunicare concetti fisici e risultati scientifici in modo chiaro, sia a specialisti che a non addetti ai lavori. In pratica avere capacità di presentare tesi usando il corretto linguaggio tecnico e formulare presentazioni orali efficaci
Capacità di apprendimento autonomo (Descrittore di Dublino 5)
Saper proseguire gli studi e l'aggiornamento in modo indipendente. In pratica saper consultare la letteratura scientifica, utilizzare database fisici, e possedere le basi necessarie per proseguire la propria formazione oltre il primo e secondo grado di laurea.

Programma

FISICA - MECCANICA ED ELEMENTI DI TERMODINAMICA
Fisica generale: argomenti di meccanica classica e di termodinamica.

  • Introduzione
    Il Metodo Scientifico. Grandezze fisiche. Sistemi di unità di misura. Analisi dimensionale. Elementi di calcolo vettoriale.
    Lezioni: 5 ore
    Esercitazioni: 2 ore
    Studio individuale: 12 ore
  • Cinematica del punto materiale
    Sistemi di riferimento. Il punto materiale. Grandezze cinematiche: spostamento, velocità, accelerazione. Equazione oraria del moto. Moti unidimensionali: rettilineo uniforme, rettilineo uniformemente accelerato. Caso della caduta dei gravi. Moti piani: parabolico, circolare uniforme, armonico. Accelerazione tangenziale e centripeta.
    Lezioni: 8 ore
    Esercitazioni: 4 ore
    Studio individuale: 22 ore
  • Dinamica del punto materiale
    Formulazione newtoniana delle leggi della dinamica. Sistemi di riferimento inerziali. Tipi di forze: forza gravitazionale, reazione vincolare, attrito statico e dinamico, forza elastica. Moto armonico: oscillatore armonico, forzato e smorzato. Risonanza. Sistemi di riferimento non inerziali e forze apparenti. La legge di gravitazione universale. Massa inerziale e massa gravitazionale. Moto dei pianeti e dei satelliti.
    Lezioni: 12 ore
    Esercizi: 5 ore
    Studio individuale: 28 ore
  • Lavoro ed energia
    Lavoro. Teorema dell’energia cinetica. Forze conservative ed energia potenziale. La legge di conservazione dell’energia meccanica: esempi ed applicazioni. Forze non conservative: lavoro e conservazione dell’energia.
    Lezioni: 6 ore
    Esercizi: 2 ore
    Studio individuale: 20 ore
  • Quantità di moto e centro di massa
    Forze interne ed esterne. Momento di una forza e momento angolare. Centro di massa. Momenti di inerzia. Quantità di moto di un sistema di punti materiali. Equazioni cardinali della dinamica. Sistemi isolati. Teorema di Koenig.
    Urti: quantità di moto ed energia cinetica negli urti. Urti elastici e anelastici.
    Lezione: 7 ore
    Esercitazione: 3 ore
    Studio Individuale: 20 ore
  • Cinematica e dinamica dei sistemi di punti materiali
    Definizione di corpo rigido. Corpo rigido in pura traslazione. Corpo rigido in rotazione attorno a un asse fisso. Momenti di inerzia assiali. Teorema di Huygens-Steiner. Energia cinetica di un corpo rigido. Moto di rotolamento con e senza strisciamento. Leggi di conservazione per il moto di un corpo rigido. Condizioni di equilibrio.
    Lezione: 7 ore
    Esercitazione: 3 ore
    Studio Individuale: 19 ore
  • Termodinamica - I princìpio e gas perfetti.
    Termometria, trasmissione del calore. Sistemi chiusi e isolati.
    Equilibrio termodinamico e variabili di stato. Trasformazioni termodinamiche reversibili e irreversibili. Trasformazioni adiabatiche, isoterme, isobare e isocore. Primo princìpio della termodinamica. Energia interna. Calorimetria.
    Gas perfetti. Teoria cinetica dei gas, lavoro ed energia interna. Applicazioni del I princìpio ai gas perfetti.
    Lezione: 6 ore
    Esercitazione: 4 ore
    Studio Individuale: 24 ore
  • Termodinamica – II princìpio ed entropia.
    Secondo princìpio della Termodinamica: enunciati di Kelvin e di Clausius. Macchine termiche. Rendimento ed efficienza. Ciclo di Carnot. Teorema di Carnot. Temperatura termodinamica. Teorema di Clausius. Entropia.
    Lezione: 6 ore
    Esercitazione: 4 ore
    Studio Individuale: 23 ore

FISICA - MECCANICA ED ELEMENTI DI TERMODINAMICA
Fisica generale: argomenti di meccanica classica e di termodinamica.

  • Introduzione
    Il Metodo Scientifico. Grandezze fisiche. Sistemi di unità di misura. Analisi dimensionale. Elementi di calcolo vettoriale.
    Lezioni: 5 ore
    Esercitazioni: 2 ore
    Studio individuale: 12 ore
  • Cinematica del punto materiale
    Sistemi di riferimento. Il punto materiale. Grandezze cinematiche: spostamento, velocità, accelerazione. Equazione oraria del moto. Moti unidimensionali: rettilineo uniforme, rettilineo uniformemente accelerato. Caso della caduta dei gravi. Moti piani: parabolico, circolare uniforme, armonico. Accelerazione tangenziale e centripeta.
    Lezioni: 8 ore
    Esercitazioni: 4 ore
    Studio individuale: 22 ore
  • Dinamica del punto materiale
    Formulazione newtoniana delle leggi della dinamica. Sistemi di riferimento inerziali. Tipi di forze: forza gravitazionale, reazione vincolare, attrito statico e dinamico, forza elastica. Moto armonico: oscillatore armonico, forzato e smorzato. Risonanza. Sistemi di riferimento non inerziali e forze apparenti.
    Lezioni: 12 ore
    Esercizi: 5 ore
    Studio individuale: 28 ore
  • Lavoro ed energia
    Lavoro. Teorema dell’energia cinetica. Forze conservative ed energia potenziale. La legge di conservazione dell’energia meccanica: esempi ed applicazioni. Forze non conservative: lavoro e conservazione dell’energia.
    Lezioni: 6 ore
    Esercizi: 2 ore
    Studio individuale: 20 ore
  • Quantità di moto e centro di massa
    Forze interne ed esterne. Momento di una forza e momento angolare. Centro di massa. Momenti di inerzia. Quantità di moto di un sistema di punti materiali. Equazioni cardinali della dinamica. Sistemi isolati. Teorema di Koenig.
    Urti: quantità di moto ed energia cinetica negli urti. Urti elastici e anelastici.
    Lezione: 7 ore
    Esercitazione: 3 ore
    Studio Individuale: 20 ore
  • Dinamica dei corpi rigidi
    Definizione di corpo rigido. Corpo rigido in pura traslazione. Corpo rigido in rotazione attorno a un asse fisso. Momenti di inerzia assiali. Teorema di Huygens-Steiner. Energia cinetica di un corpo rigido. Moto di rotolamento con e senza strisciamento. Leggi di conservazione per il moto di un corpo rigido. Condizioni di equilibrio.
    Lezione: 7 ore
    Esercitazione: 3 ore
    Studio Individuale: 19 ore
  • Termodinamica - I princìpio e gas perfetti.
    Termometria, trasmissione del calore. Sistemi chiusi e isolati.
    Equilibrio termodinamico e variabili di stato. Trasformazioni termodinamiche reversibili e irreversibili. Trasformazioni adiabatiche, isoterme, isobare e isocore. Primo princìpio della termodinamica. Energia interna. Calorimetria.
    Gas perfetti. Teoria cinetica dei gas, lavoro ed energia interna. Applicazioni del I princìpio ai gas perfetti.
    Lezione: 6 ore
    Esercitazione: 4 ore
    Studio Individuale: 24 ore
  • Termodinamica – II princìpio ed entropia.
    Secondo princìpio della Termodinamica: enunciati di Kelvin e di Clausius. Macchine termiche. Rendimento ed efficienza. Ciclo di Carnot. Teorema di Carnot. Temperatura termodinamica. Teorema di Clausius. Entropia.
    Lezione: 6 ore
    Esercitazione: 4 ore
    Studio Individuale: 23 ore

Modalità d'esame

FISICA - MECCANICA ED ELEMENTI DI TERMODINAMICA
Prova scritta ed una successiva prova orale, obbligatoria.
La prova scritta verterà sulla risoluzione di una serie di problemi di difficoltà confrontabile a quella degli esercizi affrontati durante il corso. E' ammesso l'uso di calcolatrici. Non è consentito l'utilizzo di ulteriore materiale (appunti, libri di testo). Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370)

FISICA - MECCANICA ED ELEMENTI DI TERMODINAMICA
Prova scritta ed una successiva prova orale, obbligatoria.
La prova scritta verterà sulla risoluzione di una serie di problemi di difficoltà confrontabile a quella degli esercizi affrontati durante il corso. E' ammesso l'uso di calcolatrici. Non è consentito l'utilizzo di ulteriore materiale (appunti, libri di testo). Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370)

Testi di riferimento

FISICA - MECCANICA ED ELEMENTI DI TERMODINAMICA
D. Halliday, R. Resnick, "Fondamenti di Fisica"
C. Mencuccini, V. Silvestrini, "Fisica I, Meccanica e Termodinamica - prima parte"
C. Guidorzi, A. Zanzi, "Problemi di Fisica Generale 1, prima parte"
S. Focardi, I. Massa, A. Uguzzoni, M. Villa, "Fisica Generale - Meccanica e Termodinamica"

FISICA - MECCANICA ED ELEMENTI DI TERMODINAMICA
D. Halliday, R. Resnick, "Fondamenti di Fisica"
C. Mencuccini, V. Silvestrini, "Fisica I, Meccanica e Termodinamica - prima parte"
C. Guidorzi, A. Zanzi, "Problemi di Fisica Generale 1, prima parte"
S. Focardi, I. Massa, A. Uguzzoni, M. Villa, "Fisica Generale - Meccanica e Termodinamica"

Codice insegnamento 27006258

Fondamenti Di Informatica 1° anno · 1° semestre · IINF-05/A · 0 file
Archivio Globale

Conoscenza e capacità di comprensione Al termine del corso, studentesse e studenti conosceranno i fondamenti dell'informatica, inclusi la rappresentazione binaria dell'informazione, l'organizzazione di un computer…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e capacità di comprensione
Al termine del corso, studentesse e studenti conosceranno i fondamenti dell'informatica, inclusi la rappresentazione binaria dell'informazione, l'organizzazione di un computer secondo il modello di von Neumann, il linguaggio macchina e i meccanismi di compilazione e interpretazione. Avranno inoltre acquisito conoscenze relative ai sistemi informativi, al modello relazionale, al linguaggio SQL, al formato XML e ai principi fondamentali degli algoritmi e della programmazione in Python.
Conoscenza e capacità di comprensione applicate
Studentesse e studenti saranno in grado di progettare e interrogare basi di dati relazionali mediante il linguaggio SQL, di gestire documenti XML, e di codificare algoritmi in Python utilizzando variabili, tipi di dato, strutture condizionali e a ciclo, funzioni e array. Saranno in grado, inoltre, di utilizzare software specifici, quali DBMS e ambienti di programmazione.
Autonomia di giudizio
Studentesse e studenti sapranno valutare la correttezza e l'efficienza di un algoritmo, scegliere la struttura di controllo più adeguata alla risoluzione di un problema e individuare la soluzione algoritmica più appropriata in base alle caratteristiche del problema affrontato.
Abilità comunicative
Studentesse e studenti saranno in grado di descrivere e discutere i concetti fondamentali dell'informatica e della programmazione utilizzando la terminologia tecnica appropriata.
Capacità di apprendere
Studentesse e studenti avranno sviluppato le basi concettuali e pratiche necessarie per approfondire autonomamente linguaggi di programmazione, tecnologie per la gestione dei dati e strumenti informatici più avanzati, in vista di ulteriori percorsi di studio o di applicazioni professionali.

Programma

Il corso, che si colloca nel settore scientifico disciplinare IINF-05/A (ex ING-INF/05), tratta diversi concetti dell'informatica, e si articola in due blocchi tematici.
Il primo blocco è dedicato ai sistemi informativi e alle basi di dati: vengono introdotti il modello relazionale e il linguaggio SQL (DDL, DML e query di selezione e manipolazione), nonché le basi di dati semistrutturate e non strutturate e il formato XML con la relativa gestione di documenti e schemi.
Il secondo blocco affronta i fondamenti dell'informatica e della programmazione: la rappresentazione binaria dell'informazione (caratteri, numeri naturali, interi e reali), l'organizzazione di un computer secondo il modello di von Neumann, il linguaggio macchina, il sistema operativo, i linguaggi di programmazione ad alto livello e i meccanismi di compilazione e interpretazione. Partendo dalle nozioni di problema, algoritmo ed esecutore, il blocco introduce poi la codifica di algoritmi in Python, coprendo variabili, tipi di dato, operatori, strutture condizionali e a ciclo (if, else, elif, while, for), operatori di ingresso/uscita, definizione e chiamata di funzioni, e programmazione con array monodimensionali e multidimensionali mediante le liste Python.

Introduzione ai Sistemi informativi e Basi di Dati (2 ore)

  • informazioni e dati
  • basi di dati semistrutturate e non

Modello relazionale (8 ore)
Linguaggio SQL (14 ore)

  • DDL, DML, queries per la manipolazione di schemi e l'inserimento di istanze
  • queries per la selezione di dati

Il formato XML (18 ore)

  • documenti
  • schemi

Introduzione ai calcolatori, alla rappresentazione dell'informazione e alla programmazione (2 ore)

  • introduzione all'Informatica
  • la rappresentazione binaria dell'informazione: caratteri, numeri naturali, interi, reali
  • organizzazione di un computer e il modello di von Neumann
  • il linguaggio macchina
  • il sistema operativo
  • le applicazioni informatiche

Problemi, algoritmi e programmi (2 ore)

  • le nozioni di problema, algoritmo ed esecutore
  • risoluzione algoritmica di un problema
  • correttezza ed altre proprietà degli algoritmi
  • esempi di algoritmi
  • i concetti di variabile e tipo di dato

Introduzione alla programmazione in Python (4 ore)

  • il linguaggio Python
  • codifica di algoritmi nel linguaggio Python
  • variabili, operatori, istruzioni semplici, stringhe
  • operatori di ingresso/uscita

Strutture di controllo del flusso di elaborazione (20 ore)

  • strutture condizionali: if, else, elif
  • strutture a ciclo: while, for, break, continue
  • variabili boolean

Funzioni (8 ore)

  • definizione e chiamata di funzioni
  • campo di azione di un identificatore
  • modello di esecuzione delle funzioni e passaggio dei parametri

Programmazione con array (6 ore)

  • uso di array mediante le liste Python

Modalità d'esame

Metodi di Valutazione dell’Apprendimento.
Per ogni appello d’esame, la modalità di valutazione dell’apprendimento si articola in due prove: una prova scritta e una prova orale.
La prova scritta ha durata di circa 150 minuti, mentre la prova orale ha durata compresa tra 15 e 30 minuti.
La prova scritta è divisa in parte 1 e parte 2: la parte 1 consiste nella risoluzione di alcuni esercizi riguardanti XML e nella scrittura di alcune interrogazioni in SQL, mentre la parte 2 consiste nell’implementazione di alcuni esercizi in Python.
La prova prevede un punteggio massimo assegnato ad ogni esercizio e ad ogni interrogazione.
I risultati della prova scritta saranno comunicati sul canale Teams del corso (nella forma Matricola - Esito).

Essendo un corso annuale, nella sessione d'esame invernale viene data la possibilità di sostenere una prova scritta intermedia facoltativa, che consiste nella parte 1 della prova scritta.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con D.R. 01.03.2022, n. 370).

Criteri di Valutazione dell’Apprendimento.
La prova scritta mira a valutare il livello di conseguimento delle specifiche competenze metodologiche ed applicative fornite dal corso.
Per superare la prova scritta e accedere alla prova orale, è necessario ottenere un punteggio minimo di 18/30 in ciascuna delle due parti della prova. Il voto di ogni parte è calcolato come somma dei punteggi attribuiti ai singoli esercizi e interrogazioni, valutati in base alla correttezza e alla completezza della risposta. Il voto finale della prova scritta è la media dei voti delle due parti.
Gli studenti e le studentesse che hanno superato la prova intermedia facoltativa con un voto pari o superiore a 18/30 sono esentati dalla parte 1 e, in sede d'appello, devono sostenere soltanto la parte 2 della prova scritta.
La prova orale intende verificare se è stato acquisito il corretto corredo di linguaggio tecnico, la capacità di analisi critica e di giudizio, valutando anche il livello di conoscenza dei contenuti metodologici del corso. L’esito della prova, calcolato in trentesimi, viene valutato sulla base della chiarezza, correttezza e completezza dell’esposizione circa gli argomenti di discussione proposti. Per superare la prova con livello sufficiente (almeno diciotto/trentesimi) occorre rispondere, in modo corretto e completo, ad almeno due degli argomenti proposti.

Attribuzione del Voto Finale
Gli esiti della prova scritta e della prova orale contribuiscono a definire, con stesso peso, l’esito complessivo dell’esame. Il voto finale è in trentesimi e si ottiene calcolando la media del voto della prova scritta e della prova orale.

Il calendario degli appelli è disponibile al link https://prenotazionedateappelli.unical.it/

Testi di riferimento

Materiale didattico messo a disposizione dal docente e link a contenuti sul web. Il materiale viene reso disponibile sulla piattaforma MS Teams

Testi di riferimento:

  • Think Python – How to Think Like a Computer Scientist” (“Pensare da informatico: guida alla programmazione in Pyhton”) di A. B. Downey in versione interattiva: https://www.greenteapress.com/thinkpython/thinkpython.html
  • Paolo Atzeni, Stefano Ceri, Piero Fraternali, Stefano Paraboschi e Riccardo Torlone, “Basi di Dati”, IV edizione, McGraw-Hill Libri Italia.

Riferimenti aggiuntivi:
La documentazione ufficiale sul linguaggio Python “The Python Language Reference”: https://docs.python.org/3/reference/index.html
La documentazione ufficiale sulle librerie Pyhton “The Python Standard Library”: https://docs.python.org/3/library/index.html

Codice insegnamento 27000002

Fondamenti Di Informatica I 1° anno · 1° semestre · IINF-05/A · 0 file

FONDAMENTI DI INFORMATICA I Il corso ha l’obiettivo di: fornire conoscenze relative ai fondamenti dell’informatica, alla rappresentazione digitale dell’informazione, alla programmazione e alla risoluzione algoritmica dei…

Scheda dell'insegnamento

Obiettivi formativi

FONDAMENTI DI INFORMATICA I
Il corso ha l’obiettivo di:

  • fornire conoscenze relative ai fondamenti dell’informatica, alla rappresentazione digitale dell’informazione, alla programmazione e alla risoluzione algoritmica dei problemi;
  • sviluppare competenze nell’analisi, progettazione e implementazione di algoritmi mediante il linguaggio di programmazione C, nonché nell’utilizzo di strutture dati fondamentali quali stringhe, array e matrici;
  • consentire agli studenti di acquisire capacità di problem solving, di verifica della correttezza dei programmi e di sviluppo di semplici applicazioni software attraverso un approccio metodologico e algoritmico.

Conoscenza e comprensione (Descrittore di Dublino 1)
Gli studenti acquisiranno conoscenze relative ai principi fondamentali dell’informatica, all’organizzazione dei calcolatori e alla rappresentazione digitale dell’informazione. Comprenderanno i concetti di algoritmo, programma, variabile e tipo di dato, nonché i principali costrutti del linguaggio C, le strutture di controllo, le funzioni e le strutture dati fondamentali. Inoltre, acquisiranno conoscenze sui principali algoritmi di ricerca, ordinamento e gestione dei dati.

Capacità di applicare conoscenza e comprensione (Descrittore di Dublino 2)
Gli studenti saranno in grado di progettare soluzioni algoritmiche a problemi di media complessità e di implementarle mediante il linguaggio C. Sapranno utilizzare strutture dati fondamentali, tecniche di programmazione modulare e strumenti di debugging e verifica della correttezza dei programmi. Inoltre, saranno in grado di sviluppare programmi che utilizzano array, matrici, file e funzioni, applicando metodologie di sviluppo incrementale del software.

Capacità critica e di giudizio (Descrittore di Dublino 3)
Gli studenti svilupperanno capacità critiche nella valutazione di differenti strategie algoritmiche e implementative, confrontandone correttezza, efficienza e leggibilità. Saranno inoltre in grado di individuare errori logici e sintattici nei programmi, valutare l’adeguatezza delle strutture dati utilizzate e scegliere soluzioni appropriate per la risoluzione di problemi computazionali.

Capacità di comunicazione (Descrittore di Dublino 4)
Gli studenti acquisiranno la capacità di descrivere e discutere con terminologia appropriata concetti, algoritmi e programmi informatici. Sapranno documentare e presentare soluzioni algoritmiche e implementative in modo chiaro e rigoroso, sia in forma scritta sia orale.

Capacità di apprendimento autonomo (Descrittore di Dublino 5)
Gli studenti svilupperanno la capacità di approfondire autonomamente argomenti relativi alla programmazione e all’informatica di base, consultando documentazione tecnica, librerie software e risorse online, anche in lingua inglese. Saranno inoltre in grado di acquisire nuovi strumenti e tecniche di programmazione utili per affrontare corsi avanzati e problemi applicativi più complessi.

FONDAMENTI DI INFORMATICA I
Il corso ha l’obiettivo di:

  • fornire conoscenze relative ai fondamenti dell’informatica, alla rappresentazione digitale dell’informazione, alla programmazione e alla risoluzione algoritmica dei problemi;
  • sviluppare competenze nell’analisi, progettazione e implementazione di algoritmi mediante il linguaggio di programmazione C, nonché nell’utilizzo di strutture dati fondamentali quali stringhe, array e matrici;
  • consentire agli studenti di acquisire capacità di problem solving, di verifica della correttezza dei programmi e di sviluppo di semplici applicazioni software attraverso un approccio metodologico e algoritmico.

Conoscenza e comprensione (Descrittore di Dublino 1)
Gli studenti acquisiranno conoscenze relative ai principi fondamentali dell’informatica, all’organizzazione dei calcolatori e alla rappresentazione digitale dell’informazione. Comprenderanno i concetti di algoritmo, programma, variabile e tipo di dato, nonché i principali costrutti del linguaggio C, le strutture di controllo, le funzioni e le strutture dati fondamentali. Inoltre, acquisiranno conoscenze sui principali algoritmi di ricerca, ordinamento e gestione dei dati.

Capacità di applicare conoscenza e comprensione (Descrittore di Dublino 2)
Gli studenti saranno in grado di progettare soluzioni algoritmiche a problemi di media complessità e di implementarle mediante il linguaggio C. Sapranno utilizzare strutture dati fondamentali, tecniche di programmazione modulare e strumenti di debugging e verifica della correttezza dei programmi. Inoltre, saranno in grado di sviluppare programmi che utilizzano array, matrici, file e funzioni, applicando metodologie di sviluppo incrementale del software.

Capacità critica e di giudizio (Descrittore di Dublino 3)
Gli studenti svilupperanno capacità critiche nella valutazione di differenti strategie algoritmiche e implementative, confrontandone correttezza, efficienza e leggibilità. Saranno inoltre in grado di individuare errori logici e sintattici nei programmi, valutare l’adeguatezza delle strutture dati utilizzate e scegliere soluzioni appropriate per la risoluzione di problemi computazionali.

Capacità di comunicazione (Descrittore di Dublino 4)
Gli studenti acquisiranno la capacità di descrivere e discutere con terminologia appropriata concetti, algoritmi e programmi informatici. Sapranno documentare e presentare soluzioni algoritmiche e implementative in modo chiaro e rigoroso, sia in forma scritta sia orale.

Capacità di apprendimento autonomo (Descrittore di Dublino 5)
Gli studenti svilupperanno la capacità di approfondire autonomamente argomenti relativi alla programmazione e all’informatica di base, consultando documentazione tecnica, librerie software e risorse online, anche in lingua inglese. Saranno inoltre in grado di acquisire nuovi strumenti e tecniche di programmazione utili per affrontare corsi avanzati e problemi applicativi più complessi.

Programma

FONDAMENTI DI INFORMATICA I
Il corso tratta i fondamenti dell’informatica, affrontando i principi della risoluzione algoritmica dei problemi e della programmazione. Attraverso l’utilizzo del linguaggio C, vengono presentati i principali concetti della programmazione e alcune strutture dati fondamentali, quali stringhe, array e matrici, fornendo agli studenti le competenze metodologiche e operative necessarie per lo sviluppo di applicazioni software di base.

LEZIONI (57 ORE):

Introduzione ai calcolatori, alla rappresentazione dell’informazione e alla programmazione (6 ORE):
Introduzione all’Informatica. La rappresentazione binaria dell’informazione: caratteri, numeri naturali, interi, razionali. Organizzazione di un computer. Il sistema operativo. I linguaggi di programmazione ad alto livello. Compilazione e interpretazione. Le applicazioni informatiche.

Problemi, algoritmi e programmi (8 ORE):
Le nozioni di problema, algoritmo ed esecutore. Risoluzione algoritmica di un problema. Correttezza ed altre proprietà degli algoritmi. Esempi di algoritmi. Cenni alla valutazione dell’efficienza degli algoritmi. Algoritmi e programmi. I concetti di variabile e tipo di dato.

Elementi fondamentali del linguaggio C (8 ORE):
Il linguaggio C. Codifica di algoritmi in programmi C. Tipi di base. Variabili. Operatori. Istruzioni semplici. Stringhe. Strutture di controllo del flusso di elaborazione. Cicli. Puntatori. Funzioni di ingresso/uscita. Tipi derivati. Sviluppo incrementale di programmi.

Funzioni (6 ORE):
Definizione e chiamata di funzioni. Campo di azione di un identificatore. Modello di esecuzione delle funzioni e passaggio dei parametri. Aspetti semantici e strutture di supporto all’esecuzione delle funzioni: lo stack ed i record di attivazione.

Programmazione con array (23 ORE):
Uso di array. Array monodimensionali. Array multidimensionali. Allocazione dinamica della memoria e gestione dello heap. Manipolazione di array. Richiami di algebra lineare. Modellazione e gestione di vettori e matrici mediante array. Algoritmi di ricerca e ordinamento su array: ricerca lineare, ricerca binaria, selection sort, insertion sort, bubble sort. Ricorsione e algoritmi ricorsivi.

Librerie di C (6 ORE):
Libreria standard di C. Programmi con persistenza dei dati: uso dei file.

ESERCITAZIONI (27 ORE):
Problemi, algoritmi e programmi (4 ore)
Elementi fondamentali del linguaggio C (5 ore)
Funzioni (4 ore)
Programmazione con array (12 ore)
Librerie di C (2 ore)

FONDAMENTI DI INFORMATICA I
Il corso tratta i fondamenti dell’informatica, affrontando i principi della risoluzione algoritmica dei problemi e della programmazione. Attraverso l’utilizzo del linguaggio C, vengono presentati i principali concetti della programmazione e alcune strutture dati fondamentali, quali stringhe, array e matrici, fornendo agli studenti le competenze metodologiche e operative necessarie per lo sviluppo di applicazioni software di base.

LEZIONI (57 ORE):
Introduzione ai calcolatori, alla rappresentazione dell’informazione e alla programmazione (6 ORE):
Introduzione all’Informatica. La rappresentazione binaria dell’informazione: caratteri, numeri naturali, interi, razionali. Organizzazione di un computer. Il sistema operativo. I linguaggi di programmazione ad alto livello. Compilazione e interpretazione. Le applicazioni informatiche.
Problemi, algoritmi e programmi (8 ORE):
Le nozioni di problema, algoritmo ed esecutore. Risoluzione algoritmica di un problema. Correttezza ed altre proprietà degli algoritmi. Esempi di algoritmi. Cenni alla valutazione dell’efficienza degli algoritmi. Algoritmi e programmi. I concetti di variabile e tipo di dato.
Elementi fondamentali del linguaggio C (8 ORE):
Il linguaggio C. Codifica di algoritmi in programmi C. Tipi di base. Variabili. Operatori. Istruzioni semplici. Stringhe. Strutture di controllo del flusso di elaborazione. Cicli. Puntatori. Funzioni di ingresso/uscita. Tipi derivati. Sviluppo incrementale di programmi.
Funzioni (6 ORE):
Definizione e chiamata di funzioni. Campo di azione di un identificatore. Modello di esecuzione delle funzioni e passaggio dei parametri. Aspetti semantici e strutture di supporto all’esecuzione delle funzioni: lo stack ed i record di attivazione.
Programmazione con array (23 ORE):
Uso di array. Array monodimensionali. Array multidimensionali. Allocazione dinamica della memoria e gestione dello heap. Manipolazione di array. Richiami di algebra lineare. Modellazione e gestione di vettori e matrici mediante array. Algoritmi di ricerca e ordinamento su array: ricerca lineare, ricerca binaria, selection sort, insertion sort, bubble sort. Ricorsione e algoritmi ricorsivi.
Librerie di C (6 ORE):
Libreria standard di C. Programmi con persistenza dei dati: uso dei file.

ESERCITAZIONI (27 ORE):
Problemi, algoritmi e programmi (4 ore)
Elementi fondamentali del linguaggio C (5 ore)
Funzioni (4 ore)
Programmazione con array (12 ore)
Librerie di C (2 ore)

Modalità d'esame

FONDAMENTI DI INFORMATICA I
Metodi di valutazione dell’apprendimento
La valutazione si baserà su due prove. La prima prova (PS), da svolgersi in forma scritta e della durata di circa due ore, consiste in esercizi orientati alla verifica della comprensione di programmi C e della capacità di implementare un dato insieme di funzioni. In caso di superamento della prima prova, lo studente potrà accedere alla seconda prova (PO), da svolgersi in forma orale e della durata di circa 20 minuti, con l’obiettivo di accertare la comprensione degli argomenti teorici e pratici studiati.

Criteri di valutazione dell’apprendimento
PS: Accuratezza e correttezza nella risoluzione algoritmica di semplici problemi e nell’implementazione di algoritmi usando le tecniche presentate durante il corso.
PO: Capacità di definire e discutere soluzioni algoritmiche. Capacità trasversali di risoluzione di problemi e di presentazione del lavoro svolto.

Criteri di misurazione dell’apprendimento
Tutte le prove sono valutate in trentesimi; la scala qualitativa adottata è:
· Eccellenza senza lacune: 30.
· Ottima padronanza, piccoli dettagli migliorabili: 27-29.
· Buona preparazione, alcune imprecisioni non sostanziali: 24-26.
· Preparazione sufficiente ma discontinua; lacune circoscritte: 18-23.
· Livello insufficiente; lacune concettuali rilevanti: non superato.

Criteri di attribuzione del voto finale
Media pesata dei voti sulle singole prove (con pesi 70% PS, 30% PO), con eventuale bonus aggiuntivo nel caso in cui lo studente abbia sostenuto una prova orale di livello particolarmente buono. La lode può essere assegnata nel caso in cui lo studente abbia manifestato un livello complessivo eccellente.

Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

FONDAMENTI DI INFORMATICA I
Metodi di valutazione dell’apprendimento
La valutazione si baserà su due prove. La prima prova (PS), da svolgersi in forma scritta e della durata di circa due ore, consiste in esercizi orientati alla verifica della comprensione di programmi C e della capacità di implementare un dato insieme di funzioni. In caso di superamento della prima prova, lo studente potrà accedere alla seconda prova (PO), da svolgersi in forma orale e della durata di circa 20 minuti, con l’obiettivo di accertare la comprensione degli argomenti teorici e pratici studiati.
Criteri di valutazione dell’apprendimento
PS: Accuratezza e correttezza nella risoluzione algoritmica di semplici problemi e nell’implementazione di algoritmi usando le tecniche presentate durante il corso.
PO: Capacità di definire e discutere soluzioni algoritmiche. Capacità trasversali di risoluzione di problemi e di presentazione del lavoro svolto.
Criteri di misurazione dell’apprendimento
Tutte le prove sono valutate in trentesimi; la scala qualitativa adottata è:
· Eccellenza senza lacune: 30.
· Ottima padronanza, piccoli dettagli migliorabili: 27-29.
· Buona preparazione, alcune imprecisioni non sostanziali: 24-26.
· Preparazione sufficiente ma discontinua; lacune circoscritte: 18-23.
· Livello insufficiente; lacune concettuali rilevanti: non superato.
Criteri di attribuzione del voto finale
Media pesata dei voti sulle singole prove (con pesi 70% PS, 30% PO), con eventuale bonus aggiuntivo nel caso in cui lo studente abbia sostenuto una prova orale di livello particolarmente buono. La lode può essere assegnata nel caso in cui lo studente abbia manifestato un livello complessivo eccellente.
Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

FONDAMENTI DI INFORMATICA I
P. J. Deitel, H. M. Deitel. "Il linguaggio C. Fondamenti e tecniche di programmazione". Nona edizione, 2022. Pearson.

FONDAMENTI DI INFORMATICA I
P. J. Deitel, H. M. Deitel. "Il linguaggio C. Fondamenti e tecniche di programmazione". Nona edizione, 2022. Pearson.

Codice insegnamento 27007560

Fondamenti Di Informatica Ii 1° anno · 2° semestre · IINF-05/A · 0 file

FONDAMENTI DI INFORMATICA II 1. Conoscenza e capacità di comprensione (Knowledge and Understanding) Al termine del corso, lo studente conosce e comprende: la sintassi e la semantica del linguaggio Python, inclusi tipi di…

Scheda dell'insegnamento

Obiettivi formativi

FONDAMENTI DI INFORMATICA II
1. Conoscenza e capacità di comprensione (Knowledge and Understanding)
Al termine del corso, lo studente conosce e comprende:

  • la sintassi e la semantica del linguaggio Python, inclusi tipi di dato primitivi, operatori, strutture di controllo e cicli;
  • il concetto di variabile, identificatore e campo di azione (scope), e il modello di esecuzione dei metodi con relativo passaggio dei parametri;
  • i principi della programmazione orientata agli oggetti : definizione di classi, attributi e metodi, incapsulamento;
  • i meccanismi di gestione della memoria (stack e heap) e il loro ruolo nell'esecuzione dei programmi;
  • le principali strutture dati dinamiche: liste concatenate e alberi binari di ricerca;
  • il paradigma della ricorsione come tecnica algoritmico-progettuale.

2. Capacità di applicare conoscenza e comprensione (Applying Knowledge and Understanding)
Lo studente è in grado di:

  • tradurre algoritmi in programmi Python corretti e leggibili, applicando un approccio di sviluppo incrementale;
  • definire e invocare metodi, gestendo correttamente il passaggio dei parametri e lo scope delle variabili;
  • implementare classi e oggetti per modellare problemi reali secondo il paradigma OOP;
  • utilizzare liste monodimensionali e multidimensionali per la gestione di collezioni di dati;
  • progettare e implementare algoritmi iterativi e ricorsivi su liste concatenate e alberi binari di ricerca (visita, ricerca, inserimento, cancellazione).

3. Autonomia di giudizio (Making Judgements)
Lo studente è capace di:

  • valutare la correttezza e l'efficienza di soluzioni algoritmiche alternative per uno stesso problema;
  • scegliere autonomamente la struttura dati più adeguata (lista, array, albero) in funzione del contesto e dei requisiti del problema;
  • riconoscere quando l'approccio ricorsivo è preferibile a quello iterativo e viceversa, motivando la scelta;
  • individuare e correggere errori logici e semantici nei propri programmi, distinguendoli dagli errori sintattici.

4. Abilità comunicative (Communication Skills)
Lo studente è in grado di:

  • documentare il codice in modo chiaro e appropriato, rendendo leggibile e comprensibile la logica implementativa;
  • descrivere verbalmente e per iscritto il funzionamento di un algoritmo o di una struttura dati, usando terminologia tecnica corretta;
  • discutere le scelte progettuali adottate nella realizzazione di un programma, argomentando in modo strutturato con colleghi e docenti;
  • rappresentare graficamente strutture dati dinamiche (es. liste concatenate, alberi) a supporto della comunicazione tecnica.

5. Capacità di apprendimento (Learning Skills)
Lo studente ha sviluppato la capacità di:

  • consultare in autonomia documentazione tecnica, API e risorse di riferimento del linguaggio Python;
  • estendere le conoscenze acquisite verso linguaggi di programmazione e paradigmi non esplicitamente trattati nel corso;
  • affrontare nuovi problemi computazionali applicando in modo flessibile le tecniche e i pattern di programmazione studiati;
  • aggiornarsi in modo continuativo sulle evoluzioni degli strumenti e delle pratiche di sviluppo software, in vista del percorso di studi avanzato e della futura attività professionale.

FONDAMENTI DI INFORMATICA II
1. Conoscenza e capacità di comprensione (Knowledge and Understanding)
Al termine del corso, lo studente conosce e comprende:

  • la sintassi e la semantica del linguaggio Python, inclusi tipi di dato primitivi, operatori, strutture di controllo e cicli;
  • il concetto di variabile, identificatore e campo di azione (scope), e il modello di esecuzione dei metodi con relativo passaggio dei parametri;
  • i principi della programmazione orientata agli oggetti : definizione di classi, attributi e metodi, incapsulamento;
  • i meccanismi di gestione della memoria (stack e heap) e il loro ruolo nell'esecuzione dei programmi;
  • le principali strutture dati dinamiche: liste concatenate e alberi binari di ricerca;
  • il paradigma della ricorsione come tecnica algoritmico-progettuale.

2. Capacità di applicare conoscenza e comprensione (Applying Knowledge and Understanding)
Lo studente è in grado di:

  • tradurre algoritmi in programmi Python corretti e leggibili, applicando un approccio di sviluppo incrementale;
  • definire e invocare metodi, gestendo correttamente il passaggio dei parametri e lo scope delle variabili;
  • implementare classi e oggetti per modellare problemi reali secondo il paradigma OOP;
  • utilizzare liste monodimensionali e multidimensionali per la gestione di collezioni di dati;
  • progettare e implementare algoritmi iterativi e ricorsivi su liste concatenate e alberi binari di ricerca (visita, ricerca, inserimento, cancellazione).

3. Autonomia di giudizio (Making Judgements)
Lo studente è capace di:

  • valutare la correttezza e l'efficienza di soluzioni algoritmiche alternative per uno stesso problema;
  • scegliere autonomamente la struttura dati più adeguata (lista, array, albero) in funzione del contesto e dei requisiti del problema;
  • riconoscere quando l'approccio ricorsivo è preferibile a quello iterativo e viceversa, motivando la scelta;
  • individuare e correggere errori logici e semantici nei propri programmi, distinguendoli dagli errori sintattici.

4. Abilità comunicative (Communication Skills)
Lo studente è in grado di:

  • documentare il codice in modo chiaro e appropriato, rendendo leggibile e comprensibile la logica implementativa;
  • descrivere verbalmente e per iscritto il funzionamento di un algoritmo o di una struttura dati, usando terminologia tecnica corretta;
  • discutere le scelte progettuali adottate nella realizzazione di un programma, argomentando in modo strutturato con colleghi e docenti;
  • rappresentare graficamente strutture dati dinamiche (es. liste concatenate, alberi) a supporto della comunicazione tecnica.

5. Capacità di apprendimento (Learning Skills)
Lo studente ha sviluppato la capacità di:

  • consultare in autonomia documentazione tecnica, API e risorse di riferimento del linguaggio Python;
  • estendere le conoscenze acquisite verso linguaggi di programmazione e paradigmi non esplicitamente trattati nel corso;
  • affrontare nuovi problemi computazionali applicando in modo flessibile le tecniche e i pattern di programmazione studiati;
  • aggiornarsi in modo continuativo sulle evoluzioni degli strumenti e delle pratiche di sviluppo software, in vista del percorso di studi avanzato e della futura attività professionale.

Programma

FONDAMENTI DI INFORMATICA II
Il corso introduce alla risoluzione algoritmica di problemi utilizzando il linguaggio Python. Viene introdotta la programmazione ricorsiva, e alcune nozioni preliminari della programmazione orientate agli oggetti vengono utilizzati per la creazione di semplici strutture dati, come liste concatenate, pile, code e alberi binari di ricerca

Introduzione alla programmazione in Python:
Il linguaggio Python. Codifica di algoritmi in programmi. Variabili. Operatori. Istruzioni semplici. Stringhe. Strutture di controllo del flusso di elaborazione. Cicli. Operatori di ingresso/uscita. Sviluppo incrementale di programmi. Metodi. Definizione e chiamata di metodi. Campo di azione di un identificatore. Modello di esecuzione dei metodi e passaggio dei parametri. Aspetti semantici e strutture di supporto all’esecuzione dei metodi. Uso di liste monodimensionali e multidimensionali. Gestione della memoria: stack e heap.
Tecniche di programmazione:
Algoritmi ricorsivi in Python. Algoritmi di ordinamento: Merge Sort e Quick Sort
Programmazione Orientata agli Oggetti:
Definizione di classi. Attributi e metodi. Aliasing, Copia superficiale, Copia Profonda.
Strutture dati:
Liste concatenate, Pile, Code e Alberi Binari di Ricerca. Algoritmi iterativi e ricorsivi su liste concatenate e alberi binari di ricerca.

FONDAMENTI DI INFORMATICA II
Il corso introduce alla risoluzione algoritmica di problemi utilizzando il linguaggio Python. Viene introdotta la programmazione ricorsiva, e alcune nozioni preliminari della programmazione orientate agli oggetti vengono utilizzati per la creazione di semplici strutture dati, come liste concatenate, pile, code e alberi binari di ricerca

Introduzione alla programmazione in Python:
Il linguaggio Python. Codifica di algoritmi in programmi. Variabili. Operatori. Istruzioni semplici. Stringhe. Strutture di controllo del flusso di elaborazione. Cicli. Operatori di ingresso/uscita. Sviluppo incrementale di programmi. Metodi. Definizione e chiamata di metodi. Campo di azione di un identificatore. Modello di esecuzione dei metodi e passaggio dei parametri. Aspetti semantici e strutture di supporto all’esecuzione dei metodi. Uso di liste monodimensionali e multidimensionali. Gestione della memoria: stack e heap.

Tecniche di programmazione:
Algoritmi ricorsivi in Python.
Algoritmi di ordinamento: Merge Sort e Quick Sort

Programmazione Orientata agli Oggetti:
Definizione di classi. Attributi e metodi. Aliasing, Copia superficiale, Copia Profonda.

Strutture dati:
Liste concatenate, Pile, Code e Alberi Binari di Ricerca. Algoritmi iterativi e ricorsivi su liste concatenate e alberi binari di ricerca.

Modalità d'esame

FONDAMENTI DI INFORMATICA II
Metodi di valutazione dell’apprendimento
La valutazione avviene mediante una prova scritta e una prova orale
La prova scritta, della durata compresa tra 1h e 2h, richiede di implementare algoritmi in Python per la gestione di collezioni di dati, in cui sono utilizzate le conoscenze impartite su classi, strutture dati, e programmazione ricorsiva.
In caso di superamento della prova scritta, si accedere alla prova orale, che ha una durata di circa 20 minuti, consistente in una discussione degli argomenti teorici e pratici studiati.
Criteri di valutazione dell’apprendimento
Gli esercizi della prova scritta sono progettati in modo da poter valutare che lo studente sia in grado di risolvere in modo algoritmico semplici problemi e di implementare tali algoritmi usando al meglio le tecniche presentate durante il corso.
Le domande della prova orale permettono di complementare la verifica dei risultati di apprendimento previsti; insieme alla discussione degli esercizi svolti nella prova scritta, permettono inoltre di valutare le capacità trasversali di risoluzione di problemi e di presentazione del lavoro svolto.
Criteri di misurazione dell’apprendimento
Una Prova scritta e una Prova orale
Criteri di attribuzione del voto finale

  • Alla prova scritta viene assegnato un punteggio in trentesimi, ottenuto sommando i punteggi ottenuti nello svolgimento dei singoli esercizi che la compongono. La si ritiene superata se il punteggio conseguito è maggiore o uguale a 18/30.
  • Solo il superamento della prova scritta consente l’accesso alla prova orale.
  • Alla prova orale viene assegnato un punteggio in trentesimi, e la si ritiene superata se il punteggio conseguito è maggiore o uguale a 18/30.

Il voto finale è assegnato al termine della prova orale, ed è pari alla media tra i punteggi conseguiti nella prova scritta e nella prova orale, eventualmente alterata di al massimo due punti (derivanti da indicazioni sulla preparazione dello studente o della studentessa che il docente ottiene da un'analisi complessiva di quanto mostrato nella prova scritta e nella prova orale).

Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

FONDAMENTI DI INFORMATICA II
Metodi di valutazione dell’apprendimento

La valutazione avviene mediante una prova scritta e una prova orale
La prova scritta, della durata compresa tra 1h e 2h, richiede di implementare algoritmi in Python per la gestione di collezioni di dati, in cui sono utilizzate le conoscenze impartite su classi, strutture dati, e programmazione ricorsiva.
In caso di superamento della prova scritta, si accedere alla prova orale, che ha una durata di circa 20 minuti, consistente in una discussione degli argomenti teorici e pratici studiati.

Criteri di valutazione dell’apprendimento

Gli esercizi della prova scritta sono progettati in modo da poter valutare che lo studente sia in grado di risolvere in modo algoritmico semplici problemi e di implementare tali algoritmi usando al meglio le tecniche presentate durante il corso.
Le domande della prova orale permettono di complementare la verifica dei risultati di apprendimento previsti; insieme alla discussione degli esercizi svolti nella prova scritta, permettono inoltre di valutare le capacità trasversali di risoluzione di problemi e di presentazione del lavoro svolto.

Criteri di misurazione dell’apprendimento
Una Prova scritta e una Prova orale

Criteri di attribuzione del voto finale
Alla prova scritta viene assegnato un punteggio in trentesimi, ottenuto sommando i punteggi ottenuti nello svolgimento dei singoli esercizi che la compongono. La si ritiene superata se il punteggio conseguito è maggiore o uguale a 18/30.
Solo il superamento della prova scritta consente l’accesso alla prova orale.
Alla prova orale viene assegnato un punteggio in trentesimi, e la si ritiene superata se il punteggio conseguito è maggiore o uguale a 18/30.
Il voto finale è assegnato al termine della prova orale, ed è pari alla media tra i punteggi conseguiti nella prova scritta e nella prova orale, eventualmente alterata di al massimo due punti (derivanti da indicazioni sulla preparazione dello studente o della studentessa che il docente ottiene da un'analisi complessiva di quanto mostrato nella prova scritta e nella prova orale).

Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

FONDAMENTI DI INFORMATICA II
C. Horstmann, R. Necaise — "Concetti di informatica e programmazione in Python", Maggioli Editore
M. T. Goodrich, R. Tamassia, M. H. Goldwasser — "Strutture dati e algoritmi in Python", Wiley

FONDAMENTI DI INFORMATICA II
C. Horstmann, R. Necaise — "Concetti di informatica e programmazione in Python", Maggioli Editore

M. T. Goodrich, R. Tamassia, M. H. Goldwasser — "Strutture dati e algoritmi in Python", Wiley

Codice insegnamento 27007571

Inglese 1° anno · 0 file
Matematica E Algebra Lineare 1° anno · 1° semestre · MATH-03/A · 0 file

Modulo 2: ALGEBRA LINEARE Il corso costituisce uno degli insegnamenti di base dell’area matematica e ha l’obiettivo di introdurre i principali concetti e strumenti dell’algebra lineare, favorendo lo sviluppo del…

Scheda dell'insegnamento

Obiettivi formativi

Modulo 2: ALGEBRA LINEARE
Il corso costituisce uno degli insegnamenti di base dell’area matematica e ha l’obiettivo di introdurre i principali concetti e strumenti dell’algebra lineare, favorendo lo sviluppo del ragionamento matematico e delle capacità di formalizzazione e problem solving.
In accordo con i descrittori di Dublino, al termine del corso lo studente dovrà aver acquisito:

  • Conoscenza e capacità di comprensione: conoscenze fondamentali relative agli spazi vettoriali, alle applicazioni lineari, alla teoria delle matrici, ai sistemi lineari, agli autovalori e agli autovettori, nonché delle principali tecniche di ragionamento matematico proprie dell’algebra lineare.
  • Capacità di applicare conoscenza e comprensione: capacità di utilizzare metodi e strumenti dell’algebra lineare per impostare e risolvere problemi, traducendo situazioni formulate in linguaggio matematico in procedure operative appropriate.
  • Autonomia di giudizio: capacità di analizzare un problema, individuare le tecniche più adeguate alla sua risoluzione e verificare la correttezza logica e matematica dei risultati ottenuti.
  • Abilità comunicative: capacità di esporre con chiarezza e rigore concetti, definizioni, teoremi e procedimenti dell’algebra lineare, utilizzando correttamente il linguaggio matematico.
  • Capacità di apprendimento: capacità di sviluppare un metodo di studio autonomo e di approfondire in modo critico gli argomenti trattati, ponendo le basi per insegnamenti matematici successivi.

Programma

Modulo 2: ALGEBRA LINEARE
Nel corso si tratteranno i concetti di base di algebra e geometria, in particolare nell'ambito dell'algebra lineare. Tra gli argomenti principali del corso abbiamo lo studio di spazi vettoriali e loro applicazioni, e applicazioni alla risoluzione di sistemi lineari.

Cenni di teoria degli insiemi e logica di base. Insieme dei numeri interi, razionali e reali.
Definizione di spazio vettoriale; dipendenza e indipendenza lineare; basi; dimensione.
Applicazioni lineari; forma matriciale; rango.
Teorema di Rouché-Capelli per la risoluzione di sistemi lineari.
Se il tempo lo permette: autovettori e autovalori; diagonalizzazione.

Modalità d'esame

Modulo 2: ALGEBRA LINEARE
L'esame consiste in una parte scritta e una parte orale. La parte scritta ha maggior importanza, verranno proposti alcuni quesiti a cui lo studente è tenuto a rispondere in un'ora e mezza. Il voto sarà dato in trentesimi. Chiunque abbia conseguito un voto di almeno 18/30 alla prova scritta è ammesso all'orale, in cui il voto finale può subire un'oscillazione di 3 punti (in positivo o in negativo).

Testi di riferimento

Modulo 2: ALGEBRA LINEARE
"Geometria Analitica con elementi di Algebra Lineare" (Marco Abate, Chiara de Fabritiis - McGraw-Hill)
"Geometria 1" (Edoardo Sernesi - Bollati Boringhieri)
"Algebra Lineare e Geometria" (Enrico Schlesinger - Zanichelli)

Codice insegnamento 27008853

Matematica I 1° anno · 1° semestre · MATH-03/A · 0 file

MATEMATICA I Competenze specifiche: Obiettivo primario del corso è quello di fornire un'adeguata conoscenza dei principali argomenti che permetteranno allo studente di comprendere e affrontare i problemi tipici…

Scheda dell'insegnamento

Obiettivi formativi

MATEMATICA I
Competenze specifiche:
Obiettivo primario del corso è quello di fornire un'adeguata conoscenza dei principali argomenti che permetteranno allo studente di comprendere e affrontare i problemi tipici dell'analisi matematica.
In particolare saranno acquisiti:

  • Conoscenza dei principi di base dell'analisi matematica;
  • Il concetto di variabile e funzione di una variabile;
  • I principi del calcolo differenziale;
  • Lo studio qualitativo di grafici di funzione;
  • I principi del calcolo integrale;
  • Le nozioni principali sulle serie numeriche.
    Al termine del corso lo studente saprà, in modo chiaro e preciso, applicare le conoscenze acquisite per la risoluzione di problemi sia tipici dell’Analisi Matematica che derivanti da applicazioni alla fisica e alla geometria.

Competenze trasversali:
Capacità critiche e di giudizio conseguite attraverso lo studio degli argomenti e esercizi che vengono proposti durante il corso. In particolare saranno acquisiti:

  • Abilità nell'analisi e nella risoluzione dei problemi;
  • Abilità nell'organizzazione del proprio lavoro;
  • Abilità nella gestione del tempo.

MATEMATICA I
Competenze specifiche:
Obiettivo primario del corso è quello di fornire un'adeguata conoscenza
dei principali argomenti che permetteranno allo studente di comprendere
e affrontare i problemi tipici dell'analisi matematica.
In particolare saranno acquisiti:

  • Conoscenza dei principi di base dell'analisi matematica;
  • Il concetto di variabile e funzione di una variabile;
  • I principi del calcolo differenziale;
  • Lo studio qualitativo di grafici di funzione;
  • I principi del calcolo integrale;
  • Le nozioni principali sulle serie numeriche.
    Al termine del corso lo studente saprà, in modo chiaro e preciso,
    applicare le conoscenze acquisite per la risoluzione di problemi sia tipici
    dell’Analisi Matematica che derivanti da applicazioni alla fisica e alla
    geometria.
    Competenze trasversali:
    Capacità critiche e di giudizio conseguite attraverso lo studio degli
    argomenti e esercizi che vengono proposti durante il corso. In particolare
    saranno acquisiti:
  • Abilità nell'analisi e nella risoluzione dei problemi;
  • Abilità nell'organizzazione del proprio lavoro;
  • Abilità nella gestione del tempo.

Programma

MATEMATICA I
Il corso di Matematica, tratta i temi fondamentali dell'analisi matematica: conoscenze di base del calcolo differenziale e integrale per funzioni reali di una variabile reale e le basi della teoria delle serie numeriche.

1) Numeri e insiemi numerici.
Numeri naturali, numeri interi, numeri razionali e numeri reali. Sommatorie, fattoriali, coefficienti binomiali e formula del binomio di Newton. Proprietà algebriche e rappresentazione geometrica dei numeri razionali. Dai numeri razionali ai numeri reali. Estremo superiore e assioma di continuità. Valore assoluto e distanza sulla retta. Intervalli. Il principio di induzione e applicazioni.

2) Funzioni di una variabile.
Il concetto di funzione. Funzioni reali di una variabile reale: generalità, funzioni limitate, funzioni simmetriche, funzioni monotone, funzioni periodiche. Funzioni elementari. Operazioni sui grafici. Funzioni definite a tratti. Funzioni composte. Funzioni invertibili e monotone. Funzioni inverse. Le funzioni trigonometriche inverse.

3) Limiti di funzioni.
Definizione di limite, finiti e infiniti, al finito e infinito.Teorema di unicità del limite. Limite destro e sinistro. Non esistenza del limite. Asintoti orizzontali. Asintoti obliqui. Asintoti verticali. Teorema del confronto. Teorema di permanenza del segno. Algebra dei limiti e forme indeterminate. Teorema di cambio di variabile nel limite. Definizione di successione. Successioni convergenti, divergenti e irregolari. Successioni monotone. Notazione dello "o-piccolo" di Landau per i limiti.

4) Funzioni continue.
Algebra delle funzioni continue. Continuità delle funzioni elementari. Continuità della funzione composta. Limiti di polinomi. Limiti di funzioni razionali. Limiti notevoli. Punti di discontinuità. Confronti asintotici. Gerarchia degli infiniti. Funzioni continue su un intervallo: Teorema degli zeri e Teorema dei valori intermedi.

5) Calcolo differenziale per funzioni di una variabile.
Derivata di una funzione. Retta tangente. Approssimazione lineare in un punto. Derivate di funzioni elementari. Continuità e derivabilità. Derivate destra e sinistra e punti di non derivabilità. Algebra delle derivate. Derivata di una funzione composta. Punti stazionari, massimi e minimi locali e globali. Teorema di Fermat. Teorema di Lagrange e applicazioni: test di monotonia e caratterizzazione delle funzioni a derivata nulla su un intervallo. Ricerca di massimi e minimi. Teorema di de L’Hospital. Derivata seconda, concavità e convessità. Studio di funzione. Cenni di approssimazione attraverso i polinomi di Taylor.

6) Calcolo integrale per funzioni di una variabile.
Primitive e integrale indefinito di una funzione. Primitive di funzioni elementari. Area di una regione piana. Definizione di integrale definito. Classi di funzioni integrabili. Proprietà dell’integrale definito. Il Teorema della media. Il Teorema fondamentale del Calcolo Integrale. Metodi di integrazione: scomposizione e sostituzione. Integrazione di funzioni razionali. Integrazione per parti. Integrazione di funzioni trigonometriche. Integrazione di funzioni irrazionali. Integrazione improprioa di funzioni non limitate e integrazione su intervalli illimitati. Criteri di integrabilità: confronto e confronto asintotico. Criterio dell’assoluta integrabilità.

7) Serie Numeriche.
Definizione e primi esempi: serie geometrica, serie armonica, serie armonica generalizzata. Condizione necessaria alla convergenza. Serie a termini positivi: criteri del confronto e del confronto asintotico, criteri della radice e del rapporto. Relazioni tra serie numeriche e integrali impropri. Serie a termini di segno variabile: convergenza assoluta. Serie a segni alterni. Criterio di Leibniz. Serie numeriche dipendenti da un parametro.

MATEMATICA I
Il corso di Matematica, tratta i temi fondamentali dell'analisi matematica:
conoscenze di base del calcolo differenziale e integrale per funzioni reali
di una variabile reale, i principi del calcolo con variabili complesse e della
teoria delle serie numeriche.

1) Numeri e Insiemi numerici:
numeri naturali, numeri interi, numeri razionali e numeri reali.
Sommatorie, fattoriali, coefficienti binomiali e formula del binomio di
Newton. Proprietà algebriche e rappresentazione geometrica dei numeri
razionali. Dai numeri razionali ai numeri reali. Estremo superiore e
assioma di continuità. Valore assoluto e distanza sulla retta. Intervalli. Il
principio di induzione e applicazioni.
2) Funzioni di una variabile:
Il concetto di funzione. Funzioni reali di una variabile reale: generalità,
funzioni limitate, funzioni simmetriche, funzioni monotone, funzioni
periodiche. Funzioni elementari. Operazioni sui grafici. Funzioni definite a
tratti. Funzioni composte. Funzioni inverse. Le funzioni trigonometriche
inverse.
3) Limiti di funzioni:
Limiti finiti al finito.
Teorema di unicità del limite. Limiti finiti all’infinito. Asintoti orizzontali.
Limiti infinito all’infinito. Asintoti obliqui. Limiti infiniti al finito. Limite
destro e sinistro. Asintoti verticali. Non esistenza del limite. Teorema del
confronto. Teorema di permanenza del segno. Algebra dei limiti e forme
indeterminate. Teorema di cambio di variabile nel limite. Definizione di
successione. Successioni convergenti, divergenti e irregolari. Successioni
monotone.
4) Funzioni continue:
Algebra delle funzioni continue. Continuità delle funzioni elementari.
Continuità della funzione composta. Limiti di polinomi. Limiti di funzioni
razionali. Limiti notevoli. Punti di discontinuità. Confronti asintotici.
Gerarchia degli infiniti. Funzioni continue su un intervallo: Teorema degli
zeri e Teorema dei valori intermedi.
5) Calcolo differenziale per funzioni di una variabile:
Derivata di una funzione. Derivate di funzioni elementari. Continuità e
derivabilità. Derivate destra e sinistra e punti di non derivabilità. Algebra
delle derivate. Derivata di una funzione composta. Punti stazionari,
massimi e minimi locali e globali. Teorema di Fermat. Teorema di
Lagrange e applicazioni: test di monotonia e caratterizzazione delle
funzioni a derivata nulla su un intervallo. Ricerca di massimi e minimi.
Teorema di de L’Hospital. Derivata seconda, concavità e convessità.
Studio di funzione.
6) Calcolo integrale per funzioni di una variabile:
Primitive e integrale indefinito di una funzione. Primitive di funzioni
elementari. Area di una regione piana. Definizione di integrale definito.
Classi di funzioni integrabili. Proprietà dell’integrale definito. Il Teorema
della media. Il Teorema fondamentale del Calcolo Integrale. Primi metodi
di integrazione: scomposizione e sostituzione. Integrazione di funzioni
razionali. Integrazione per parti. Integrazione di funzioni trigonometriche.
Integrazione di funzioni irrazionali. Integrazione di funzioni non limitate e
integrazione su intervalli illimitati. Criteri di integrabilità: confronto e
confronto asintotico. Criterio dell’assoluta integrabilità.
7) Serie Numeriche
Definizione e primi esempi: serie geometrica, serie armonica, serie
armonica generalizzata. Condizione necessaria alla convergenza. Serie a
termini positivi: criteri del confronto e del confronto asintotico, criteri
della radice e del rapporto. Confronto tra serie numeriche e integrali
impropri. Serie a termini di segno variabile: convergenza assoluta. Serie a
segni alterni. Criterio di Leibniz. Serie numeriche dipendenti da un
parametro.

Modalità d'esame

MATEMATICA I
Metodi di valutazione dell'apprendimento.
Le modalità di verifica dell'apprendimento in itinere consiste nella proposta di esercizi, per lo più applicativi, con l’indicazione di svolgerli di pari passo con le lezioni teoriche e di esercitazione. Si esorterà la discussione durante le lezione e l’utilizzo del ricevimento col docente. La valutazione finale consiste di una prova scritta (3,0 ore) nella quale gli studenti devono dimostrare di saper risolvere semplici esercizi di analisi matematica e di una prova orale.

Criteri di Valutazione dell'apprendimento:

  • la prova scritta mira alla verifica delle conoscenze e delle competenze nel calcolo di base necessarie ad affrontare problemi di analisi matematica. Il superamento della prova scritta consente l'accesso alla
    prova orale.
  • la prova orale ha l'intenzione di verificare le conoscenza dei principi fondamentali dell'analisi matematica.

Criteri di misurazione dell'apprendimento ed attribuzione del voto finale:

  • l'esito della prova scritta è espresso in trentesimi che si ottiene sommando i punteggi ottenuti nello svolgimento dei singoli esercizi che la compongono.
  • il voto finale positivo è assegnato al termine dell'esame orale che costituisce la prova orale ed è espresso in trentesimi, da 18/30 a 30/30 ovvero 30/30 con lode.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).
Per affrontare gli effetti di eventuali disabilità si terrà conto "delle indicazioni della Delegata del Rettore alle politiche di inclusione".

MATEMATICA I
Metodi di valutazione dell'apprendimento:
La valutazione consiste di una prova scritta (3 ore) nella quale gli studenti
devono dimostrare di saper risolvere semplici esercizi di analisi
matematica e di una prova orale.
Criteri di Valutazione dell'apprendimento:
La prova scritta mira alla verifica delle conoscenze e delle competenze
nel calcolo di base necessarie ad affrontare problemi di analisi
matematica. Il superamento consente l'accesso alla prova orale.
La prova scritta orale verifica le conoscenza dei principi fondamentali
dell' analisi matematica.
Criteri di misurazione dell'apprendimento ed attribuzione del voto finale:
L'esito della prova scritta è espresso in trentesimi che si ottiene
sommando i punteggi ottenuti nello svolgimento dei singoli esercizi che la
compongono. Il voto finale è assegnato al termine del colloquio che
costituisce la prova orale ed è espresso in trentesimi.

Testi di riferimento

MATEMATICA I
Conti, Ferrario, Terracini, Verzini: Analisi matematica. Dal calcolo eventuali letture all'analisi 1, Apogeo Editore.

Bramanti, Pagani, Salsa: Analisi Matematica 1, Zanichelli Editore

M. Bertsch, R. Dal Passo, L. Giacomelli: Analisi matematica. Con Textbooks and aggiornamento online, McGraw-Hill (2014).

C. Canuto, A. Tabacco: Analisi matematica 1, Teoria ed esercizi, UniText Springer (2014)

Fusco, Marcellini, Sbordone: Elementi di Analisi Matematica uno, Liguori Editore

Giusti: Analisi Matematica 1 (terza edizione), Bollati Boringhieri Editore

MATEMATICA I
· Bramanti - Pagani - Salsa, Analisi matematica 1, Zanichelli
· Marcellini - Sbordone, Analisi matematica uno, Liguori Editore
· Salsa - Squellati, Esercizi di Analisi matematica 1, Zanichelli
· De Marco – Analisi Uno, Teoria ed esercizi, Zanichelli
· Amar - Bersani, Analisi Matematica I - Esercizi e richiami di teoria, Edizioni LaDotta
· Sabatini - 400 test di Analisi matematica 1 discussi e risolti, Zanichelli
· Marcelli – Analisi matematica 1, Esercizi con richiami di teoria, Pearson

Codice insegnamento 27006081

Proteomica Funzionale: Basi Chimiche E Biochimiche 1° anno · 1° semestre · CHEM-06/A · 0 file

Modulo 1:CHIMICA 1. Conoscenza e capacità di comprensione (Knowledge and understanding) Lo studente acquisirà solide conoscenze sui principi della chimica generale di interesse biologico. Comprenderà in modo approfondito…

Scheda dell'insegnamento

Obiettivi formativi

Modulo 1:CHIMICA
1. Conoscenza e capacità di comprensione (Knowledge and understanding) Lo studente acquisirà solide conoscenze sui principi della chimica generale di interesse biologico. Comprenderà in modo approfondito la struttura atomica della materia, la configurazione elettronica, la natura dei legami chimici e le interazioni intermolecolari. Apprenderà inoltre i concetti fondamentali riguardanti gli equilibri chimici, le reazioni acido-base, i sistemi tampone, i fenomeni ossido-riduttivi, la cinetica chimica e la termodinamica dei processi biologici.
2. Conoscenza e capacità di comprensione applicate (Applying knowledge and understanding) Lo studente sarà in grado di applicare le basi chimiche acquisite per interpretare le proprietà e la struttura delle biomolecole. Saprà utilizzare le nozioni relative alle interazioni intermolecolari, alla termodinamica e agli equilibri in soluzione (come l'azione dei sistemi tampone) per comprendere e analizzare i complessi processi molecolari che stanno alla base della proteomica funzionale.
3. Autonomia di giudizio (Making judgements) Lo studente svilupperà la capacità di analizzare criticamente i processi di interesse biologico a livello molecolare. Sarà in grado di valutare in modo autonomo come le variazioni delle condizioni chimico-fisiche (es. variazioni di pH, potenziale redox, variazioni termodinamiche) influenzino la struttura, le proprietà e le funzioni delle biomolecole nei sistemi biologici.
4. Abilità comunicative (Communication skills) Lo studente sarà in grado di descrivere e argomentare i fenomeni chimici e i processi molecolari studiati in modo chiaro e rigoroso. Svilupperà la capacità di comunicare le proprie conoscenze utilizzando una terminologia scientifica e un linguaggio tecnico appropriato, indispensabile per operare all'interfaccia tra la chimica e la biologia.
5. Capacità di apprendimento (Learning skills) Lo studente acquisirà una base conoscitiva e metodologica essenziale che gli garantirà l'autonomia necessaria per affrontare con successo lo studio delle discipline biochimiche e biologico-molecolari e previste nel proprio percorso formativo, con particolare riferimento agli approfondimenti futuri nel campo della proteomica funzionale.

Programma

Modulo 1:CHIMICA
Il Modulo "Chimica" del corso si propone di fornire agli studenti le basi chimiche necessarie per la comprensione dei processi molecolari alla base della proteomica funzionale. In particolare, sono approfonditi i principi relativi alla struttura atomica della materia, alla configurazione elettronica degli atomi, ai legami chimici e alle interazioni intermolecolari che determinano struttura e proprietà delle biomolecole. Sono altresì trattati gli aspetti fondamentali della chimica generale di interesse biologico, con particolare riferimento a equilibri chimici, acido-base, sistemi tampone, fenomeni ossido-riduttivi, cinetica chimica e termodinamica dei processi biologici.

LEZIONI
1. La struttura atomica della materia
1.a Struttura dell'atomo. Numeri quantici. Sistema Periodico degli elementi. Isotopi.
Elettronegatività. Legame chimico: ionico, covalente, di coordinazione, a
idrogeno. Legami deboli e forze di Van der Walls. Interazioni idrofobiche. Legame chimico
in sistemi biologici.
1.b Elementi e Composti. La mole. Massa atomica e molecolare.
Bilanciamento e relazioni ponderali nelle reazioni chimiche.
2. Gas, liquidi e soluzioni
2.a Equazione di stato dei gas perfetti. Gas reali ed equazione di Van der
Waals. Miscele di gas e legge di Dalton. I gas in medicina
2.b Lo stato liquido, tensione di vapore, composizione delle soluzioni,
legge di Raoult.
2.c Pressione osmotica: soluzioni iso, ipo e ipertoniche. Legge di Henry e
ossigenazione
3. Equilibrio chimico e cinetica delle reazioni
3.a. Entalpia, entropia, energia libera di Gibbs ed equilibrio. Legge di
azione di massa. Principio di Le Chatelier.
3.b. Equilibri in soluzione: acidi, basi, idrolisi salina, soluzioni tampone, prodotto
di solubilità.
3.c Velocità di reazione e leggi cinetiche.
Teoria dello stato di transizione e catalisi.
4. Elettrochimica
4.a. Reazioni di ossido-riduzione. Equazione di Nernst, potenziali di
membrana.

ESERCITAZIONI
1. Bilanciamento di reazioni chimiche.
2. Applicazione della equazione di stato dei gas perfetti. Calcoli relativi
alla pressione osmotica.
3. pH di acidi e basi. Idrolisi, tamponi, prodotto di solubilità.
4. Potenziali di cella e forza elettromotrice.

Modalità d'esame

Modulo 1:CHIMICA
METODI DI VALUTAZIONE DELL'APPRENDIMENTO
Per ogni appello d’esame (calendarizzato su https://dimes.unical.it/didattica/iscriversi-studiare-laurearsi/frequentare-i-corsi/ ), la valutazione dell’apprendimento si articola in due prove: una prova scritta (della durata di 120 minuti) e una prova orale.
La prova scritta consiste in una serie di quesiti (generalmente da 5 a 6) relativi a esercizi e problemi di stechiometria. Lo studente deve dimostrare capacità di comprensione dei dati forniti, corretta impostazione del problema, applicazione appropriata delle leggi chimiche e adeguata interpretazione dei risultati ottenuti.
La prova orale consiste in un colloquio finalizzato ad accertare il livello di conoscenza e comprensione degli argomenti trattati durante il corso. Lo studente dovrà esporre in modo chiaro e rigoroso i contenuti teorici richiesti dal docente, dimostrando padronanza del linguaggio scientifico, capacità di collegamento tra i diversi argomenti e comprensione dei principi chimici alla base dei processi molecolari di interesse biologico.
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

CRITERI DI VALUTAZIONE DELL’APPRENDIMENTO
La prova scritta mira a valutare il livello di conseguimento delle competenze specifiche fornite dal corso.
Per essere ammessi alla successiva prova orale, occorre superare la prova scritta con esito almeno pari a 18/30, che si consegue tramite una valutazione “sufficiente” della prova stessa.
La prova orale intende verificare se è stato acquisito il corretto corredo di linguaggio tecnico, la capacità di analisi critica e di giudizio, valutando anche il livello di conoscenza dei contenuti metodologici del corso.
L’esito della prova viene valutato sulla base della chiarezza, correttezza e completezza dell’esposizione circa gli argomenti di discussione proposti.
Per superare la prova con livello sufficiente (18/30) occorre rispondere, in modo corretto e completo, agli argomenti proposti.

CRITERI DI MISURAZIONE DELL’APPRENDIMENTO E ATTRIBUZIONE DEL VOTO FINALE
Gli esiti della prova scritta e della prova orale contribuiscono a definire, con stesso peso, l’esito complessivo dell’esame.
L’attribuzione del voto finale, in trentesimi, viene assunta sulla base della mediazione degli esiti specifici delle due prove.
Tale votazione sarà utilizzata per il calcolo dell’esito finale dell’esame di PROTEOMICA FUNZIONALE: BASI CHIMICHE E BIOCHIMICHE attraverso media ponderata sui CFU di ciascuno dei due moduli in cui l'insegnamento è articolato.

Testi di riferimento

Modulo 1:CHIMICA
R.H. PETRUCCI, F.G. HERRING, J.D. MADURA, C. BISSONNETTE, ELEMENTI DI CHIMICA GENERALE, Piccin Nuova Libraria S.p.A.
Peter William Atkins, Loretta Jones, Leroy Laverman, James Patterson, Kelley Young. Fondamenti di chimica generale. ZANICHELLI

Codice insegnamento 27008857

Reti Logiche E Calcolatori 1° anno · 2° semestre · IINF-05/A · 0 file

RETI LOGICHE E CALCOLATORI Il corso si propone di fornire agli studenti le basi teoriche e pratiche necessarie per comprendere il funzionamento, la progettazione e la programmazione dei sistemi di elaborazione. Al…

Scheda dell'insegnamento

Obiettivi formativi

RETI LOGICHE E CALCOLATORI
Il corso si propone di fornire agli studenti le basi teoriche e pratiche necessarie per comprendere il funzionamento, la progettazione e la programmazione dei sistemi di elaborazione. Al termine dell’insegnamento, lo studente sarà in grado di:
1) Conoscenza e capacità di comprensione

  • Comprendere i fondamenti dell’algebra booleana e della codifica dell’informazione
  • Conoscere i moduli combinatori e sequenziali standard
  • Conoscere l’architettura di un calcolatore e le tecniche di microprogrammazione
  • Comprendere i principi di programmazione assembly

2) Capacità di applicare conoscenza e comprensione

  • Sintetizzare circuiti logici combinatori e sequenziali
  • Progettare la parte operativa e la logica di controllo di un sistema di elaborazione
  • Sviluppare programmi in linguaggio assembly

3) Capacità critica e di giudizio

  • Valutare criticamente le scelte architetturali in termini di prestazioni ed efficienza
  • Analizzare un problema di elaborazione per scegliere la strategia di progetto più idonea

4) Abilità comunicative

  • Utilizzare la terminologia tecnica appropriata per descrivere componenti hardware e architetture di calcolatori
  • Commentare correttamente le soluzioni progettuali e il codice assembly prodotto

5) Capacità di apprendimento autonomo

  • Acquisire la capacità di approfondire autonomamente l’uso di nuovi repertori di istruzioni o di diverse architetture hardware, partendo dai concetti fondamentali appresi durante il corso

RETI LOGICHE E CALCOLATORI
Il corso si propone di fornire agli studenti le basi teoriche e pratiche necessarie per comprendere il funzionamento, la progettazione e la programmazione dei sistemi di elaborazione. Al termine dell’insegnamento, lo studente sarà in grado di:
1) Conoscenza e capacità di comprensione

  • Comprendere i fondamenti dell’algebra booleana e della codifica dell’informazione
  • Conoscere i moduli combinatori e sequenziali standard
  • Conoscere l’architettura di un calcolatore e le tecniche di microprogrammazione
  • Comprendere i principi di programmazione assembly
    2) Capacità di applicare conoscenza e comprensione
  • Sintetizzare circuiti logici combinatori e sequenziali
  • Progettare la parte operativa e la logica di controllo di un sistema di elaborazione
  • Sviluppare programmi in linguaggio assembly
    3) Capacità critica e di giudizio
  • Valutare criticamente le scelte architetturali in termini di prestazioni ed efficienza
  • Analizzare un problema di elaborazione per scegliere la strategia di progetto più idonea
    4) Abilità comunicative
  • Utilizzare la terminologia tecnica appropriata per descrivere componenti hardware e architetture di calcolatori
  • Commentare correttamente le soluzioni progettuali e il codice assembly prodotto
    5) Capacità di apprendimento autonomo
  • Acquisire la capacità di approfondire autonomamente l’uso di nuovi repertori di istruzioni o di diverse architetture hardware, partendo dai concetti fondamentali appresi durante il corso

Programma

RETI LOGICHE E CALCOLATORI
Il corso illustra le tecniche di analisi e sintesi delle reti logiche combinatorie e sequenziali, l'organizzazione di base ed il funzionamento della macchina calcolatore ed il linguaggio di programmazione assembly

LEZIONI (57 ore)
1) RETI LOGICHE (28 ore)

  • Richiami sulla codifica dell’informazione
  • Algebra booleana: funzioni, forme minime, forme normali
  • Sintesi di reti combinatorie e Mappe di Karnaugh
  • Moduli combinatori standard, circuiti aritmetici, ROM
  • Sintesi di reti sequenziali, automi a stati finiti
  • Moduli sequenziali standard, registri, RAM

2) ARCHITETTURA DEL CALCOLATORE (19 ore)

  • Progettazione della parte operativa
  • Progettazione della parte di controllo, Register Transfer Language
  • Macchina ad accumulatore e a registri
  • Organizzazione della CPU, architetture RISC e CISC
  • Gestione dell'Input/Output
  • Pipelining e parallelismo

3) LINGUAGGIO ASSEMBLY (10 ore)

  • Introduzione al linguaggio assembly
  • Repertorio base di istruzioni Intel
  • Programmazione in assembly
  • Realizzazione di sottoprogrammi in assembly

ESERCITAZIONI (27 ore)
1) RETI LOGICHE (9 ore)

  • Sintesi di reti combinatorie mediante mappe di Karnaugh
  • Sintesi di reti sequenziali mediante automi a stati finiti

2) ARCHITETTURA DEL CALCOLATORE (7 ore)

  • Microprogrammazione di istruzioni macchina
  • Progettazione della ROM
  • Compilazione della tabella dei comandi

3) LINGUAGGIO ASSEMBLY (11 ore)

  • Implementazione di algoritmi in linguaggio macchina

RETI LOGICHE E CALCOLATORI
Il corso illustra le tecniche di analisi e sintesi delle reti logiche combinatorie e sequenziali, l'organizzazione di base ed il funzionamento della macchina calcolatore ed il linguaggio di programmazione assembly

LEZIONI (57 ore)

1) RETI LOGICHE (28 ore)

  • Richiami sulla codifica dell’informazione
  • Algebra booleana: funzioni, forme minime, forme normali
  • Sintesi di reti combinatorie e Mappe di Karnaugh
  • Moduli combinatori standard, circuiti aritmetici, ROM
  • Sintesi di reti sequenziali, automi a stati finiti
  • Moduli sequenziali standard, registri, RAM

2) ARCHITETTURA DEL CALCOLATORE (19 ore)

  • Progettazione della parte operativa
  • Progettazione della parte di controllo, Register Transfer Language
  • Macchina ad accumulatore e a registri
  • Organizzazione della CPU, architetture RISC e CISC
  • Gestione dell'Input/Output
  • Pipelining e parallelismo

3) LINGUAGGIO ASSEMBLY (10 ore)

  • Introduzione al linguaggio assembly
  • Repertorio base di istruzioni Intel
  • Programmazione in assembly
  • Realizzazione di sottoprogrammi in assembly

ESERCITAZIONI (27 ore)

1) RETI LOGICHE (9 ore)

  • Sintesi di reti combinatorie mediante mappe di Karnaugh
  • Sintesi di reti sequenziali mediante automi a stati finiti

2) ARCHITETTURA DEL CALCOLATORE (7 ore)

  • Microprogrammazione di istruzioni macchina
  • Progettazione della ROM
  • Compilazione della tabella dei comandi

3) LINGUAGGIO ASSEMBLY (11 ore)

  • Implementazione di algoritmi in linguaggio macchina

Modalità d'esame

RETI LOGICHE E CALCOLATORI
Metodi di Valutazione dell’Apprendimento
La valutazione dell'apprendimento è articolata in una prova scritta e una prova orale, finalizzate ad accertare il raggiungimento degli obiettivi formativi

  • Prova scritta: consiste in una prova della durata di tre ore, strutturata in tre esercizi, uno per ciascuna delle aree principali del corso: (i) reti logiche/sequenziali, (ii) microprogrammazione, (iii) linguaggio assembly
  • Prova orale: la partecipazione alla prova orale è subordinata al superamento della prova scritta. Il colloquio mira ad approfondire la conoscenza teorica dei contenuti del corso, valutando la proprietà di linguaggio tecnico, la capacità di analisi critica e la competenza nel mettere in relazione gli aspetti teorici con le applicazioni pratiche

Criteri di Valutazione dell’Apprendimento
La valutazione del grado di apprendimento si basa sui seguenti criteri:

  • Correttezza tecnica: correttezza nella sintesi della rete logica, correttezza delle soluzioni di microprogrammazione e conformità sintattica/funzionale del codice assembly prodotto
  • Qualità della soluzione: capacità di proporre soluzioni ottimizzate e ben strutturate
  • Competenze comunicative: proprietà di linguaggio tecnico e capacità di esporre con chiarezza i processi di ragionamento seguiti
  • Capacità critica: attitudine nel mettere in relazione i concetti teorici con le applicazioni pratiche e nel valutare criticamente le diverse strategie progettuali

Criteri di Misurazione dell’Apprendimento e Attribuzione del Voto Finale
La misurazione del profitto avviene secondo le seguenti modalità:

  • Prova scritta: ogni esercizio ha un punteggio massimo di 10 punti. La prova si intende superata con un voto minimo complessivo di 15/30 e a condizione di aver conseguito almeno 3/10 punti in ciascuno dei tre esercizi
  • Prova orale: la prova è superata se giudicata almeno sufficiente
  • Voto complessivo: il voto, espresso in trentesimi, è determinato dalla media della valutazione ottenuta nella prova scritta e in quella orale, che concorrono alla formazione del giudizio complessivo in egual misura. Allo studente può essere assganata la lode qualora la sua preparazione venga considerata eccellente

Informazioni aggiuntive:

  • Si invitano gli studenti a consultare le tracce d’esame degli appelli precedenti, disponibili sulla pagina web del docente
  • Le modalità d'esame vengono adeguate alle particolari esigenze degli studenti con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370)

RETI LOGICHE E CALCOLATORI
Metodi di Valutazione dell’Apprendimento
La valutazione dell'apprendimento è articolata in una prova scritta e una prova orale, finalizzate ad accertare il raggiungimento degli obiettivi formativi

  • Prova scritta: consiste in una prova della durata di tre ore, strutturata in tre esercizi, uno per ciascuna delle aree principali del corso: (i) reti logiche/sequenziali, (ii) microprogrammazione, (iii) linguaggio assembly
  • Prova orale: la partecipazione alla prova orale è subordinata al superamento della prova scritta. Il colloquio mira ad approfondire la conoscenza teorica dei contenuti del corso, valutando la proprietà di linguaggio tecnico, la capacità di analisi critica e la competenza nel mettere in relazione gli aspetti teorici con le applicazioni pratiche

Criteri di Valutazione dell’Apprendimento
La valutazione del grado di apprendimento si basa sui criteri di seguito dettagliati

  • Correttezza tecnica: correttezza nella sintesi della rete logica, correttezza delle soluzioni di microprogrammazione e conformità sintattica/funzionale del codice assembly prodotto
  • Qualità della soluzione: capacità di proporre soluzioni ottimizzate e ben strutturate
  • Competenze comunicative: proprietà di linguaggio tecnico e capacità di esporre con chiarezza i processi di ragionamento seguiti
  • Capacità critica: attitudine nel mettere in relazione i concetti teorici con le applicazioni pratiche e nel valutare criticamente le diverse strategie progettuali

Criteri di Misurazione dell’Apprendimento e Attribuzione del Voto Complessivo
La misurazione del profitto avviene secondo le modalità di seguito riportate

  • Prova scritta: ogni esercizio ha un punteggio massimo di 10 punti. La prova si intende superata con un voto minimo complessivo di 15/30 e a condizione di aver conseguito almeno 3/10 punti in ciascuno dei tre esercizi
  • Prova orale: la prova è superata se giudicata almeno sufficiente
  • Voto complessivo: il voto, espresso in trentesimi, è determinato dalla media della valutazione ottenuta nella prova scritta e in quella orale, che concorrono alla formazione del giudizio complessivo in egual misura. Allo studente può essere assganata la lode qualora la sua preparazione venga considerata eccellente

Informazioni aggiuntive

  • Si invitano gli studenti a consultare le tracce d’esame degli appelli precedenti, disponibili sulla pagina web del docente
  • Le modalità d'esame vengono adeguate alle particolari esigenze degli studenti con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370)

Testi di riferimento

RETI LOGICHE E CALCOLATORI
Fabrizio Luccio, Linda Pagli. Reti Logiche e Calcolatore. Bollati Boringhieri
Dispense del corso messe a disposizione sul canale Teams

RETI LOGICHE E CALCOLATORI
Fabrizio Luccio, Linda Pagli. Reti Logiche e Calcolatore. Bollati Boringhieri
Dispense del corso messe a disposizione sul canale Teams

Codice insegnamento 27006259

Algoritmi E Strutture Dati 2° anno · 2° semestre · IINF-05/A · 0 file

ALGORITMI E STRUTTURE DATI Il corso mira a fornire solide basi in merito alla complessità di problemi e algoritmi e per la progettazione e realizzazione di strutture dati e algoritmi. La realizzazione degli algoritmi e…

Scheda dell'insegnamento

Obiettivi formativi

ALGORITMI E STRUTTURE DATI
Il corso mira a fornire solide basi in merito alla complessità di problemi e algoritmi e per la progettazione e realizzazione di strutture dati e algoritmi. La realizzazione degli algoritmi e delle strutture dati seguirà i principi della programmazione orientata agli oggetti e verrà utilizzato il linguaggio Java.
Competenze specifiche:

  • comprensione dei concetti legati alla complessità dei problemi e degli algoritmi
  • abilità ad impostare la risoluzione di problemi mediante algoritmi e valutare l’efficienza degli algoritmi realizzati
  • abilità di verificare e dimostrare la correttezza di un algoritmo
  • abilità di utilizzare strutture dati ed algoritmi noti in letteratura per la risoluzione di problemi

ALGORITMI E STRUTTURE DATI
Il corso mira a fornire solide basi in merito alla complessità di problemi e algoritmi e per la progettazione e realizzazione di strutture dati e algoritmi. La realizzazione degli algoritmi e delle strutture dati seguirà i principi della programmazione orientata agli oggetti e verrà utilizzato il linguaggio Java.
Competenze specifiche:

  • comprensione dei concetti legati alla complessità dei problemi e degli algoritmi
  • abilità ad impostare la risoluzione di problemi mediante algoritmi e valutare l’efficienza degli algoritmi realizzati
  • abilità di verificare e dimostrare la correttezza di un algoritmo
  • abilità di utilizzare strutture dati ed algoritmi noti in letteratura per la risoluzione di problemi

Programma

ALGORITMI E STRUTTURE DATI
Il corso è finalizzato ad acquisire e sperimentare le tecniche di base per la valutazione della complessità di problemi e algoritmi e per la progettazione e realizzazione di strutture dati e algoritmi. La realizzazione degli algoritmi e delle strutture dati seguirà i principi della programmazione orientata agli oggetti e verrà utilizzato il linguaggio Java/Python.

  • COMPLESSITÀ DI PROBLEMI E ALGORITMI: Modelli di computazione (macchina di Turing, macchine RAM e RASP), analisi di complessità (temporale e spaziale) di algoritmi e problemi, funzioni di costo, notazione di rappresentazione delle funzioni di costo, casi possibili (medio, peggiore e migliore). 2.
  • RICHIAMO DI ALGORITMI FONDAMENTALI: algoritmi di ordinamento e di ricerca iterativi, algoritmi su matrici e risoluzione di sistemi di equazioni. Analisi di complessità.
  • RICORSIONE E ALGORITMI DI TIPO DIVIDE ET IMPERA: La tecnica Divide et Impera e calcolo di complessità. Moltiplicazione efficiente di interi e di matrici. Algoritmi efficienti di ricerca e ordinamento. Algoritmi efficienti per il calcolo del k-mo maggiore. Ricorsione e tecnica divide et impera. Divide et Impera senza ricorsione.
  • ALBERI: Alberi binari, algoritmi di visita e progetto di iteratori. Alberi binari di ricerca: ricerca e bilanciamento. Alberi generali. B-Alberi.
  • DIZIONARI E CODE DI PRIORITÀ: Dizionari, vettori associativi, tabelle hash, code di priorità, heap, e loro applicazioni.
  • GRAFI: Proprietà e realizzazioni. Algoritmi di visita, alberi ricoprenti componenti connesse, ciclicità, chiusura transitiva, componenti fortemente connesse.
  • GRAFI PESATI: La rappresentazione di grafi pesati. Minimi alberi ricoprenti e distanze minime da un nodo sorgente e loro computazione con tecniche golose. Calcolo delle distanze minime con tecniche di programmazione dinamica.
  • STRINGHE: definizioni preliminari, distanza fra stringhe, massima sottosequenza comune, string matching.
  • BACKTRACKING e cenni alle classi di complessità di problemi decisionali.

ALGORITMI E STRUTTURE DATI
Il corso è finalizzato ad acquisire e sperimentare le tecniche di base per la valutazione della complessità di problemi e algoritmi e per la progettazione e realizzazione di strutture dati e algoritmi. La realizzazione degli algoritmi e delle strutture dati seguirà i principi della programmazione orientata agli oggetti e verrà utilizzato il linguaggio Python.

  • COMPLESSITÀ DI PROBLEMI E ALGORITMI: Modelli di computazione (macchina di Turing, macchine RAM e RASP), analisi di complessità (temporale e spaziale) di algoritmi e problemi, funzioni di costo, notazione di rappresentazione delle funzioni di costo, casi possibili (medio, peggiore e migliore). 2.
  • RICHIAMO DI ALGORITMI FONDAMENTALI: algoritmi di ordinamento e di ricerca iterativi, algoritmi su matrici e risoluzione di sistemi di equazioni. Analisi di complessità.
  • RICORSIONE E ALGORITMI DI TIPO DIVIDE ET IMPERA: La tecnica Divide et Impera e calcolo di complessità. Moltiplicazione efficiente di interi e di matrici. Algoritmi efficienti di ricerca e ordinamento. Algoritmi efficienti per il calcolo del k-mo maggiore. Ricorsione e tecnica divide et impera. Divide et Impera senza ricorsione.
  • ALBERI: Alberi binari, algoritmi di visita e progetto di iteratori. Alberi binari di ricerca: ricerca e bilanciamento. Alberi generali.
  • DIZIONARI E CODE DI PRIORITÀ: Dizionari, vettori associativi, tabelle hash, code di priorità, heap, e loro applicazioni.
  • GRAFI: Proprietà e realizzazioni. Algoritmi di visita, alberi ricoprenti, componenti connesse, ciclicità, chiusura transitiva, componenti fortemente connesse.
  • GRAFI PESATI: La rappresentazione di grafi pesati. Minimi alberi ricoprenti e distanze minime da un nodo sorgente e loro computazione con tecniche golose. Calcolo delle distanze minime con tecniche di programmazione dinamica. Problema del massimo flusso.
  • STRINGHE: definizioni preliminari, distanza fra stringhe, massima sottosequenza comune, string matching.
  • BACKTRACKING e cenni alle classi di complessità di problemi decisionali.

Modalità d'esame

ALGORITMI E STRUTTURE DATI
Metodi di valutazione dell’apprendimento
La valutazione si baserà su due prove. La prima prova, da svolgersi in forma scritta della durata di un'ora e mezza e consiste nello sviluppo di due semplici algoritmi e nella caratterizzazione della loro complessità. Il primo algoritmo verterà sulla nozione delle strutture dati di tipo albero mentre il secondo verterà su uno degli altri argomenti trattati nel corso. Allo studente potrà essere richiesta la caratterizzazione di specifiche proprietà e l'analisi delle caratteristiche degli algoritmi/problemi risolti.
In caso di superamento della prima prova, lo studente potrà accedere alla seconda prova, da svolgersi in forma orale e della durata di circa 30 minuti, consistente in un’interrogazione sugli argomenti teorici e pratici affrontati durante il corso. La prova orale inizierà tipicamente con una discussione degli argomenti sui quali lo studente non avrà dimostrato una buona competenza nella prova scritta e proseguirà con domande riguardanti specifici argomenti trattati nel corso.

Criteri di valutazione dell’apprendimento
La prova scritta permetterà di valutare la capacità di realizzare semplici algoritmi e studiarne le caratteristiche. Permetterà inoltre di valutare il la capacità di descrivere gli aspetti teorici e di base relativi agli argomenti del corso. La prova orale completerà la valutazione permettendo di considerare la capacità dello studente di approcciare problemi relativi allo sviluppo e all'analisi di algoritmi e la conoscenza degli algoritmi e delle strutture dati introdotte durante il corso.

Criteri di misurazione dell’apprendimento
La prova scritta è valutata come superata o non superata considerando il conseguimento degli obiettivi formativi da parte dello studente. In caso di superamento della prova scritta, lo studente è ammesso alla prova orale.

Criteri di attribuzione del voto finale
Se la prova orale è giudicata almeno sufficiente, l’esame è superato con l’attribuzione di un voto finale in trentesimi.

Ulteriori informazioni
Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

ALGORITMI E STRUTTURE DATI
Metodi di valutazione dell’apprendimento
La valutazione si baserà su due prove. La prima prova, da svolgersi in forma scritta della durata di un'ora e mezza e consiste nello sviluppo di due semplici algoritmi e nella caratterizzazione della loro complessità. Il primo algoritmo verterà sulla nozione delle strutture dati di tipo albero mentre il secondo verterà su uno degli altri argomenti trattati nel corso. Allo studente potrà essere richiesta la caratterizzazione di specifiche proprietà e l'analisi delle caratteristiche degli algoritmi/problemi risolti.
In caso di superamento della prima prova, lo studente potrà accedere alla seconda prova, da svolgersi in forma orale e della durata di circa 30 minuti, consistente in un’interrogazione sugli argomenti teorici e pratici affrontati durante il corso. La prova orale inizierà tipicamente con una discussione degli argomenti sui quali lo studente non avrà dimostrato una buona competenza nella prova scritta e proseguirà con domande riguardanti specifici argomenti trattati nel corso.

Criteri di valutazione dell’apprendimento
La prova scritta permetterà di valutare la capacità di realizzare semplici algoritmi e studiarne le caratteristiche. Permetterà inoltre di valutare il la capacità di descrivere gli aspetti teorici e di base relativi agli argomenti del corso. La prova orale completerà la valutazione permettendo di considerare la capacità dello studente di approcciare problemi relativi allo sviluppo e all'analisi di algoritmi e la conoscenza degli algoritmi e delle strutture dati introdotte durante il corso.

Criteri di misurazione dell’apprendimento
La prova scritta è valutata in trentesimi considerando il conseguimento degli obiettivi formativi da parte dello studente. In caso di superamento della prova scritta, lo studente è ammesso alla prova orale.

Criteri di attribuzione del voto finale
Se la prova orale è giudicata almeno sufficiente, l’esame è superato con l’attribuzione di un voto finale in trentesimi.

Ulteriori informazioni
Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Testi di riferimento

ALGORITMI E STRUTTURE DATI
Algoritmi e strutture dati 2/ed, Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano, McGraw-Hill Education (Italy) srl
Introduzione agli algoritmi e strutture dati, 4/ed, Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein, McGraw-Hill Education

ALGORITMI E STRUTTURE DATI
Introduzione agli algoritmi e strutture dati, 4/ed, Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest, Clifford Stein, McGraw-Hill Education
Algoritmi e strutture dati 2/ed, Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano, McGraw-Hill Education (Italy) srl

Codice insegnamento 27000392

Anatomia Umana 2° anno · 2° semestre · 6 CFU · BIOS-12/A · 0 file
Archivio Globale

Il corso ha l’obiettivo di fornire conoscenze e competenze teoriche e pratiche sulle caratteristiche macroscopiche, microscopiche e funzionali degli organi del corpo umano e sulle relazioni esistenti tra di essi.…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha l’obiettivo di fornire conoscenze e competenze teoriche e pratiche sulle caratteristiche macroscopiche, microscopiche e funzionali degli organi del corpo umano e sulle relazioni esistenti tra di essi.
Conoscenza e capacità di comprensione (descrittore di Dublino 1) Al termine del corso, lo studente deve acquisire le basi morfologiche del corpo umano, con un focus particolare sugli apparati coinvolti nella nutrizione. Comprendere il passaggio da cellula a tessuto, organo e sistema. Conoscere approfonditamente l'apparato digerente e le correlazioni anatomiche-funzionali con gli altri apparati e sistemi descritti nel corso.
Capacità di applicare conoscenza e comprensione (Descrittore di Dublino 2)
Lo studente dovrà essere in grado di applicare le nozioni anatomiche per una valutazione antropometrica, utilizzando i punti repere anatomici per saper collocare spazialmente le strutture anatomiche e interpretare fenomeni fisiopatologici legati alla nutrizione.
Capacità critica e di giudizio (Descrittore di Dublino 3)
Lo studente dovrà sviluppare autonomia di giudizio e uno spirito critico che permetta di collegare la struttura anatomica con la sua specifica funzione. Al fine di riuscire a valutare come alterazioni strutturali impattino sullo stato di salute ed essere in grado di distinguere tra variazioni anatomiche normali e condizioni patologiche che richiedono un intervento nutrizionale specifico.
Capacità di comunicazione (Descrittore di Dublino 4)
Lo studente dovrà essere in grado di comunicare informazioni, concetti, problemi e soluzioni nell’ambito anatomico, utilizzando una terminologia scientifica appropriata e un’esposizione chiara e coerente.
Capacità di apprendimento autonomo (Descrittore di Dublino 5)
Le conoscenze acquisite dovranno favorire la capacità di reperire, consultare e comprendere autonomamente testi e materiali di aggiornamento scientifico, utili sia per il proseguimento degli studi sia per il futuro contesto professionale.

Programma

Al termine del modulo lo studente possiede le conoscenze e la capacità di comprendere le nozioni di base e le competenze anatomiche fondamentali sull’organizzazione morfofunzionale degli apparati tegumentario, locomotore, cardiovascolare, respiratorio, digerente, urinario e di descrivere l’anatomia macroscopica e topografica del sistema nervoso centrale, periferico e del sistema nervoso autonomo.

ANATOMIA GENERALE: Introduzione al corso - Principi generali di Anatomia - Terminologia anatomica – Organizzazione tridimensionale del corpo umano - Gli organi cavi e gli organi pieni.
APPARATO TEGUMENTARIO: Generalità sull'apparato tegumentario e le sue funzioni - Caratteri generali ed anatomia microscopica della cute - Il follicolo pilo-sebaceo - Le ghiandole sudoripare - Le unghie.
APPARATO LOCOMOTORE:
Sistema scheletrico
Anatomia microscopica - Generalità su ossa ed articolazioni – Lo scheletro della testa - Lo scheletro del tronco - Lo scheletro degli arti superiore e inferiore.
Sistema muscolare
Organizzazione del tessuto muscolare; struttura muscolare e fibra muscolare;.
APPARATO DIGERENTE: Generalità organizzative dell'apparato digerente, gli organi che lo compongono e le loro posizioni - La cavità orale: denti, lingua e ghiandole salivari – La faringe - L'esofago – Stomaco - Intestino tenue - Intestino crasso - Cenni di fisiologia della digestione.
APPARATO CARDIO-VASCOLARE: L'organizzazione dell'apparato circolatorio sanguifero Struttura del cuore - I vasi sanguiferi, struttura delle arterie e delle vene - La piccola circolazione - La grande circolazione - I vasi arteriosi principali e i loro distretti - I vasi venosi principali e i loro distretti - Considerazioni funzionali.
APPARATO RESPIRATORIO: Il naso - la faringe - La laringe - La trachea e i bronchi – I polmoni – Le pleure. Considerazioni funzionali.
SISTEMA NERVOSO: Organizzazione anatomica e funzioni generali del sistema nervoso - Suddivisione del sistema nervoso, Sistema Nervoso centrale (SNC). Sistema nervoso autonomo. Considerazioni funzionali.

Modalità d'esame

Gli appelli d’esame verranno svolti come da calendario accademico.
Per ogni appello d’esame, la modalità di valutazione dell’apprendimento
si articola in una prova scritta e se richiesto dallo studente, da una prova orale.
La prova scritta è costituita da un unico elaborato, da svolgere in 90
minuti, costituito da una serie di domande a risposta multipla e da una
serie di spaccati anatomici.
La prova orale, opzionale, della durata di circa 30 minuti, si articola
nell’esposizione (orale e con l’ausilio anche della forma scritta) da parte
dello studente in relazione a tre specifiche domande proposte del
docente e riguardanti argomenti del programma svolto.
La prova scritta mira a valutare il livello di conseguimento d
competenze specifiche fornite dal corso. Per essere ammessi
all’eventuale prova orale, occorre superare la prova scritta con esito ≥ a
18/30. L’eventuale prova orale intende verificare se è stata acquisito il
corretto corredo di linguaggio tecnico, la capacità di analisi critica e di
giudizio, valutando anche il livello di conoscenza dei contenuti del corso.
Se verrà eseguito l'nsegnamento a distanza, i metodi operativi per
effettuare eventuali esami online saranno basati sulle indicazioni definite
dalle relative Linee Guida dell'Università della Calabria.
CRITERI DI VALUTAZIONE DELL’APPRENDIMENTO.
Il criterio di valutazione dell’apprendimento si basa sull'attribuzione di un
voto finale espresso in trentesimi. Sarà valutato il grado di completezza
della risposta, il livello di integrazione tra i vari contenuti del corso e il
raggiungimento, da parte dello studente, di una visione organica delle
tematiche affrontate durante le lezioni. Inoltre, la prova orale intende
verificare se è stata acquisita una sufficiente capacità di analisi critica ed
un corretto linguaggio scientifico.
Una valutazione con un voto finale compreso tra:
30 e lode-28, quando si dimostra ottima conoscenza di argomenti

proprietà di linguaggio, capacità di analisi e di risolvere i quesiti posti;
27-25 quando si dimostra buona padronanza degli argomenti, corretto
uso del linguaggio, capacità di applicare la conoscenza al fine di risolvere
i quesiti posti;
24-22 quando si dimostra soddisfacente conoscenza dei principali
argomenti trattati, linguaggio adeguato, e sufficiente capacità
applicare le conoscenze acquisite;
18-21 quando si dimostra sufficiente conoscenze di base dei principali
argomenti del corso;
Insufficiente quando lo studente non possiede una conoscenza
accettabile dei contenuti degli argomenti trattati nel corso
Le modalità d'esame saranno altresì adeguate alle particolari esigenze
degli studenti e delle studentesse con disabilità certificate ai sensi delle
leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento
(DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art.
9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con
disabilità o con disturbi specifici di apprendimento" (emanato con D.R.
01.03.2022, n. 370).

Testi di riferimento

Letture consigliate o richieste:
Martini, Timmons, McKinley, Anatomia Umana, Edises. Saladin; Anatomia umana, PiccinAmbrosi et al. Anatomia dell’uomo, Edi ERMES.Mezzogiorno, Testo e atlante di Anatomia Umana, Piccin

Codice insegnamento 27008875

Basi Di Dati E Sistemi Informatici Medici 2° anno · 1° semestre · IINF-05/A · 0 file
Economia Aziendale 2° anno · 1° semestre · 6 CFU · ECON-06/A · 0 file
Archivio Globale

Il corso fornisce le basi per la conoscenza del funzionamento dell'azienda, della sua organizzazione, della sua gestione, delle logiche contabili che legano le operazioni di gestione, delle rilevazioni contabili per la…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce le basi per la conoscenza del funzionamento dell'azienda, della sua organizzazione, della sua gestione, delle logiche contabili che legano le operazioni di gestione, delle rilevazioni contabili per la predisposizione del bilancio d’esercizio.
Competenze specifiche:
obiettivo del corso è fornire allo studente le basi per la conoscenza del funzionamento dell'azienda, della sua organizzazione, della sua gestione, delle logiche contabili che legano le operazioni di gestione alle rilevazioni contabili e che conducono alla predisposizione del bilancio d’esercizio.
Al termine del corso gli studenti che avranno utilmente frequentato il corso:

  • conosceranno le basi metodologiche e concettuali dell'economia aziendale, con riferimento alle condizioni di esistenza delle aziende, ai principi e alle logiche di funzionamento del sistema aziendale e al metodo della partita doppia;
  • saranno in grado di applicare le conoscenze acquisite alla risoluzione di casi aziendali didattici in relazione a: modelli organizzativi; rilevazione contabile delle operazioni aziendali e di assestamento delle imprese; elaborazione di un bilancio d’esercizio contabile di una specifica azienda; interpretazione delle manifestazioni economiche e finanziarie.
    Competenze trasversali:
    al termine del corso, gli studenti saranno in grado di: raccogliere, identificare e utilizzare i dati rilevanti per formulare risposte a problemi concreti e astratti attinenti l’economia aziendale; approfondire in modo autonomo i principali temi di area aziendale e di riprendere e approfondire adeguatamente le conoscenze economico-aziendali sviluppate nell'ambito delle altre discipline di area aziendale; usare in maniera appropriata il linguaggio economico-aziendale di base e comunicare in modo chiaro e specifico le conoscenze e le competenze acquisite durante il corso.

Programma

L’obiettivo del corso è quello di fornire allo studente le basi per la conoscenza del funzionamento dell'azienda, della sua organizzazione, della sua gestione e delle logiche contabili che legano le operazioni di gestione alle rilevazioni contabili e che conducono alla predisposizione del bilancio di esercizio.

L’azienda (il sistema azienda; il profilo soggettivo e i modelli di governo delle aziende; le aziende di erogazione; il gruppo aziendale; il sistema ambientale; il finalismo aziendale e le scelte strategiche) - L'organizzazione Aziendale (i principi generali dell'organizzazione aziendale; le strutture organizzative; i sistemi operativi e lo stile di comando; - LA GESTIONE (la gestione come sistema di operazioni e come sistema di valori) - il Reddito ; il Capitale; La Rilevazione (la contabilità generale; la rilevazione delle operazioni di gestione; la rilevazione delle operazioni di assestamento;

Modalità d'esame

L'accertamento delle conoscenze e della capacità di comprensione avviene tramite lo svolgimento di una prova scritta della durata di 45 minuti, finalizzata ad apprezzare il raggiungimento degli obiettivi didattici, in termini di conoscenza, capacità di ragionamento e capacità di pensiero critico degli studenti.

La prova scritta prevede:

  • n. 15 domande strutturate/stimolo chiuso-risposta chiusa sugli argomenti del corso: gli studenti devono scegliere la risposta corretta da una determinata serie di risposte predefinite;
  • n.4 domande semistrutturate / stimolo chiuso-risposta aperta che richiedono:
  • una risposta discorsiva, di approfondimento e lunghezza variabili, indirizzata a testare la conoscenza degli studenti sugli argomenti principali trattati durante il corso;
  • di svolgere e risolvere due o tre esercizi, in modo da valutare la capacità degli studenti di applicare le regole della contabilità aziendale.

L’esito della prova scritta può essere di sufficienza o di insufficienza.

Criteri di Valutazione dell’Apprendimento
La prova d’esame (scritta o orale ) mira a valutare il livello di conseguimento delle competenze specifiche fornite dal corso.
Costituiscono elementi di valutazione l’acquisizione del corretto linguaggio tecnico, la capacità di analisi critica e di giudizio e il livello di conoscenza dei contenuti del corso. L’esito della prova viene valutato anche sulla base della chiarezza, correttezza e completezza dell’esposizione circa gli argomenti proposti.

Criteri di Misurazione dell’Apprendimento e Attribuzione del Voto Finale

Il voto finale è espresso in trentesimi (voto minimo di sufficienza: 18/30)
In caso di sufficienza (minimo 18/30), lo studente insoddisfatto della votazione conseguita può integrare lo scritto con una eventuale prova orale oppure decidere di ripetere lo scritto in uno degli appelli successivi. La prova scritta e l’eventuale prova orale devono essere sostenute obbligatoriamente nello stesso appello.

L’eventuale prova orale si basa su alcune domande a risposta aperta relative agli argomenti del programma e su esercizi scritti.

Gli esiti della prova scritta e della eventuale e successiva prova orale contribuiscono a definire l’esito complessivo dell’esame, la cui valutazione è espressa in trentesimi.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Per sostenere la prova d’esame lo studente prenotarsi.
L'iscrizione alla prova d'esame avviene tramite la procedura ESSE 3
(https://unical.esse3.cineca.it/)
Per le date ufficiali degli appelli si rinvia al sito https://unical.esse3.cineca.it/

Testi di riferimento

Montrone A. Ricciardi A. Rubino F.E (a cura di), Economia aziendale. Istituzioni, Franco Angeli, Milano, 2019.

Altri testi consigliati
Ulteriori letture e casi di studio a cura dell'insegnante

Codice insegnamento 27003003

Elementi Di Automatica E Robotica 2° anno · 2° semestre · 6 CFU · IINF-04/A · 0 file

Competenze specifiche Analisi di un problema di controllo in retroazione utilizzando componenti lineari. Al termine del corso gli studenti saranno in grado di esaminare un problema di controllo lineare. Capacità di…

Scheda dell'insegnamento

Obiettivi formativi

Competenze specifiche
Analisi di un problema di controllo in retroazione utilizzando componenti lineari. Al termine del corso gli studenti saranno in grado di esaminare un problema di controllo lineare.

Capacità di classificare ed individuare gli elementi costituenti di un robot; abilità ad impostare la risoluzione dei problemi di cinematica e cinematica differenziale; abilità ad impostare e risolvere problemi di cinematica inversa; abilità ad avvalersi degli strumenti del “Robotic ToolBox” per risolvere problemi cinematici diretti e inversi; abilità ad impostare la pianificazione di traiettorie sia nello spazio operativo che nello spazio dei giunti; abilità ad impostare leggi di controllo per l’esecuzione di predefiniti “task"; abilità ad implementare “task” mediante un linguaggio di programmazione per Robot

Programma

I principi fondamentali della teoria del controllo automatico e le principali tecniche di analisi dei sistemi di controllo lineari.

Inquadramento della robotica nel contesto delle applicazioni avanzate con particolare enfasi al settore medico.
Modellistica e controllo dei robot. Sviluppo di applicazioni in simulazione ed in laboratorio.

1. Introduzione ai problemi di controllo e strumenti matematici (8 h)

  • Finalità del controllo automatico
  • Esempi di modelli di sistemi dinamici
  • Richiami sui numeri complessi e sulle loro proprietà; funzione esponenziale nel campo complesso
  • Trasformata e antitrasformata di Laplace - utilizzo nell'analisi dei sistemi dinamici

2. Modelli dinamici lineari (10 h)

  • Sistemi lineari: modelli temporali e funzioni di trasferimento, sovrapposizione degli effetti, schemi a blocchi
  • Teoremi fondamentali sulla stabilità di un sistema lineare
  • Risposta allo scalino (con particolare riferimento ai sistemi del 1° e del 2° ordine)

3. Risposta in frequenza (12 h)

  • Definizione di risposta in frequenza e sue proprietà; teorema della risposta frequenziale
  • Rappresentazione della risposta in frequenza mediante i diagrammi di Nyquist e di Bode
  • Relazioni tra la risposta in frequenza e le risposte temporali (legami globali)

4. Manipolatori (8 h)

  • Struttura dei manipolatori e tipologia di impiego. • Descrizione generale dei componenti HW/SW del sistema robot.

5. Cinematica (8 h)

  • Trasformazioni omogenee.
  • Problema cinematico diretto ed inverso. Spazio di lavoro.
  • Cinematica differenziale
  • Mobilità
    6. Tecniche di controllo (10 h)
  • Pianificazione delle traiettorie e leggi orarie
  • Controllo cinematico dei robot

Modalità d'esame

La modalità di valutazione dell’apprendimento si articola in una prova di tipo orale., in cui eventualmente verrà richiesto di risolvere un semplice esercizio scritto.

La prova intende verificare se è stata acquisito il corretto corredo di linguaggio tecnico, la capacità di analisi critica e di giudizio, valutando anche il livello di conoscenza dei contenuti metodologici del corso.
L’esito della prova viene valutato sulla base della chiarezza, correttezza e completezza dell’esposizione circa gli argomenti di discussione proposti.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

1. G. Marro, Controlli Automatici, Zanichelli
2. R.C. Dorf, R.H. Bishop. Modern Control Systems, PEARSO Ed.
3. L. B. Siciliano, L. Sciavicco, L. Villani, G. Oriolo, ROBOTICA:
MODELLISTICA, PIANIFICAZIONE E
CONTROLLO , McGraw-Hill Italia, 2008, McGraw-Hill Italia, 2008.
4. M.W. Spong, M. Vidyasagar, ROBOT DYNAMICS AND CONTROL, John
Wiley \& Sons, Inc, 1989.

Codice insegnamento 27008870

Elementi Di Elettromagnetismo E Teoria Dei Circuiti 2° anno · 1° semestre · 6 CFU · IINF-02/A · 0 file

Il corso intende fornire le competenze di base nell’ambito dell’elettromagnetismo e dell’analisi circuitale, sia in ambito statico che in riferimento a campi elettromagnetici tempo-varianti, con applicazioni in ambito…

Scheda dell'insegnamento

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

Obiettivi formativi

Il corso intende fornire le competenze di base nell’ambito dell’elettromagnetismo e dell’analisi circuitale, sia in ambito statico che in riferimento a campi elettromagnetici tempo-varianti, con applicazioni in ambito medico-biologico. Competenze specifiche: - Conoscenza delle leggi fondamentali dell’elettromagnetismo in condizioni statiche e tempo-varianti; - Conoscenza delle leggi fondamentali della teoria dei circuiti e dei principali metodi di analisi. - Metodi di stima dei campi elettromagnetici per applicazioni biomediche; - Radiazioni per la diagnostica in medicina. Competenze trasversali: - Capacità di astrazione di problemi fisico-matematici complessi; - Acquisizione di aspetti teorici e pratici funzionali alla comprensione di tecnologie per applicazioni biomediche.

Programma

Il corso illustra i concetti fondamentali relativi all’elettromagnetismo e all’analisi circuitale, con applicazioni in campo medico-biologico.

Codice insegnamento 27008819

Elettromagnetismo Ed Elettrotecnica 2° anno · 1° semestre · IIET-01/A · 0 file

MODULO 1: FONDAMENTI DI ELETTROMAGNETISMO Obiettivi formativi: Il corso intende fornire le competenze di base nell’ambito dell’elettromagnetismo, sia in ambito statico che in riferimento a campi tempo-varianti Competenze…

Scheda dell'insegnamento

Obiettivi formativi

MODULO 1: FONDAMENTI DI ELETTROMAGNETISMO
Obiettivi formativi:
Il corso intende fornire le competenze di base nell’ambito dell’elettromagnetismo, sia in ambito statico che in riferimento a campi tempo-varianti
Competenze specifiche:

  • Conoscenza delle leggi fondamentali dell’elettrostatica e della magnetostatica;
  • Conoscenze delle leggi fondamentali dell’elettromagnetismo, in condizioni tempo-varianti.
    Competenze trasversali:
  • Capacità di formulazione di moderne tecniche di modellazione matematica nel campo dell’ICT
  • Capacità di astrazione di problemi fisico-matematici complessi

MODULO 2: ELETTROTECNICA
Il corso introduce i fondamenti teorici della analisi circuitale concentrandosi principalmente sulla analisi di circuiti lineari e a costanti concentrate.
Vengono sviluppati i metodi di analisi (metodo dei nodi, metodo degli anelli) sia per circuiti resistivi-senza memoria che per circuiti RLC-con memoria in regime permanente sinusoidale.
Vengono introdotte e dimostrate le varie rappresentazioni esterne (Eq. di porta, Thevenin, Norton, Millman, etc.) e utilizzate per l’analisi dei circuiti lineari: senza memoria, RLC in regime permanente sinusoidale, RC e RL del primo ordine. Vengono date le prime nozioni sull’analisi in frequenza e sulle capacità filtranti dei circuiti lineari RLC.

Programma

MODULO 1: FONDAMENTI DI ELETTROMAGNETISMO
Il corso illustra i concetti fondamentali relativi all’elettrostatica, la magnetostatica e la propagazione di campi tempo-varianti.

  • Introduzione al corso: la natura dell’elettromagnetismo;
  • Distribuzioni di carica e Legge di Coulomb;
  • Legge di Gauss;
  • Conduttori e Legge di Joule;
  • Energia potenziale elettrostatica e potenziale elettrico;
  • Distribuzioni di corrente e Legge di Ampère;
  • Legge di Biot-Savart;
  • Equazioni di Maxwell per campi tempo-varianti;
  • Legge di Faraday;
  • Corrente di spostamento e Legge di Ampère generalizzata al caso dinamico;
  • Propagazione di onde piane in mezzi senza perdite;
  • Propagazione di onde piane in mezzi con perdite;
  • Potenza associata ai campi elettromagnetici e vettore di Poynting;
  • Onde elettromagnetiche all’interfaccia tra mezzi diversi: Leggi di Snell, riflessione e trasmissione.

MODULO 2: ELETTROTECNICA
Il corso introduce i fondamenti teorici e metodologici dell’analisi dei circuiti elettrici, con particolare riferimento ai circuiti lineari a costanti concentrate. Sono trattati i principali concetti di topologia circuitale, i teoremi fondamentali delle reti elettriche, i metodi di analisi dei circuiti resistivi e dei circuiti in regime sinusoidale. Il corso fornisce inoltre gli strumenti di base per valutare tensioni, correnti, potenze e scambi energetici nei principali elementi circuitali.

Il corso introduce i fondamenti dell’elettromagnetismo e dell’analisi dei circuiti elettrici. Dopo un richiamo a carica e corrente elettrica, campo e potenziale elettrico, campo magnetico, legge di Biot-Savart, legge di Faraday, legge di Ohm, condensatori e induttori, vengono presentati i circuiti elettrici a costanti concentrate, a partire dal passaggio dalle leggi di Maxwell ai modelli circuitali. Sono discusse le ipotesi alla base di tali modelli, le loro conseguenze e i limiti di validità. Vengono inoltre definite le grandezze elettriche fondamentali, tensione, corrente e potenza, insieme alla convenzione dell’utilizzatore e dei generatori.
Il corso tratta gli elementi circuitali ideali: resistore, condensatore, induttore, generatori indipendenti di tensione e corrente e generatori dipendenti, analizzandone relazioni costitutive, potenza ed energia assorbita o scambiata. Sono introdotti anche i casi limite di corto circuito e circuito aperto e le leggi di Kirchhoff delle correnti e delle tensioni, con riferimento alla loro validità nei circuiti stazionari e alla loro estensione ai circuiti a costanti concentrate con eccitazioni ed elementi generici.
Una parte specifica è dedicata alla topologia dei circuiti: ramo, nodo, maglia, taglio, connessioni in serie e parallelo, resistori in serie e in parallelo, resistenza e conduttanza equivalente, partitori di tensione e corrente, generalizzazione a N resistori, serie e parallelo di condensatori e induttori, equivalenza stella-triangolo. Sono inoltre trattati i collegamenti propri e impropri di generatori ideali di tensione e corrente, i modelli reali dei generatori, la potenza generata ed erogata e l’equivalenza esterna tra generatori reali di tensione e corrente.
Il programma comprende i principali teoremi delle reti resistive: proprietà di linearità, tempo invarianza e memoria, principio di sovrapposizione degli effetti, equazione di porta e teorema di sostituzione, teorema di Millman, teoremi di Thevenin e Norton, equivalenza Thevenin-Norton e teorema del massimo trasferimento di potenza.
Sono poi presentati i metodi di analisi per circuiti resistivi o senza memoria. Si introducono scopo e importanza dei metodi sistematici, grandezze indipendenti ed equazioni di Kirchhoff linearmente indipendenti, grafo orientato del circuito, albero e co-albero, indipendenza delle tensioni dei rami dell’albero e delle correnti dei rami del co-albero, tagli e maglie fondamentali. Vengono sviluppati il metodo dei nodi, anche con generatori di tensione e supernodi, e il metodo degli anelli, anche con generatori di corrente e superanelli.
Il corso affronta inoltre l’analisi dei circuiti lineari nel dominio del tempo, con riferimento ai circuiti del primo ordine RC e RL, alla risposta naturale, alle funzioni singolari elementari, impulso, gradino e rampa unitarie, e alla risposta al gradino. Segue lo studio dei circuiti lineari in regime sinusoidale: frequenza, sinusoidi, fasori, proprietà e composizione dei fasori, impedenza, ammettenza, legge di Ohm generalizzata, impedenza dei principali elementi circuitali e leggi di Kirchhoff nel dominio della frequenza. I metodi di analisi e i teoremi delle reti sono quindi estesi al dominio dei fasori.
Infine, viene trattata la potenza in regime sinusoidale: potenza istantanea, media e apparente, fattore di potenza, potenza complessa, conservazione della potenza complessa tramite il teorema di Boucherot, massimo trasferimento di potenza in regime sinusoidale e rifasamento. Come argomento opzionale, sono introdotti l’estensione del metodo dei fasori a più frequenze, i principi dell’analisi in frequenza e le capacità filtranti dei circuiti RC e RL del primo ordine.

Modalità d'esame

MODULO 1: FONDAMENTI DI ELETTROMAGNETISMO
L’esame consiste in una prova scritta ed una successiva prova orale. Il voto finale è espresso in trentesimi.
Le modalità di esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all' Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

MODULO 2: ELETTROTECNICA
La valutazione dell’esame finale è congiunta a quella del modulo di “Fondamenti di Elettromagnetismo”.
Per quanto riguarda il modulo di Elettrotecnica, la valutazione si basa su una singola prova scritta della durata di due ore. La prova comprende:
a) esercizi applicativi riguardanti l’analisi di circuiti delle tipologie affrontate nel corso, con particolare riferimento a circuiti resistivi e circuiti in regime permanente sinusoidale;
b) domande teoriche a risposta aperta sugli argomenti teorici e pratici affrontati durante il corso.
Le modalità operative di conduzione dell’eventuale esame online si basano sulle indicazioni definite dalle Linee Guida dell’Ateneo.
CRITERI DI VALUTAZIONE DELL’APPRENDIMENTO
Gli esercizi permettono di valutare la capacità di impostare e risolvere problemi di analisi circuitale, applicando correttamente leggi, teoremi e metodi di soluzione. Le domande teoriche permettono di valutare le conoscenze acquisite, l’uso del linguaggio tecnico e la capacità di mettere in relazione i concetti teorici con aspetti applicativi e con contesti multidisciplinari, con particolare riferimento anche alle nozioni del modulo di Fondamenti di Elettromagnetismo.
CRITERI DI MISURAZIONE DELL’APPRENDIMENTO E DI ATTRIBUZIONE DEL VOTO FINALE
La prova scritta è valutata in trentesimi ed è suddivisa in 3 esercizi e 2 domande teoriche, con un peso maggiore riservato agli esercizi, pari all’80% della valutazione del modulo. La prova scritta è superata se la votazione è maggiore o uguale a 18/30.
Il voto del modulo concorre alla determinazione della valutazione finale dell’attività formativa integrata secondo le regole stabilite dal Corso di Studio.
APPELLI D’ESAME
Gli appelli d’esame sono pubblicati sul calendario ufficiale degli esami del Corso di Studio disponibile sul portale di Ateneo.
MODALITÀ PER STUDENTI E STUDENTESSE CON DISABILITÀ O DSA
Le modalità d’esame saranno adattate alle esigenze certificate degli studenti e delle studentesse con disabilità o con Disturbo Specifico dell’Apprendimento, secondo quanto previsto dalla normativa vigente e dal Regolamento di Ateneo per l’inclusione e il diritto allo studio.

Testi di riferimento

MODULO 1: FONDAMENTI DI ELETTROMAGNETISMO
F. T. Ulaby, Fondamenti di Campi Elettromagnetici, Mc-Graw Hill;
D. A. De Wolf, Essentials of Electromagnetics for Engineering, Cambridge University Press;
Dispense del docente disponibili su http://didattica.dimes.unical.it/

MODULO 2: ELETTROTECNICA
Testo di riferimento:
Circuiti Elettrici, Autori: Alexander, Sadiku, Gruosso, Storti Gajani, VI edizione, McGraw-Hill.
Nota: edizioni precedenti vanno ugualmente bene. Alcune parti potrebbero essere collocate in sezioni diverse dell’indice.
Altri testi consigliati:
Elettrotecnica. Elementi di teoria ed esercizi, Autori: Maurizio Repetto, Sonia Leva, II edizione, CittàStudi.

Codice insegnamento 27006261

Fisiologia Umana E Laboratorio 2° anno · BIOS-06/A · 0 file
Fondamenti Di Automatica 2° anno · 2° semestre · 9 CFU · IINF-04/A · 0 file
Archivio Globale

L’insegnamento ha l’obiettivo di fornire i fondamenti teorici e applicativi dell’Automatica per la modellistica, l’analisi e la progettazione elementare di sistemi di controllo a tempo continuo. Il percorso formativo…

Scheda dell'insegnamento

Obiettivi formativi

L’insegnamento ha l’obiettivo di fornire i fondamenti teorici e applicativi dell’Automatica per la modellistica, l’analisi e la progettazione elementare di sistemi di controllo a tempo continuo. Il percorso formativo collega progressivamente strumenti matematici, modelli di sistemi dinamici, analisi nel dominio del tempo e della frequenza, stabilità, retroazione e progetto elementare di regolatori.
Al termine del corso, coerentemente con i contenuti del programma, con le metodologie didattiche adottate e con le modalità di verifica previste, lo/la studente/studentessa dovrà conseguire i seguenti risultati di apprendimento, articolati secondo i Descrittori di Dublino.
1. Conoscenza e capacità di comprensione
Lo/la studente/studentessa conoscerà i concetti fondamentali di sistema dinamico, ingresso, uscita, stato, equilibrio, sensore, attuatore, controllore e retroazione. Comprenderà le rappresentazioni ingresso-stato-uscita e ingresso-uscita, la trasformata di Laplace, la funzione di trasferimento, poli, zeri, risposta libera e forzata, risposta al gradino, risposta in frequenza, diagrammi di Bode e Nyquist. Conoscerà inoltre i concetti di stabilità BIBO, stabilità in retroazione, stabilità interna, precisione statica, sensitività e sensitività complementare.
2. Conoscenza e capacità di comprensione applicate
Lo/la studente/studentessa sarà in grado di formulare modelli matematici di semplici sistemi dinamici, ricavare funzioni di trasferimento, calcolare trasformate e antitrasformate di Laplace, analizzare risposte temporali di sistemi del primo e secondo ordine, valutare stabilità mediante poli, criterio di Routh-Hurwitz, criterio di Nyquist e margini di stabilità. Sarà inoltre in grado di tracciare e interpretare diagrammi di Bode, analizzare schemi in retroazione, valutare errore a regime e impostare semplici problemi di progetto mediante guadagno e reti correttrici.
3. Autonomia di giudizio
Lo/la studente/studentessa saprà scegliere la rappresentazione più opportuna del sistema, interpretare il significato fisico di poli, zeri, costanti di tempo, smorzamento, banda passante e margini di stabilità, valutare la coerenza tra specifiche di controllo e comportamento a ciclo chiuso, riconoscere i limiti dei modelli lineari e motivare le scelte effettuate nell’analisi e nella progettazione.
4. Abilità comunicative
Lo/la studente/studentessa saprà descrivere con linguaggio tecnico appropriato il procedimento seguito per modellare, analizzare o progettare un sistema di controllo; presentare formule, grafici e risultati in modo chiaro; interpretare risposte temporali, diagrammi di Bode e Nyquist; redigere e discutere una relazione tecnica su una traccia assegnata.
5. Capacità di apprendere
Lo/la studente/studentessa sarà in grado di utilizzare autonomamente dispense, lucidi, testi ed esercizi, collegare strumenti matematici e problemi di controllo, rielaborare i concetti mediante esercizi applicativi e acquisire le basi per successivi insegnamenti di controlli automatici, controlli digitali, modellistica, robotica e controllo avanzato.

Programma

L’insegnamento introduce i fondamenti dell’Automatica per l’analisi e la progettazione elementare di sistemi di controllo a tempo continuo. Il corso tratta la modellistica di sistemi dinamici mediante rappresentazioni ingresso-stato-uscita e ingresso-uscita, con esempi fisici ed elettrici; gli strumenti matematici basati sulla trasformata di Laplace; l’analisi della risposta temporale e in frequenza di sistemi lineari e stazionari; la stabilità BIBO e la stabilità in retroazione; i diagrammi di Bode, il criterio di Routh-Hurwitz, il criterio di Nyquist e i margini di stabilità; la precisione statica e le relazioni tra comportamento a ciclo aperto e a ciclo chiuso; la sintesi elementare di regolatori mediante reti correttrici.
Argomenti principali:

  • sistemi dinamici, ingressi, uscite, stato, sensori, attuatori e retroazione;
  • modelli di sistemi fisici elementari, inclusi sistemi del primo ordine, circuiti RC/RL e sistemi del secondo ordine;
  • trasformata e antitrasformata di Laplace, convoluzione, impulso di Dirac e funzione di trasferimento;
  • risposta libera, risposta forzata e risposta al gradino;
  • stabilità, poli, zeri, sistemi del primo e del secondo ordine;
  • risposta in frequenza, diagrammi di Bode, banda passante e filtri;
  • interconnessioni tra sistemi e schemi in retroazione;
  • criteri di Routh-Hurwitz, Nyquist e Bode;
  • stabilità interna, precisione statica, sensitività e sensitività complementare;
  • progetto elementare di regolatori e reti correttrici.

1. Introduzione all'Automatica e ai sistemi dinamici
Definizione di Automatica. Processi, impianti, obiettivi di controllo, sensori, attuatori e controllori. Controllo in retroazione. Concetto di sistema dinamico, ingressi, uscite e stato. Sistemi a tempo continuo e a tempo discreto. Esempio del sistema afflusso/deflusso e introduzione alla modellistica.

2. Esempi di modellistica di sistemi dinamici
Modellazione di sistemi fisici elementari. Circuiti RC e RL. Rappresentazioni ingresso-stato-uscita e ingresso-uscita. Sistemi del primo ordine e sistemi di ordine superiore. Sistemi SISO e MIMO. Linearità, stazionarietà e causalità.

3. Trasformata di Laplace e strumenti matematici per l'analisi dei sistemi
Richiami sui numeri complessi e formule di Eulero. Trasformata di Laplace, regione di convergenza e proprietà principali. Trasformate di segnali elementari: gradino, esponenziale, rampa e segnali polinomial-esponenziali. Teorema della derivata, teorema dell'integrale, teorema del ritardo, teoremi asintotici. Antitrasformata di Laplace, metodo dei fratti semplici e formula di Heaviside. Impulso di Dirac e legame con il gradino. Prodotto di convoluzione.

4. Funzione di trasferimento e risposta temporale
Rappresentazione ingresso-uscita di sistemi lineari e stazionari. Funzione di trasferimento. Risposta libera e risposta forzata. Risposta al gradino. Sistemi del primo ordine: costante di tempo, guadagno statico, tempo di salita e tempo di assestamento. Sistemi del secondo ordine: poli reali e poli complessi coniugati, smorzamento, pulsazione naturale, sovraelongazione e specifiche temporali.

5. Stabilità dei sistemi lineari
Equilibrio e stabilità. Linearizzazione per piccoli segnali. Segnali limitati e stabilità BIBO. Relazione tra poli e stabilità per sistemi lineari e stazionari. Criterio di Routh-Hurwitz e applicazioni.

6. Risposta in frequenza
Segnali modali e risposta modale. Risposta in frequenza G(jw). Diagrammi di Bode di modulo e fase. Forma di Bode e componenti elementari. Banda passante e classificazione dei filtri passa-basso, passa-alto e passa-banda.

7. Sistemi interconnessi e retroazione
Interconnessione in serie, parallelo e retroazione. Nodo sommatore e punto di diramazione. Funzione d'anello e funzione di trasferimento del sistema retroazionato. Poli e zeri della retroazione.

8. Stabilità in retroazione
Introduzione alla stabilità dei sistemi retroazionati. Teorema dell'argomento. Criterio di Nyquist. Complementi sul criterio di Nyquist in presenza di singolarità sull'asse immaginario. Margine di ampiezza, margine di fase e stabilità relativa. Criterio di Bode.

9. Stabilità interna e precisione statica
Schema generale di controllo in retroazione. Stabilità interna. Sensitività, sensitività complementare, sensitività del controllo e funzione di trasferimento del disturbo. Precisione statica rispetto a riferimenti canonici, disturbi e rumore di misura. Tipo del sistema e costanti di errore statico.

10. Legami ciclo aperto-ciclo chiuso e sintesi elementare del controllore
Relazioni approssimate tra funzione d'anello, sensitività e sensitività complementare. Prestazioni in bassa, media e alta frequenza. Specifiche statiche e dinamiche. Introduzione al progetto di regolatori per problemi semplici. Reti correttrici anticipatrici, attenuatrici e a sella. Algoritmi elementari di taratura.

Modalità d'esame

La verifica dell’apprendimento consiste in un esame orale preceduto dalla preparazione di una relazione individuale su una traccia assegnata dal docente.
Le modalità di verifica sono coerenti con i risultati di apprendimento attesi. La relazione tecnica consente di accertare soprattutto la capacità di applicare conoscenza e comprensione, l’autonomia di giudizio e la capacità di comunicare risultati tecnici. La presentazione della relazione verifica le abilità comunicative e la capacità di motivare le scelte modellistiche, analitiche e progettuali. Il colloquio orale accerta la conoscenza e comprensione degli argomenti teorici, la capacità di collegare le diverse parti del programma e la capacità di interpretare criticamente modelli, diagrammi e risultati.
La relazione ha lo scopo di verificare la capacità dello/la studente/studentessa di applicare gli strumenti del corso a un problema di Automatica. La traccia può riguardare, ad esempio, la modellazione di un sistema dinamico, il calcolo della funzione di trasferimento, l’analisi della risposta temporale, lo studio della stabilità, l’analisi in frequenza mediante diagrammi di Bode o Nyquist, la verifica di specifiche statiche e dinamiche o il progetto elementare di un regolatore/rete correttrice.
L’esame si articola in:

  • Relazione tecnica individuale , da consegnare secondo le modalità e le scadenze comunicate dal docente. La relazione deve contenere l’impostazione del problema, i passaggi analitici principali, eventuali grafici o diagrammi, l’interpretazione dei risultati e le conclusioni.
  • Presentazione e discussione della relazione , di durata indicativa pari a 10-15 minuti, durante la quale lo/la studente/studentessa illustra il lavoro svolto e risponde a domande di chiarimento.
  • Colloquio orale , di durata indicativa pari a 20-30 minuti, volto ad accertare la padronanza degli argomenti teorici e applicativi del corso. Il colloquio può includere domande di teoria, interpretazione di diagrammi, semplici esercizi applicativi e discussione di proprietà dei sistemi dinamici e dei sistemi di controllo.

La valutazione finale, espressa in trentesimi, tiene conto dei seguenti elementi:

  • correttezza e completezza della relazione tecnica;
  • capacità di applicare gli strumenti matematici e metodologici dell’Automatica;
  • capacità di interpretare fisicamente e ingegneristicamente i risultati;
  • chiarezza espositiva e uso appropriato del linguaggio tecnico;
  • padronanza degli argomenti teorici durante il colloquio orale;
  • autonomia di giudizio nel motivare le scelte modellistiche, analitiche e progettuali.

L'articolazione del giudizio finale è la seguente: 30% relazione tecnica, 20% discussione/presentazione della relazione, 50% colloquio orale. La lode può essere attribuita in presenza di piena padronanza degli argomenti, autonomia nella rielaborazione, capacità di collegamento tra le diverse parti del corso e particolare chiarezza espositiva.
Non sono previste prove intermedie con peso sulla valutazione finale, salvo diversa comunicazione del docente all’inizio del corso. Eventuali esercitazioni o tracce svolte durante il semestre hanno funzione di autovalutazione e preparazione all’esame. Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

Testo di riferimento:

  • P. Bolzern, R. Scattolini, N. Schiavoni, Fondamenti di Controlli Automatici , McGraw-Hill Italia.

Materiale didattico:

  • dispense e lucidi forniti dal docente e resi disponibili sulla classe Microsoft Teams del corso;
  • tracce di esercizi, esempi svolti e materiale integrativo forniti durante il semestre.

Eventuali letture consigliate, per approfondimento:

  • K. Ogata, Modern Control Engineering , Pearson;
  • G. F. Franklin, J. D. Powell, A. Emami-Naeini, Feedback Control of Dynamic Systems , Pearson;
  • R. C. Dorf, R. H. Bishop, Modern Control Systems , Pearson.

Codice insegnamento 27000092

Genomica Strutturale E Funzionale Degli Organismi 2° anno · 2° semestre · MEDS-01/A · 0 file
Laboratorio Di Ricerca Operativa 2° anno · 6 CFU · MATH-06/A · 0 file

Il corso ha come obiettivo principale quello di fornire le conoscenze teoriche e metodologiche di base richieste per la rappresentazione matematica di alcune classi di problemi decisionali attraverso gli strumenti…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha come obiettivo principale quello di fornire le conoscenze teoriche e metodologiche di base richieste per la rappresentazione matematica di alcune classi di problemi decisionali attraverso gli strumenti della Ricerca Operativa. Al termine del percorso didattico, lo studente avrà acquisito la capacità di analizzare un contesto reale, tradurlo in un modello di programmazione matematica, risolverlo tramite software dedicati e valutarne criticamente i risultati.
Più in dettaglio, al termine del corso lo studente avrà acquisito le seguenti conoscenze a abilità.
Conoscenza e comprensione
Lo studente avrà acquisito

  • I fondamenti teorici della Ricerca Operativa per la modellizzazione matematica dei processi decisionali.
  • La conoscenza degli algoritmi risolutivi classici relativi alla Programmazione Lineare (PL) e alla Programmazione Lineare Intera (PLI).
  • La conoscenza dei modelli e degli algoritmi fondamentali per i Problemi di Flusso su Rete.

Capacità di applicare conoscenza e comprensione
Lo studente sarà in grado di:

  • Identificare e formulare problemi decisionali semplici ricorrendo alla programmazione matematica.
  • Individuare, selezionare e applicare gli algoritmi risolutivi più appropriati per le specifiche classi di problemi di ottimizzazione studiate.
  • Utilizzare gli strumenti software dedicati per implementare e risolvere i modelli matematici analizzati.

Lo studente svilupperà competenze orientate a
Capacità critica e di giudizio

  • Analizzare un problema reale semplice, studiandone le caratteristiche intrinseche per valutarne in autonomia le modalità e le metodologie di soluzione più efficaci (problem solving).
  • Valutare criticamente i risultati numerici ottenuti dall'output dei software di ottimizzazione, verificandone l'attendibilità e la coerenza rispetto al contesto decisionale di partenza.

Capacità di comunicazione

  • Esporre con un lessico tecnico-scientifico appropriato la struttura di un modello matematico e giustificare la logica sottesa alla scelta di uno specifico algoritmo risolutivo.

Capacitò di apprendimento autonomo

  • Lo studente svilupperà la capacità di approfondire autonomamente modelli e algoritmi di ottimizzazione riferiti a classi di problemi specifici, consultando testi scientifici, documentazione tecnica e strumenti software specialistici.

Programma

Il corso ha come obiettivo quello di fornire le conoscenze di base necessarie per l’individuazione e la rappresentazione matematica di problemi decisionali complessi mediante le metodologie della Ricerca Operativa. Verranno studiati alcuni modelli di programmazione lineare, lineare intera e di ottimizzazione su reti e presentati i fondamentali approcci risolutivi della Ricerca Operativa. Verranno fornite altresì le conoscenze necessarie all’utilizzo di alcuni dei software disponibili per la risoluzione di problemi di ottimizzazione.

LEZIONI (32 ore)

  • Introduzione alla Ricerca Operativa (2 ore): Cenni storici. Problemi decisionali e approccio modellistico. Classificazione dei modelli di programmazione matematica.
  • Programmazione Lineare (12 ore) :Formulazione di problemi di PL. Geometria della regione ammissibile. Forma standard. Soluzioni di base.Teorema fondamentale della PL.Condizioni di ottimalità. Algoritmo del Simplesso.
  • Teoria della Dualità (4 ore): Problema primale e duale. Teoremi della dualità. Complementarità primale-duale. Analisi di sensitività
  • Problemi di Flusso su Rete (8 ore): Grafi e reti. Proprietà della matrice di incidenza. Problema del cammino minimo. Problema del flusso di costo minimo. Problema dei trasporti. Problema di assegnamento. Problema del massimo flusso. Algoritmo di Ford-Fulkerson.
  • Programmazione Lineare Intera (6 ore). Generalità sui problemi di Programmazione Lineare Intera (PLI). Cenni sulla proprietà di interezza dei poliedri e totale unimodularità. Formulazione di alcuni classici problemi di PLI: Knapsack, Assegnamento, Assegnamento Generalizzato, Localizzazione di impianti, Set-Covering, Commesso Viaggiatore, Vehicle Routing. L'algoritmo Branch-and-Bound: tecniche di separazione e di rilassamento.

ESERCITAZIONI (18 ore):

  • Risoluzione grafica di problemi di Programmazione Lineare di due variabili.
  • Risoluzione di problemi di programmazione lineare con il metodo del simplesso.
  • Esercizi sui problemi di rete e sull'applicazione dell'algoritmo di Ford-Fulkerson .
  • Esercitazioni su metodo di Branch and Bound.

LABORATORIO (12 ore):

  • Introduzione all’utilizzo di software di ottimizzazione.
  • Implementazione e risoluzione di modelli tramite software dedicati

Modalità d'esame

L’esame consiste di due prove: prova scritta e prova Orale. La prova scritta, della durata di due ore, consiste nella risoluzione di esercizi numerici riguardanti gli argomenti trattati durante il corso. La prova scritta si intende superata se si consegue un punteggio di 18/30. La prova orale, vincolata al superamento della prova scritta mira a completare la verifica dei risultati di apprendimento previsti. Essa consiste di tre domande sugli argomenti trattati durante il corso e nella implementazione su PC mediante un software per l'ottimizzazione di uno dei modelli discussi durante le lezioni. L’esame è superato se viene ottenuto un punteggio minimo di 18/30 anche alla prova orale. Il voto finale, in trentesimi, viene assegnato al termine del colloquio come media dei voti ottenuti alle due prove.
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).
Gli appelli d'esame saranno disponibili al seguente link: https://dimes.unical.it/didattica/iscriversi-studiare-laurearsi/frequentare-i-corsi/

Testi di riferimento

Testi consigliati: Dimitris Bertsimas, John N. Tsitsiklis, Introduction to Linear Optimization.
Mokhtar S. Bazaraa, John J. Jarvis, Hanif D.Sherali, Linear Programming and Network Flows
Dispense integrative, esercizi svolti e materiale didattico supplementare saranno resi disponibili tramite Microsoft Teams.

Codice insegnamento 27005353

Matematica Ii 2° anno · 9 CFU · MATH-05/A · 0 file

Conoscenza e capacità di comprensione (Descrittore di Dublino 1) Al termine del corso lo studente avrà acquisito conoscenze avanzate relative al calcolo differenziale e integrale per funzioni di più variabili, alle…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e capacità di comprensione (Descrittore di Dublino 1)
Al termine del corso lo studente avrà acquisito conoscenze avanzate relative al calcolo differenziale e integrale per funzioni di più variabili, alle equazioni differenziali ordinarie, alle serie di Taylor e Fourier e ai principali strumenti analitici per la modellazione matematica.

Capacità di applicare conoscenza e comprensione (Descrittore di Dublino 2)
Lo studente sarà in grado di:

  • risolvere problemi di calcolo differenziale e integrale in più variabili;
  • affrontare problemi di ottimizzazione libera e vincolata;
  • risolvere equazioni differenziali ordinarie mediante metodi analitici;
  • utilizzare sviluppi in serie di Taylor e Fourier in problemi applicativi.

Autonomia di giudizio (Descrittore di Dublino 3)
Lo studente sarà in grado di valutare criticamente l’applicabilità dei diversi strumenti matematici in relazione a specifici problemi ingegneristici.

Abilità comunicative (Descrittore di Dublino 4)
Lo studente acquisirà la capacità di esporre con rigore logico e linguaggio matematico appropriato procedimenti risolutivi, definizioni e risultati teorici.

Capacità di apprendimento (Descrittore di Dublino 5)
Lo studente svilupperà capacità di studio autonomo e di approfondimento critico di metodi matematici utili nei successivi insegnamenti dell’area ingegneristica.

Programma

  • Funzioni reali di due o più variabili: dominio, limiti, continuità, derivate e differenziale.
  • Ottimizzazione libera e vincolata.
  • Integrazione multipla in R^n.
  • Integrali curvilinei e di superficie.
  • Equazioni differenziali ordinarie e cenni alle equazioni alle derivate parziali.
  • Serie di funzioni, con particolare riferimento alle serie di Taylor e Fourier.

LEZIONI (57 ore)
1. Calcolo differenziale per funzioni con n variabili (27 ore)

  • Campo di esistenza: concetti di Intorno, punto interno, esterno, di frontiera, isolato, punto di accumulazione, insieme aperto, chiuso, campo di esistenza.
  • Limiti e Continuità: Studio dei limiti di funzione con i metodi delle coordinate polari e delle rette (per un dominio 2D), metodo delle coordinate sferiche (per un dominio 3D); Studio della continuità di una funzione tramite lo studio dei limiti.
  • Derivabilità e differenziabilità: Concetto di derivata direzionale, derivate parziali, gradiente; Concetto di divergenza e rotore: Proprietà di una funzione differenziabile, teorema del differenziale totale, differenziale di funzioni composte, la matrice Jacobiana
  • Ottimizzazione libera: Definizione di massimi e minimi, locali e globali; punti stazionari e studio della matrice hessiana
  • Ottimizzazione vincolata: i moltiplicatori di Lagrange
  • Integrali curvilinei e forme differenziali: Curve regolari, Lunghezza di una curva, Curve orientate, Ascissa curvilinea, Integrale curvilineo di una funzione, Integrale curvilineo di una forma differenziale, Forme differenziali esatte, Forme differenziali chiuse. I campi vettoriali: classificazione e proprietà dei campi irrotazionali.
  • Integrali doppi e tripli: Integrali su domini normali, Formule di riduzione per gli integrali doppi, Formule di Gauss-Green. Cambiamento di variabili negli integrali doppi, Integrali tripli
  • Superfici ed integrali di superficie: Superfici regolari, Piano tangente e versore normale, Area di una superficie. Integrali di superficie

2. Equazioni differenziali (15 ore)

  • Classificazione in Equazioni Differenziali Ordinarie (ODE) e Equazioni Differenziali alle Derivate Parziali (PDE).
  • Equazioni Differenziali Ordinarie: problema di Cauchy, teorema di esistenza ed unicità locale e globale. Risoluzione analitica di schemi particolari: ODE del primo ordine, di ordine superiore al primo, ODE lineari
  • Cenni sulle Equazioni Differenziali alle Derivate Parziali.

3. Serie di funzioni (15 ore)

  • Tipi di convergenza;
  • Sviluppi in serie di Taylor e sue applicazioni;
  • Sviluppi in serie di Fourier.

ESERCITAZIONI (27 ore)

  • Risoluzione guidata di esercizi
  • Applicazioni ingegneristiche
  • Simulazioni di prova scritta

Modalità d'esame

Metodi di valutazione dell’apprendimento
L’esame consiste in una prova scritta e in una prova orale. La prova scritta, della durata di 3h, è costituita da sei esercizi a risposta aperta relativi agli argomenti trattati nel corso, finalizzati alla verifica delle capacità di applicazione delle metodologie matematiche studiate. La prova orale, della durata di al più mezz’ora, si articola nell’esposizione (orale e con l’ausilio anche della forma scritta) da parte dello studente in relazione a due/tre specifiche domande proposte dal docente e riguardanti argomenti del programma.
Qualora per motivi di sicurezza sanitaria l’insegnamento dovesse essere erogato a distanza, sia la prova scritta sia la prova orale verranno svolte mediante videoconferenza. Nei dettagli, per lo svolgimento delle stesse si farà riferimento alle indicazioni operative definite dalle relative Linee Guida dell’Ateneo, impiegando piattaforme come Microsoft Teams o analoghe.

Criteri di valutazione dell’apprendimento
La prova scritta mira a valutare il livello di conseguimento delle competenze specifiche fornite dal corso. Il superamento consente l’accesso alla prova orale. La prova orale intende verificare se è stato acquisito il corretto corredo di linguaggio matematico, la capacità di analisi critica e di giudizio, valutando anche il livello di conoscenza dei contenuti metodologici del corso. L’esito della prova orale viene valutato sulla base della chiarezza, correttezza e completezza dell’esposizione circa gli argomenti di discussione proposti.

Criteri di misurazione dell’apprendimento e attribuzione del voto finale
L’esito della prova scritta è espresso in trentesimi e si ottiene sommando i punteggi ottenuti nello svolgimento dei singoli esercizi che la compongono. Può sostenere la prova orale chi ottiene almeno 18/30 alla prova scritta. Il voto finale è assegnato al termine del colloquio che costituisce la prova orale ed è espresso in trentesimi.
Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Appelli d’esame
Il calendario degli appelli è pubblicato sul portale di Ateneo.

Materiali consentiti durante la prova scritta
Durante la prova scritta non è consentito l’utilizzo di libri, appunti o dispositivi elettronici. È consentito esclusivamente l’uso di un formulario fornito dal docente al momento dell'esame.

Testi di riferimento

  • Analisi matematica 2, di Marco Bramanti, Carlo Domenico Pagani, Sandro Salsa. Zanichelli. ISBN: 978-8808122810
  • Analisi Matematica due, di M. Fusco, P. Marcellini, C. Sbordone. Liguori Editore. ISBN: 88-207-2675-0
  • Dispense/materiale integrativo fornito dal docente

Codice insegnamento 27006089

Metodi Probabilistici Della Ricerca Operativa 2° anno · 1° semestre · 6 CFU · MATH-06/A · 0 file

Conoscenza e capacità di comprensione delle metodologie e dei principi teorici alla base della costruzione di modelli matematici per lo studio dei fenomeni aleatori e per l’analisi quantitativa di sistemi informatici…

Scheda dell'insegnamento

Obiettivi formativi

Conoscenza e capacità di comprensione delle metodologie e dei principi teorici alla base della costruzione di modelli matematici per lo studio dei fenomeni aleatori e per l’analisi quantitativa di sistemi informatici basati sul paradigma client-server.

Conoscenza e capacità di comprensione delle potenzialità e dei limiti di formule di analisi probabilistica e di inferenza statistica per l’operatività dei sistemi informatici,

Conoscenza e capacità di comprensione applicate alla risoluzione di un problema assegnato, in funzione della implementazione di procedimenti pratici, migliorando con continuità l’implementazione di formule di calcolo analitico e di inferenza su dati.

Autonomia di giudizio nello scegliere, implementare e valutare autonomamente modelli e algoritmi per la risoluzione di un problema assegnato.

Abilità comunicative volte al confronto e allo scambio cooperativo con colleghi.

Capacità di apprendere nella fase di progettazione, realizzazione e valutazione critica dei risultati ottenuti e di raffinamento del processo di risoluzione.

Il livello raggiunto per ciascuno dei descrittori indicati è misurabile in base alla padronanza dei metodi (probabilistici) e degli strumenti (Excel) chiave resi disponibili durante l’erogazione del corso, in accordo ai tempi della programmazione delle attività didattiche.

Programma

Metodologie basilari nel dominio disciplinare dell’analisi probabilistica e dell’analisi statistica di accadimenti e durate aleatori.
1. Modelli probabilistici più diffusi per variabili aleatorie e statistiche di interesse nell’ingegneria informatica.
2. Applicazioni all’affidabilità dei sistemi e all’organizzazione dei servizi di data processing secondo il paradigma produttore-consumatore.

LEZIONI (per blocco di argomenti) L1. Probabilità di eventi, probabilità totale e prove di Bernoulli L2. Modelli di variabili aleatorie e statistiche dell’ordinamento L3. Generazione Monte Carlo, statistiche campionarie e stima dei parametri L4. Distribuzioni congiunte, marginali, condizionate e totali L5. Intervalli di confidenza e test di ipotesi L6. Correlazione e regressione ESERCITAZIONI (per blocco di argomenti) E1. Problemi combinatori, affidabilità su grafi e sistemi m-out-of-n E2. Costruzione di modelli di guasto e curve di affidabilità di sistemi. Applicazioni e calcoli con la formula di distribuzione totale. E3. Calcolo di stime puntuali e intervallari. Test sul valore atteso e sul profilo probabilistico. E4. Esempi e calcoli di correlazione e regressione lineare. LABORATORIO (blocco di argomenti - Excel) Lb1. Generazione Monte Carlo di realizzazioni di variabili aleatorie, ricostruzione della forma e simulazione del modello produttore consumatore. Lb2. Implementazione e analisi di intervalli di confidenza per valore atteso e varianza. Lb3. Implementazione e analisi di correlazione e regressione lineare per il modello produttore-consumatore. Lb4. Implementazione ed esecuzione di test di ipotesi sulla forma e sulla media, basati sulla Chi-quadrato e sulla T-Student.

Modalità d'esame

Modelli di esame erogati in appelli precedenti sono a disposizione online (TEAMS), in termini di esercizi svolti, tracce d’esame e file Excel per autoapprendimento. Metodi di Valutazione dell’Apprendimento La valutazione dell’apprendimento si articola in due prove individuali, svolte in stretta sequenza da parte di ciascuno studente, di fronte alla commissione. Ciascuna prova ha la durata massima di trenta minuti e viene svolta avendo a disposizione il computer della commissione. Nella prima prova, lo studente deve risolvere un problema di analisi probabilistica su carta oppure di analisi statistica con Excel. Nella seconda prova, lo studente è chiamato a discutere di concetti, risultati formali e metodi alla base di quanto utilizzato nella prima prova, nonché a rispondere su argomenti teorici del programma svolto e relativamente distanti dagli argomenti della prima prova. Criteri di Valutazione dell’Apprendimento Con la prima prova, la commissione valuta il livello di conseguimento delle competenze specifiche dello studente relativamente al saper fare (identificare un modello e ricavare i risultati). Con la seconda prova, la commissione valuta il livello di assimilazione dei concetti, dei metodi e dei risultati formali alla base del saper fare. Allo studente valutato idoneo dopo la prima prova verrà attribuito un voto compreso fra 18/30 e 30/30 dopo la seconda prova. La frequenza assidua e una partecipazione attiva alle lezioni concorrono nella misura del 20% a definire il punteggio finale dopo la seconda prova. Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

Dispense complete per tutte le lezioni e documenti (ppt, pdf, word e xls) per specifiche applicazioni ed esercizi. Tutti i documenti, raggruppati per lezione del giorno, sono resi disponibili sulla pagina web del corso presente sulla piattaforma didattica del DIMES. Testi di riferimento e di approfondimento: Complete handouts for all lessons plus documents (ppt, pdf, word and xls) for selected applications and exercises, as well as for in-depth analysis based on case studies developed in interaction with students from previous years. All documents, grouped per daily lecture, are made available on the course's channel activated on the current online platform (TEAMS). Marco Bramanti, “Calcolo delle probabilità e statistica”, Società editrice Esculapio s.r.l., Bologna, ultima ed. (2006) Kishor S. Trivedi, “Probability &Statistics with Reliability, Queueing and Computer Science Applications”, latest ed., John Wiley & Sons, Inc., New York (2016).

Codice insegnamento 27000394

Patologia Generale 2° anno · 2° semestre · 6 CFU · MEDS-02/A · 0 file

Gli obiettivi formativi del corso sono coerenti con quelli del percorso formativo del CdS. In relazione ai 5 Descrittori di Dublino, i risultati di apprendimento attesi al termine del corso includono: D1. Conoscenza e…

Scheda dell'insegnamento

Obiettivi formativi

Gli obiettivi formativi del corso sono coerenti con quelli del percorso formativo del CdS.
In relazione ai 5 Descrittori di Dublino, i risultati di apprendimento attesi al termine del corso
includono:
D1. Conoscenza e capacità di comprensione: conoscere e comprendere i principi
di base della Patologia Generale, e applicarla. Acquisire la conoscenza delle principali cause di malattia, le manifestazioni ed i principali meccanismi biologici dei processi degenerativi e rigenerativi dei tessuti. Il conseguimento di tali conoscenze sarà supportato e garantito da lezioni frontali in aula e da libri di testo.
D2. Capacità di applicare le conoscenze e comprensione: affrontare e risolvere semplici problematiche relative ai processi patogenetici ed ai fondamentali segni clinici relativi alle principali malattie flogistiche acute e croniche.
3. Autonomia di giudizio: elaborare in maniera autonoma le informazioni acquisite durante il corso.
D4. Abilità comunicative: acquisire una terminologia specialistica tale per poter
comunicare con chiarezza e con un linguaggio appropriato tutte le informazioni apprese.
D5. Capacità di apprendimento: aggiornare o ampliare le proprie conoscenze attingendo in maniera autonoma a testi e articoli scientifici, e acquisire la capacità di seguire seminari specialistici, conferenze, ecc. nel campo della Patologia.

Programma

Cause intrinseche ed estrinseche di malattia. Processi regressivi e progressivi. Oncologia: Classificazione dei tumori. Cancerogenesi. Oncogeni ed oncosoppressori. Invasività e metastatizzazione. Infiammazione: acuta e cronica. Fisiopatologia: del cuore e del circolo; dell'apparato respiratorio; del rene. Alterazione della termoregolazione.

Parte 1(12 ore) Definizione di Patologia generale. -Concetto di eziologia e causa delle malattie. -Danno cellulare reversibile ed irreversibile. -Morte cellulare. Necrosi. Vari tipi di necrosi. Gli esiti del processo necrotico. Apoptosi. Eventi molecolari della morte apoptotica. -Risposte di adattamento cellulare (Ipertrofie ed iperplasie, atrofie e metaplasie fisiologiche e patologiche). -Cellule ed organi del sistema immunitario. -Funzioni delle cellule del sistema immune. Immunità naturale e acquisita. Meccanismi di riconoscimento di un patogeno. -Malattie da ipersensibilità (I, II, III, IV tipo). Infiammazione: -Caratteri generali e definizione di infiammazione. Caratteri distintivi tra flogosi acute e croniche. -Flogosi acuta essudativa (Angioflogosi). I mediatori plasmatici e tissutali dell'infiammazione. L'essudazione: i diversi tipi di essudato. Le cellule della infiammazione acuta. La diapedesi, la chemiotassi e la fagocitosi. I diversi tipi di infiammazione acuta. Edema. -Flogosi cronica (Istoflogosi). Le cellule della infiammazione cronica. Le infiammazioni croniche granulomatose e interstiziali. Esiti dei processi infiammatori. I processi riparativi ed il tessuto di granulazione. -Effetti sistemici dell’infiammazione: febbre, leucocitosi, le proteine della fase acuta. Parte 2 (12 ore)-Fisiopatologia del cuore e del circolo: Cardiopatia ischemica, infarto miocardico. Miocardiopatie. Insufficienza cardiaca e scompenso. Concetto e patogenesi dell'aterosclerosi e complicanze ad essa associate. -Fisiopatologia della funzione renale: Glomerulonefriti e sindrome nefrosica -Cenni di fisiopatologia dell'apparato respiratorio: Patogenesi dell'insufficienza respiratoria. Pneumopatie ostruttive. -Cenni di fisiopatologia del fegato: Processi infiammatori e degenerativi. Gli itteri. Insufficienza epatica e cirrosi. Epatiti virali. -Oncologia -Caratteristiche della cellula normale e trasformata. Displasia. Anaplasia. -Classificazione istogenica ed elementi di morfologia dei tumori umani benigni e maligni. -Concetto di oncogene ed oncosoppressore. -Elementi di epidemiologia dei tumori. Cancerogenesi: chimica, fisica (radiazioni ultraviolette, radiazioni ionizzanti), virale. -Co-cancerogenesi, meccanismi della trasformazione. -Basi molecolari della trasformazione cellulare. Meccanismi patogenetici. -Concetto di invasività tumorale. Metastatizzazione e stadiazione.

Modalità d'esame

La prova è orale e il numero di domande da porre è legato al numero degli argomenti trattati
La valutazione avrà un voto finale tra:
30 e lode - 28, quando lo studente fornisce risposte complete che provano il
raggiungimento di una visione organica delle tematiche studiate, accompagnate da eccellenti capacità di
analisi critica e da specifica proprietà di espressione;
27 – 25, quando lo studente presenta una buona conoscenza degli argomenti trattati,
buona capacità di analisi e un’espressione scientifica appropriata;
24-22, quando lo studente ha una soddisfacente conoscenza dei principali
argomenti trattati e li espone con un’espressione adeguata; tuttavia non ha raggiunto una visione
organica di tutti gli argomenti.
18-21, quando lo studente dimostra una conoscenza superficiale e poco accurata
degli argomenti studiati, accompagnata dall’uso di un’espressione non appropriata.
Inoltre, le modalità d’esame saranno adeguate alle particolari esigenze degli studenti e delle
studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con
disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento
all’ art. 9 del “Regolamento per l’inclusione e il diritto allo studio di studenti con disabilità o con
disturbi specifici di apprendimento” (emanato con decreto rettorale 01.03.2022, n. 370).
https://corsi.unical.it/lt-lmcu/fisioterapia-abilitante-alla-professione-sanitaria-di-
fisioterapista/cds/studiare/calendario-esami

Testi di riferimento

G.M. Pontieri -Elementi di Patologia Generale e Fisiopatologia generale-
Per i corsi di laurea in professioni sanitarie-(Casa Editrice Piccin, IV
edizione)
M. PAROLA- Patologia generale ed elementi di fisiopatologia, EDISES,
EDIZIONE 2020

Codice insegnamento 27002148

Programmazione Orientata Agli Oggetti 2° anno · 1° semestre · IINF-05/A · 0 file

PROGRAMMAZIONE ORIENTATA AGLI OGGETTI 1. Conoscenza e capacità di comprensione Comprensione dei principi fondamentali della programmazione orientata agli oggetti. Comprensione dei concetti di programmazione generica e…

Scheda dell'insegnamento

Obiettivi formativi

PROGRAMMAZIONE ORIENTATA AGLI OGGETTI
1. Conoscenza e capacità di comprensione

  • Comprensione dei principi fondamentali della programmazione orientata agli oggetti.
  • Comprensione dei concetti di programmazione generica e funzionale.

2. Conoscenza e capacità di comprensione applicate

  • Abilità nella progettazione e realizzazione di software orientato agli oggetti utilizzando Java e Python.
  • Abilità nell'uso di ereditarietà, polimorfismo e incapsulamento per creare codice modulare e riutilizzabile.
  • Abilità nell’uso del Java Collection Framework per la gestione efficiente dei dati.
  • Abilità nell'impiego di tecniche di programmazione generica in Java.
  • Abilità nello sviluppo di interfacce utente grafiche (GUI) di base.
  • Integrazione di concetti di programmazione funzionale nel codice orientato agli oggetti.

3. Autonomia di giudizio

  • Abilità nella gestione delle eccezioni in modo efficace per garantire la robustezza del programma.

4. Abilità comunicative

  • Capacità di motivare, descrivere e documentare in modo chiaro le scelte di progettazione e di implementazione del software orientato agli oggetti. (Nota: aggiunto per completare i descrittori).

5. Capacità di apprendere (learning skills)

  • Capacità di apprendere autonomamente l'utilizzo di nuove librerie, framework o altri linguaggi object-oriented a partire dalle basi acquisite.

PROGRAMMAZIONE ORIENTATA AGLI OGGETTI
Il corso introduce e approfondisce il paradigma di programmazione orientata agli oggetti (POO). Attraverso un approccio graduale, vengono esaminati i costrutti e i meccanismi fondamentali della POO, mettendo in luce i benefici rispetto alle metodologie tradizionali della programmazione strutturata.
L'accento viene posto sull'applicazione pratica dei concetti, con particolare attenzione all'utilizzo del linguaggio di programmazione Java come principale strumento di esemplificazione. Il corso pone l’enfasi sull’impiego adeguato dei costrutti di classi e interfacce, nella definizione di tipi di dati e di moduli software, e sui meccanismi tipici dei linguaggi orientati agli oggetti (polimorfismo, ereditarietà, legame dinamico). Sono inoltre trattati gli aspetti relativi al supporto alla programmazione generica, alla gestione delle eccezioni e alle librerie per input/output. Viene studiato il framework della Collection della libreria standard di Java. Sono illustrati i concetti fondamentali del supporto (parziale) alla POO nel linguaggio Python.

Programma

PROGRAMMAZIONE ORIENTATA AGLI OGGETTI
Il corso introduce e approfondisce il paradigma di programmazione object oriented illustrandone gli aspetti teorici contestualmente esemplificati tramite lo sviluppo pratico di codice nei linguaggi di programmazione Java e Python.
Il corso si focalizza sulla comprensione dei meccanismi della programmazione orientata agli oggetti e sulla loro applicazione nello sviluppo di codice modulare e riusabile. Sono inoltre oggetto di studio: il framework delle collection di Java, la programmazione generica in Java, il meccanismo di gestione delle eccezioni, la gestione dei flussi di ingresso/uscita, cenni di sviluppo di GUI ed elementi di base di programmazione funzionale.

Il corso si articola in tre parti:

Prima parte: Concetti base della tecnologia degli oggetti in Java e Python [3 CFU]

Concetti di base della programmazione in Java.
Paradigma degli oggetti: Classi, oggetti e messaggi
Struttura e comportamento: Campi, metodi e parametri
Modificatori di accesso: Regole di visibilità dei nomi
Area dati dei metodi e passaggio dei parametri: Stack e heap di un programma Java
Problemi di aliasing: Approfondimento delle classi array e stringhe di caratteri
Classi e invarianti: Classi per le operazioni di ingresso/uscita
Compilazione ed esecuzione di programmi Java a riga di comando: Utilizzo dello strumento jshell

Java:

Meccanismo di ereditarietà: Polimorfismo, classi astratte e interfacce
Operazione di assegnazione tra oggetti: Identificazione dinamica del tipo di un oggetto e casting sui riferimenti
Collegamento dinamico ai metodi: La classe Object e i metodi toString(), equals(), hashCode(), clone()
Linee guida per il progetto di una classe riusabile: Relazione d'ordine tra gli oggetti di una classe
Tipi di dati astratti: Programmazione mediante tipi generici
Classi wrapper e tipi primitivi: Aspetti di documentazione e javadoc
Gestione di eccezioni ed errori: Classi di eccezioni; eccezioni "checked" e "unchecked", generazione, cattura, gestione e propagazione di eccezioni

Python:

Richiami sulle classi in Python: Convenzioni sui nomi di campi e metodi
Ereditarietà e polimorfismo: Overloading di metodi e operatori
Classi astratte: Gestione delle eccezioni

Seconda parte: Libreria standard di Java [2 CFU]

Classi collezioni della libreria di Java: Collezioni in versione "grezza" e basate su tipi generici
Interfacce, classi astratte e classi concrete per liste, insiemi e mappe: Strutture di iterazione
Programmazione pilotata dagli eventi: Il modello di delegazione degli eventi di Java AWT e Swing
Contenitori e componenti di una GUI: Ridisegno di oggetti grafici
Gestione eventi del mouse e della tastiera: Esempi di applicazioni provviste di GUI
Persistenza dei dati e gestione di flussi e file: File binari, tipati, testuali e ad accesso casuale
Serializzazione e file di oggetti: Introduzione alle espressioni regolari e validazione dell'input
Semplici GUI in Python

Terza parte: Elementi di programmazione funzionale in Java e Python [1 CFU]

Espressioni lambda e interfacce funzionali di Java: Collezioni e Stream API
Gestione di collezioni secondo lo stile funzionale: Generatori di espressioni e list comprehensions in Python
Espressioni lambda in Python

Modalità d'esame

PROGRAMMAZIONE ORIENTATA AGLI OGGETTI
La valutazione dell'apprendimento si basa su una prova scritta e una prova orale.

Prova scritta:

La prova scritta, della durata minima di 2 ore, consisterà in una serie di esercizi che mirano a valutare le capacità degli studenti di:

  • Comprendere il comportamento di classi già sviluppate
  • Programmare applicazioni ad oggetti basate sulle classi della libreria Java e/o sviluppando in proprio specifiche classi
  • Gestire le eccezioni
  • Gestire l'interfacciamento con il file system

Durante lo svolgimento della prova non è consentito l'uso di alcun materiale o dispositivo elettronico. I risultati della prova scritta saranno comunicati tramite pubblicazione sulla piattaforma ESSE3 o sul canale Teams del Corso.

Per essere ammessi alla prova orale, gli studenti devono ottenere un punteggio minimo di 15/30 nella prova scritta.

Prova orale:

La prova orale consisterà in una discussione con i docenti su un argomento tratto dal programma del corso. La prova orale mira a valutare la capacità degli studenti di:

  • Esporre in modo chiaro e conciso i concetti appresi
  • Rispondere a domande specifiche sull'argomento
  • Applicare le loro conoscenze a nuovi problemi

Voto finale:

Il voto finale sarà espresso in trentesimi e sarà determinato in base al voto della prova scritta e all'esito della prova orale.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

PROGRAMMAZIONE ORIENTATA AGLI OGGETTI
Libri di testo

Cay S. Horstmann, Concetti di informatica e fondamenti di Java, 7 edizione, APOGEO

Cay S. Horstmann, Rance D. Necaise, Concetti di informatica e fondamenti di Python, seconda edizione, APOGEO

Letture consigliate

Luciano Ramalho, Fluent Python: Clear, Concise, and Effective Programming

Codice insegnamento 27000088

Sistemi Operativi 2° anno · 2° semestre · IINF-05/A · 0 file

SISTEMI OPERATIVI Il corso introduce i principi di funzionamento e di progettazione dei moderni sistemi operativi, approfondendo in particolare i meccanismi di gestione, scheduling e sincronizzazione dei processi, di…

Scheda dell'insegnamento

Obiettivi formativi

SISTEMI OPERATIVI
Il corso introduce i principi di funzionamento e di progettazione dei moderni sistemi operativi, approfondendo in particolare i meccanismi di gestione, scheduling e sincronizzazione dei processi, di gestione delle situazioni di stallo, di organizzazione e gestione della memoria centrale e della memoria virtuale, di gestione e implementazione del file system, di gestione della memoria secondaria e terziaria, di protezione e di sicurezza, e di politiche in sistemi a orientamento specifico quali i sistemi real-time e i sistemi multimediali. Inoltre, il corso introduce alla progettazione di programmi concorrenti multi-threaded utilizzando il linguaggio Java e le relative primitive e librerie.

SISTEMI OPERATIVI
Il corso introduce i principi di funzionamento e di progettazione dei moderni sistemi operativi, approfondendo in particolare i meccanismi di gestione, scheduling e sincronizzazione dei processi, di gestione delle situazioni di stallo, di organizzazione e gestione della memoria centrale e della memoria virtuale, di gestione e implementazione del file system, di gestione della memoria secondaria e terziaria, di protezione e di sicurezza, e di politiche in sistemi a orientamento specifico quali i sistemi real-time e i sistemi multimediali. Inoltre, il corso introduce alla progettazione di programmi concorrenti multi-threaded utilizzando il linguaggio Java e le relative primitive e librerie.

Programma

SISTEMI OPERATIVI
Il corso introduce i principi di funzionamento e di progettazione dei moderni sistemi operativi, approfondendo in particolare i meccanismi di gestione, scheduling e sincronizzazione dei processi, di gestione delle situazioni di stallo, di organizzazione e gestione della memoria centrale e della memoria virtuale, di gestione e implementazione del file system, di gestione della memoria secondaria, di protezione e di sicurezza, e di politiche in sistemi a orientamento specifico quali i sistemi real-time e i sistemi multimediali. Inoltre, il corso introduce alla progettazione di programmi concorrenti multi-threaded utilizzando il linguaggio Java e le relative primitive e librerie.

Il programma prevede lezioni frontali e attività pratiche, con un numero di ore corrispondente per ciascun argomento.

LEZIONI: 57 ore

  • Concetti introduttivi sui sistemi operativi (12 ore): Introduzione al corso, evoluzione storica dei sistemi operativi, sistemi batch e sistemi operativi moderni, tipologie di sistemi operativi, componenti principali, servizi, system call e interfaccia tra utente, applicazioni e sistema operativo.
  • Struttura dei sistemi operativi e dei sistemi di calcolo (6 ore): Struttura generale di un sistema operativo, architetture monolitiche, modulari e a microkernel, macchine virtuali, struttura dell’I/O, struttura della memoria, gerarchia delle memorie, protezione hardware, cenni ai sistemi Linux e Windows.
  • Gestione dei processi e dei thread (9 ore): Processi, thread, creazione e terminazione dei processi, interazione tra processi, stati di un processo, scheduling della CPU, algoritmi di scheduling e confronto tra politiche di schedulazione.
  • Sincronizzazione, comunicazione e concorrenza (12 ore): Programmazione concorrente, sezioni critiche, semafori, lock, monitor, comunicazione tra processi, scambio di messaggi, socket, RPC/RMI, deadlock, starvation e tecniche di gestione del deadlock.
  • Gestione della memoria principale e memoria virtuale (6 ore): Gestione della memoria centrale, allocazione, swapping, paginazione, segmentazione, memoria virtuale, page fault e politiche di gestione della memoria.
  • File system, memoria secondaria e gestione dell’I/O (9 ore): File e directory, interfaccia del file system, operazioni sui file, protezione, implementazione del file system, gestione dello spazio libero, memoria secondaria, dispositivi di I/O e scheduling del disco.
  • Protezione e sicurezza nei sistemi operativi (3 ore): Meccanismi di protezione, controllo degli accessi, minacce alla sicurezza, malware, virus, worm, cavalli di Troia e tecniche per aumentare la sicurezza di un sistema.

ESERCITAZIONI: 27 ore

  • Introduzione alle esercitazioni e richiami di programmazione (2 ore) : Presentazione delle attività pratiche, richiami di programmazione, strutture dati e uso dell’ambiente di sviluppo.
  • Programmazione concorrente in Java: processi, thread e scheduling (5 ore) : Processi e thread, concorrenza e parallelismo, programmi sequenziali e multithread, priorità e interruzione dei thread.
  • Accesso ai dati condivisi e sincronizzazione (5 ore) : Thread safety, race condition, interleaving, atomicità, variabili atomiche in Java, compare-and-swap, semafori, deadlock, starvation e uso dei semafori in Java.
  • Problemi classici della concorrenza (4 ore) : Produttore-consumatore, lettori-scrittori, cinque filosofi, barbiere addormentato e soluzioni basate su semafori.
  • Monitor, lock e condition (4 ore) : Introduzione ai monitor, politiche di risveglio, monitor di Java, lock, condition, strutture sincronizzate, gestione di pool di thread attraverso ThreadPoolExecutor, Future e Callable.
  • Esercizi su processi, memoria, file system e scheduling (3 ore) : Esercizi su fork, scheduling della CPU, scheduling del disco, page fault, allocazione dinamica della memoria e grafo di allocazione delle risorse.
  • Threading e multiprocessing in Python (2 ore) : Global Interpreter Lock (GIL), libreria multithreading, libreria multiprocessing e implementazione di chiamate a funzioni multithread C/C++ in python.
  • Esercitazioni riepilogative e simulazioni di prova d’esame (2 ore) : Svolgimento guidato di tracce d’esame ed esercizi riepilogativi sui principali argomenti del corso.

SISTEMI OPERATIVI
Il corso introduce i principi di funzionamento e di progettazione dei moderni sistemi operativi, approfondendo in particolare i meccanismi di gestione, scheduling e sincronizzazione dei processi, di gestione delle situazioni di stallo, di organizzazione e gestione della memoria centrale e della memoria virtuale, di gestione e implementazione del file system, di gestione della memoria secondaria e terziaria, di protezione e di sicurezza, e di politiche in sistemi a orientamento specifico quali i sistemi real-time e i sistemi multimediali. Inoltre, il corso introduce alla progettazione di programmi concorrenti multi-threaded utilizzando il linguaggio Java e le relative primitive e librerie.

Argomenti delle lezioni:
Introduzione
Concetti fondamentali, Dai sistemi batch ai sistemi operativi moderni, Struttura del sistema operativo, Componenti di un sistema operativo, System calls.

Strutture dei Sistemi di Calcolo
Funzionamento di un calcolatore, struttura dell'I/O, struttura della memoria, gerarchia delle memorie, protezione hardware.

Struttura dei Sistemi Operativi
Componenti principali, servizi, systems call, struttura di un sistema operativo, macchine virtuali, approccio a microkernel, generazione di un sistema. Studio dei sistemi Linux e Windows.

Gestione dei Processi
Processi, Threads, Creazione, interazione e terminazione di processi, Schedulazione dei processi, Diagramma di Stato, Algoritmi di scheduling. Sincronizzazione e Comunicazione, Modelli di programmazione concorrente, Meccanismi di cooperazione: semafori, regioni critiche, monitor, scambio messaggi, socket, chiamata di procedura remota, RMI, Deadlock e Starvation.

Gestione della Memoria Principale
Tecniche per la gestione della memoria, Swapping, Paginazione e Segmentazione: Concetti ed Algoritmi, Memoria Virtuale: paginazione e segmentazione.

File System
Caratteristiche del File System, File e Directory, Protezione, Implementazione del file system.

Gestione dei dispositivi di Input/Output
Principi dell'hardware di I/O, Il software per la gestione dell' I/O, Dischi, Scheduling del disco, Clock, Terminali.

Protezione e sicurezza
Meccanismi di protezione, Cavallo di Troia, Worms, Virus, Tecniche per aumentare la sicurezza di un sistema.

Sistemi Operativi real-time
Proprietà, scheduling, applicazioni.

Argomenti delle esercitazioni:

  • Programmazione concorrente in Java

Modalità d'esame

SISTEMI OPERATIVI
La valutazione dell’apprendimento si basa su due prove : una prova scritta e una prova orale.
La prova scritta , della durata di due ore , consiste in:

  • due quesiti sugli aspetti fondamentali dei sistemi operativi, comprendenti domande teoriche e esercizi applicativi;
  • due esercizi di programmazione basati sui meccanismi di concorrenza in Java.

La prova scritta ha lo scopo di valutare sia la capacità dello studente di descrivere i concetti teorici fondamentali dei sistemi operativi, sia la capacità di sviluppare semplici applicazioni concorrenti mediante l’uso del linguaggio Java.
La prova scritta è valutata in trentesimi . Le due domande di teoria permettono di conseguire fino a 8 punti complessivi , mentre i due esercizi di programmazione permettono di conseguire fino a 22 punti complessivi . La prova scritta si considera superata con una votazione maggiore o uguale a 15/30 .
In caso di superamento della prova scritta, lo studente è ammesso alla prova orale .
La prova orale , della durata indicativa di circa 30 minuti , consiste in un colloquio sugli argomenti teorici e pratici affrontati durante il corso. Essa è finalizzata a valutare le conoscenze acquisite dallo studente sulla struttura, le funzioni, i moduli e gli strumenti offerti dai sistemi operativi, nonché la capacità di esporre e collegare in modo chiaro i diversi argomenti del corso.
L’esame è superato se anche la prova orale è giudicata almeno sufficiente. Il voto finale , espresso in trentesimi, viene attribuito tenendo conto del voto riportato nella prova scritta e della valutazione conseguita nella prova orale.
Le modalità d’esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971, o con disturbi specifici di apprendimento certificati ai sensi della legge 170/2010. A tal fine si farà riferimento all’art. 9 del “Regolamento per l’inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento”, emanato con Decreto Rettorale 01.03.2022, n. 370.

SISTEMI OPERATIVI
Metodi di valutazione dell’apprendimento
La valutazione si baserà su due prove. La prima prova, da svolgersi in forma scritta e della durata di due ore, consiste nel fornire risposta aperta a due domande di teoria su aspetti di base dei sistemi operativi e nella risoluzione di due esercizi di programmazione basati sui meccanismi di concorrenza di Java . In caso di superamento della prima prova, lo studente potrà accedere alla seconda prova, da svolgersi in forma orale e della durata di circa 30 minuti, consistente in un’interrogazione sugli argomenti teorici e pratici affrontati durante il corso.

Criteri di valutazione dell’apprendimento
La prova scritta permetterà di valutare la capacità di sviluppare applicazioni concorrenti mediante l’uso di Java, nonché di valutare la capacità di descrivere gli aspetti teorici di base ddei sistemi operativi. La prova orale permetterà di valutare le conoscenze teoriche e pratiche acquisite su struttura, funzioni, moduli e strumenti offerti dai sistemi operativi.

Criteri di misurazione dell’apprendimento
La prova scritta è valutata in trentesimi. Le due domande di teoria permettono di acquisire al più 8 punti complessivi, mentre i due esercizi di programmazione permettono di acquisire al più 22 punti complessivi. La prova scritta è superata se la votazione è maggiore o uguale a 15. In caso di superamento della prova scritta, lo studente è ammesso alla prova orale.

Criteri di attribuzione del voto finale
Se la prova orale è giudicata almeno sufficiente, l’esame è superato con l’attribuzione di un voto finale in trentesimi. Il voto finale viene attribuito tenendo conto in egual misura del voto riportato nella prova scritta e della valutazione sulla prova orale.

Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Testi di riferimento

SISTEMI OPERATIVI
A. Silberschatz, P. Galvin, G. Gagne, SISTEMI OPERATIVI: Concetti ed Esempi, Addison-Wesley, 10a ed., 2018.
A.S. Tanenbaum, I moderni Sistemi Operativi, Jackson Libri, 2002.
W. Stallings, Sistemi Operativi, Jackson Libri, 2000.

SISTEMI OPERATIVI
A. Silberschatz, P. Galvin, G. Gagne, SISTEMI OPERATIVI: Concetti ed Esempi, Addison-Wesley, 10a ed., 2018.

A.S. Tanenbaum, I moderni Sistemi Operativi, Jackson Libri, 2002.

W. Stallings, Sistemi Operativi, Jackson Libri, 2000.

Codice insegnamento 27000111

Tecniche Di Programmazione 2° anno · 1° semestre · 6 CFU · IINF-05/A · 0 file
Ambienti Di Programmazione E Programmazione Mobile 3° anno · 1° semestre · 6 CFU · IINF-05/A · 0 file
Basi Di Dati E Machine Learning 3° anno · IINF-05/A · 0 file

MODULO 2: MACHINE LEARNING 1. Conoscenza e Comprensione Al termine del corso, lo studente sarà in grado di descrivere i fondamenti teorici del Machine Learning e i principali paradigmi di apprendimento. Sarà in grado…

Scheda dell'insegnamento

Obiettivi formativi

MODULO 2: MACHINE LEARNING
1. Conoscenza e Comprensione
Al termine del corso, lo studente sarà in grado di descrivere i fondamenti teorici del Machine Learning e i principali paradigmi di apprendimento. Sarà in grado di illustrare le tecniche di preprocessing e visualizzazione dei dati, gli algoritmi di classificazione (alberi decisionali, SVM, k-NN, metodi ensemble), di clustering (K-means, DBSCAN, clustering gerarchico) e di analisi delle associazioni (Apriori, FP-Growth). Sarà inoltre in grado di spiegare i modelli di regressione lineare e logistica, le funzioni di perdita, i metodi di ottimizzazione e le architetture di reti neurali shallow e deep, incluse CNN, RNN, LSTM e il funzionamento dell'algoritmo di backpropagation.

2. Capacità di Applicare Conoscenza e Comprensione
Al termine del corso, lo studente sarà in grado di applicare tecniche di preprocessing e analisi esplorativa a dataset reali. Sarà in grado di progettare pipeline di classificazione complete, gestendo overfitting, sbilanciamento delle classi e problemi multiclasse. Sarà in grado di costruire modelli di clustering e di analisi delle associazioni, implementare modelli regressivi e progettare, addestrare e ottimizzare reti neurali, scegliendo l'architettura più adeguata al problema (CNN per immagini, RNN/LSTM per sequenze e testo).

3. Autonomia di Giudizio
Al termine del corso, lo studente sarà in grado di valutare criticamente il modello più adatto a un dato problema, considerando caratteristiche dei dati, metriche di prestazione e vincoli applicativi. Sarà in grado di identificare problemi di qualità dei dati, overfitting e underfitting, proponendo strategie correttive adeguate. Sarà inoltre in grado di confrontare approcci algoritmici alternativi, giustificando le proprie scelte, e di riconoscere i limiti dei modelli e le implicazioni etiche dell'uso del ML in contesti reali.

4. Abilità Comunicative
Al termine del corso, lo studente sarà in grado di comunicare in modo chiaro e rigoroso, in italiano e in inglese, i concetti fondamentali del ML, le metodologie adottate e i risultati ottenuti. Sarà in grado di redigere relazioni tecniche strutturate e di presentare esperimenti a un pubblico tecnico, utilizzando grafici, tabelle e metriche di valutazione in modo appropriato ed efficace.

5. Capacità di Apprendimento
Al termine del corso, lo studente sarà in grado di aggiornarsi autonomamente sulle evoluzioni del Machine Learning, attingendo a letteratura scientifica e risorse tecniche. Sarà in grado di affrontare percorsi di studio avanzati in Deep Learning, text and Image classification, e di apprendere in autonomia nuovi algoritmi e framework (es. scikit-learn, PyTorch, TensorFlow), a partire dalle competenze teoriche e pratiche acquisite durante il corso.

Modulo 1: BASI DI DATI
Conoscenza e capacità di comprensione. Lo studente conosce il ruolo dei DBMS nella gestione delle informazioni, i principali modelli dei dati e il ciclo di vita di un sistema informativo. Comprende il modello Entità-Relazione, il modello relazionale con i relativi vincoli di integrità, i fondamenti dell'algebra relazionale e del calcolo relazionale. Conosce la sintassi e la semantica di SQL (DDL, DML, query semplici, aggregate e nidificate), le principali strutture di indicizzazione (B-tree, hashing) e il concetto di transazione con le proprietà ACID e i livelli di isolamento.

Capacità di applicare conoscenza e comprensione. Lo studente sa progettare una base di dati nelle fasi concettuale (schema E-R), logica (schema relazionale) e fisica (indicizzazione). Sa ristrutturare uno schema E-R, eliminare ridondanze e gerarchie e tradurlo nel modello relazionale. È in grado di formulare interrogazioni in algebra relazionale e in SQL, definire schemi con vincoli di integrità, scegliere indici appropriati per ottimizzare le prestazioni e gestire le transazioni con il livello di isolamento adeguato al contesto.

Autonomia di giudizio. Lo studente sa valutare la qualità di uno schema, individuando anomalie e ridondanze, e compiere scelte progettuali motivate tra alternative (partizionamento vs. accorpamento di entità, scelta del tipo di indice). Sa analizzare l'equivalenza tra espressioni algebriche e riconoscere i compromessi tra normalizzazione, prestazioni e manutenibilità di una base di dati.

Abilità comunicative. Lo studente sa produrre documentazione tecnica di schemi E-R e relazionali secondo notazioni standard, descrivere e argomentare le scelte progettuali con colleghi e docenti, interpretare schemi esistenti e redigere interrogazioni SQL ben strutturate e comprensibili anche a utenti non specialisti.

Capacità di apprendimento. Lo studente sa consultare autonomamente la documentazione tecnica di DBMS commerciali e open source e trasferire il metodo acquisito a nuovi domini applicativi. È in grado di estendere le proprie competenze verso argomenti avanzati — quali basi di dati distribuite, tuning delle prestazioni e sistemi NoSQL — e di aggiornarsi sull'evoluzione delle tecnologie per la gestione dei dati.

Programma

MODULO 2: MACHINE LEARNING

  • Introduzione al processo di Knowledge Discovery
  • Preparazione e modellazione dei dati
  • Supervised e Unsupervised Learning
  • Classification and Clustering
  • Association Mining
  • Deep Neural Networks

1. Introduzione al Machine Learning

2. Esplorazione e visualizzazione dei dati
Tipi di dati, Qualità dei dati, Data Preprocessing, Misure di similarità e dissimilarità, Statistiche descrittive, Visualizzazione.

3. Classificazione
Preliminari e approccio generale alla risoluzione di un problema di classificazione, Decision Tree Induction, Model Overfitting, Valutazione delle prestazioni di un classificatore, Metodi per il confronto tra classificatori.

4. Classificazione: tecniche alternative
Rule-Based Classifier, Nearest-Neighbor Classifier, Bayesian Classifier, Support Vector Machine (SVM), Ensemble Methods, Problema dello sbilanciamento delle classi, Problema multiclasse.

5. Regole Associative
Definizione del problema, Generazione di Frequent Itemset, Generazione di regole, Rappresentazione compatta dei Frequent Itemset, Metodi alternativi per la generazione di Frequent Itemset, FP-Growth Algorithm, Valutazione degli Association Pattern, Effetto della distribuzione sbilanciata del supporto, Gestione di attributi categorici e continui, Gestione di una gerarchia di concetti.

6. Cluster Analysis: concetti di base e algoritmi
Panoramica, K-means, Agglomerative Hierarchical Clustering, DBSCAN, Valutazione dei cluster, Caratteristiche dei dati, dei cluster e degli algoritmi di clustering, Fuzzy Prototype-Based Clustering, Graph-Based Clustering.

7. Regressione lineare e logistica
Regressione lineare, Loss function, Gradient descent, Funzione sigmoide, Classificazione con la regressione logistica, Binary cross-entropy loss function, Regressione logistica multinomiale e funzione softmax, Cross-entropy loss function.

8. Introduzione alle reti neurali
Shallow neural network, Teorema di approssimazione universale, Input e output multivariati, Shallow neural network: caso generale.

9. Deep neural network
Composizione di reti neurali, Dalle reti composte alle deep network, Notazione matriciale, Shallow vs. deep neural network.

10. Loss function, funzione gradiente e ottimizzazione
Maximum likelihood, Criteri per la costruzione delle loss function, Output multipli, Cross-entropy loss, Gradient descent, Stochastic gradient descent, Momentum e Adam, Definizione dei problemi, Calcolo delle derivate, Algoritmo di Backpropagation.

11. Reti convoluzionali
Invarianza ed equivarianza, Reti convoluzionali per input 1D, Reti convoluzionali per input 2D, Downsampling, upsampling e dropout, Applicazioni.

12. Reri Neurali Ricorrenti e LSTM
Recurrent Neural Network, RNN come modelli del linguaggio, RNN per altri task di NLP, Architetture RNN stacked e bidirezionali, LSTM, Riepilogo delle principali architetture RNN per NLP, Il modello Encoder-Decoder con RNN.

Modulo 1: BASI DI DATI
Il corso presenta i concetti fondamentali delle basi di dati, con particolare riguardo ai modelli di rappresentazione delle informazioni, le metodologie di progettazione, ed i linguaggi di interrogazione.

Introduzione: Sistemi informativi, informazioni e dati. Basi di dati e sistemi di gestione di basi di dati. Modelli dei dati. Linguaggi e utenti delle basi di dati. Vantaggi e svantaggi dei DBMS.

Metodologie e modelli per il progetto: Il ciclo di vita dei sistemi informativi. Metodologie di progettazione e basi di dati.

Progettazione Concettuale: Il modello Entità-Relazione: Entità, Relazioni, Cardinalità, Attributi, Gerarchie. Documentazione di schemi E-R.

Modello Logico: Il modello relazionale. Schema, istanza di una base di dati. Relazioni e tabelle, attributi. Informazione incompleta e valori nulli. Vincoli di integrità (di dominio, di tupla). Vincoli di integrità' referenziale.

Progettazione logica: Ristrutturazione di schemi E-R. Analisi delle ridondanze. Eliminazione delle gerarchie. Partizionamento/accorpamento di concetti. Scelta degli identificatori principali. Traduzione verso il modello relazionale. Documentazione di schemi logici. Esempi di progettazione logica.

Algebra relazionale: Operatori insiemistici: Unione, intersezione, differenza, prodotto. Ridenominazione. Selezione. Proiezione. Join. Interrogazioni in algebra relazionale. Equivalenza di espressioni algebriche. Algebra con valori nulli. Viste. Calcolo relazionale su attributi e su tuple.

SQL: Definizione dei dati in SQL (DDL). I domini elementari. Definizione di schema. Definizione delle tabelle. Definizione dei domini. Specifica di valori di default. Vincoli intrarelazionali. Vincoli interrelazionali. Modifica degli schemi. Interrogazioni in SQL. Interrogazioni semplici. Operatori aggregati. Interrogazioni con raggruppamento. Interrogazioni nidificate. Manipolazione dei dati in SQL. Inserimento. Cancellazione. Modifica. Vincoli di integrità generici. Asserzioni. Viste. Cenni di Embedded SQL.

Progettazione Fisica: Indicizzazione. Concetto di indice. Tecniche di hash. Hash statico e dinamico. Hash virtuale, estendibile, lineare. Indici B-tree e varianti.

Gestione delle transazioni: Concetto di transazione: proprietà di atomicità, consistenza, isolamento, durabilità. Meccanismi per la gestione delle transazioni nelle basi di dati. Livelli di isolamento.

Argomenti delle esercitazioni:

  • Progettazione concettuale, logica e fisica di una base di dati
  • Interrogazione di una base di dati mediante algebra relazionale ed SQL
  • Definizione di indici opportuni a supporto di interrogazioni efficienti

Modalità d'esame

MODULO 2: MACHINE LEARNING
Metodi di valutazione dell'apprendimento.
Per ogni sessione di esame, il metodo di verifica dell'apprendimento si articola in due prove, prova scritta e prova orale.
La prova scritta della durata di circa un’ora prevede il completamento di un codice scritto in python per la realizzazione di una “pipeline” che permetta l’analisi di un dataset fornito in input e l’implementazione di algoritmi di machine e deep learning.
La prova orale, della durata di circa mezz'ora, si articola nella presentazione orale (e con l'ausilio della forma scritta) da parte dello studente, sulla base di domande specifiche (solitamente 3) proposte dal docente, di argomenti sviluppati nel corso e facenti parte del programma.

Criteri di valutazione dell'apprendimento.
La prova scritta mira a valutare il livello di raggiungimento delle competenze specifiche fornite dal corso sia dal punto di vista teorico che applicativo. Alla prova scritta viene assegnato un voto in trentesimi. Questa è ritenuta sufficiente per poter accedere alla prova orale se riceve un voto maggiore o uguale di 18.
La prova orale intende approfondire la conoscenza degli algoritmi per l'analisi dei dati presentati durante il corso e degli eventuali ulteriori algoritmi utilizzati per lo sviluppo di applicazioni. Le domande prevedono l'esposizione di algoritmi e tecniche presentati durante il corso. L'esito della prova viene valutato sulla base della chiarezza, correttezza e completezza della presentazione sugli argomenti proposti per la discussione. Per superare la prova con un livello sufficiente, è necessario dimostrare una chiara conoscenza delle tecniche utilizzate per l'analisi dei dati e il corretto funzionamento degli algoritmi richiesti dal docente.

Criteri per misurare l'apprendimento e assegnare il voto finale.
I risultati delle due prove permetteranno di definire il calcolo del risultato complessivo dell'esame. L'attribuzione del voto finale, in trentesimi, è basata sul calcolo della media ponderata degli esiti specifici delle due fasi, il cui peso è 1/3 per la prova scritta e 2/3 per la prova orale.
Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Modulo 1: BASI DI DATI
Le prove d'esame sono organizzate in modo da poter valutare il livello di comprensione e le capacità maturate nei seguenti ambiti:

  • comprensione dell'architettura, delle funzionalità, e degli ambiti applicativi dei sistemi per la gestione delle basi di dati (DBMS);
  • capacità di progettare una base di dati secondo delle specifiche date;
  • capacità di interpretare il progetto di una base di dati già esistente;
  • capacità di interrogare una base di dati, per estrarre da esse informazioni di interesse;
  • capacità di determinazione degli strumenti più adeguati per ottenere il funzionamento efficiente di un DBMS;

Metodi di valutazione dell’apprendimento in dettaglio

La valutazione avviene mediante una prova scritta e una prova orale
La prova scritta, della durata compresa tra 1h e 2h, è costituita da esercizi riguardanti 1) la progettazione concettuale e la progettazione logica di una base di dati; 2) la struttura e il funzionamento degli indici B-Tree; 3) L'interrogazione di una base di dati relazionale mediante SQL e Algebra relazionale.
La prova orale, della durata di al più 20 minuti, si articola nell’esposizione (orale e con l’ausilio anche della forma scritta) da parte dello studente in relazione a due/tre specifiche domande proposte dal docente e riguardanti argomenti del programma, e intende verificare se è stato acquisito il corretto corredo di linguaggio formale tecnico, la capacità di analisi critica e di giudizio, valutando anche il livello di conoscenza dei contenuti metodologici del corso.

Criteri di valutazione dell’apprendimento
Prova scritta e Prova orale

Criteri di misurazione dell’apprendimento e attribuzione del voto finale
Alla prova scritta viene assegnato un punteggio in trentesimi, ottenuto sommando i punteggi ottenuti nello svolgimento dei singoli esercizi che la compongono. La si ritiene superata se il punteggio conseguito è maggiore o uguale a 18/30.
Solo il superamento della prova scritta consente l’accesso alla prova orale.
Alla prova orale viene assegnato un punteggio in trentesimi, la si ritiene superata se il punteggio conseguito è maggiore o uguale a 18/30.
Il voto finale è assegnato al termine della prova orale, ed è pari alla media tra i punteggi conseguiti nella prova scritta e nella prova orale, eventualmente alterata di al massimo due punti (derivanti da indicazioni sulla preparazione dello studente o della studentessa che il docente ottiene da un'analisi complessiva di quanto mostrato nella prova scritta e nella prova orale).

Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Testi di riferimento

MODULO 2: MACHINE LEARNING

  • Pang-Ning Tan, Michael Steinbach, Anuj Karpatne, and Vipin Kumar: Introduction to Data Mining (2nd. ed.). Pearson. 2018.
  • Simon Prince: Understanding Deep Learning, Mit Press. 2025.

Modulo 1: BASI DI DATI
P. Atzeni, S. Ceri, S. Paraboschi, R. Torlone, Basi di dati – Modelli e linguaggi di interrogazione, McGraw Hill.

A. Albano, Costruire sistemi per basi di dati, Addison Wesley

A. Silberschatz, H. F. Korth, S. Sudarshan, Database System concepts, McGraw Hill.

Codice insegnamento 27009495

Basi Di Dati E Sistemi Informativi 3° anno · IINF-05/A · 0 file

Modulo 2: LABORATORIO DI SISTEMI INFORMATIVI Conoscenza e capacità di comprensione (knowledge and understanding): Al termine del corso, lo/la studente/studentessa avrà acquisito una comprensione approfondita dei concetti…

Scheda dell'insegnamento

Obiettivi formativi

Modulo 2: LABORATORIO DI SISTEMI INFORMATIVI
Conoscenza e capacità di comprensione (knowledge and understanding):
Al termine del corso, lo/la studente/studentessa avrà acquisito una comprensione approfondita dei concetti fondamentali relativi ai sistemi informativi, alla loro classificazione e composizione, e conoscerà in modo dettagliato le diverse modellazioni del loro ciclo di vita, unitamente alle caratteristiche avanzate dei DBMS relazionali e non relazionali (NoSQL).

Conoscenza e capacità di comprensione applicate (applying knowledge and understanding):
Lo/la studente/studentessa sarà in grado di mettere in atto in modo strutturato una metodologia per la progettazione, lo sviluppo, il collaudo e la manutenzione di una porzione di un sistema informativo, traducendo i requisiti funzionali e non funzionali analizzati sia in una corretta modellazione architetturale e dei dati, sia in un'implementazione concreta.

Autonomia di giudizio (making judgements):
Lo/la studente/studentessa svilupperà la capacità di analizzare, interpretare e valutare criticamente il progetto di un sistema informativo già esistente, identificando eventuali problematiche e proponendo autonomamente soluzioni progettuali o tecnologiche valide e motivate a partire dagli scenari proposti.

Abilità comunicative (communication skills):
Grazie alle attività pratiche, lo/la studente/studentessa svilupperà la capacità di collaborare e lavorare efficacemente in gruppo durante le fasi di progettazione e implementazione del software; sarà inoltre in grado di redigere in modo chiaro, rigoroso e professionale una relazione tecnica di progetto e di presentare efficacemente i risultati conseguiti dal team.

Capacità di apprendere (learning skills):
Lo/la studente/studentessa avrà maturato le abilità di studio autonomo necessarie per approfondire in modo indipendente le evoluzioni delle metodologie di sviluppo dei sistemi informativi.

Modulo 1: BASI DI DATI
Conoscenza e capacità di comprensione. Lo studente conosce il ruolo dei DBMS nella gestione delle informazioni, i principali modelli dei dati e il ciclo di vita di un sistema informativo. Comprende il modello Entità-Relazione, il modello relazionale con i relativi vincoli di integrità, i fondamenti dell'algebra relazionale e del calcolo relazionale. Conosce la sintassi e la semantica di SQL (DDL, DML, query semplici, aggregate e nidificate), le principali strutture di indicizzazione (B-tree, hashing) e il concetto di transazione con le proprietà ACID e i livelli di isolamento.
Capacità di applicare conoscenza e comprensione. Lo studente sa progettare una base di dati nelle fasi concettuale (schema E-R), logica (schema relazionale) e fisica (indicizzazione). Sa ristrutturare uno schema E-R, eliminare ridondanze e gerarchie e tradurlo nel modello relazionale. È in grado di formulare interrogazioni in algebra relazionale e in SQL, definire schemi con vincoli di integrità, scegliere indici appropriati per ottimizzare le prestazioni e gestire le transazioni con il livello di isolamento adeguato al contesto.
Autonomia di giudizio. Lo studente sa valutare la qualità di uno schema, individuando anomalie e ridondanze, e compiere scelte progettuali motivate tra alternative (partizionamento vs. accorpamento di entità, scelta del tipo di indice). Sa analizzare l'equivalenza tra espressioni algebriche e riconoscere i compromessi tra normalizzazione, prestazioni e manutenibilità di una base di dati.
Abilità comunicative. Lo studente sa produrre documentazione tecnica di schemi E-R e relazionali secondo notazioni standard, descrivere e argomentare le scelte progettuali con colleghi e docenti, interpretare schemi esistenti e redigere interrogazioni SQL ben strutturate e comprensibili anche a utenti non specialisti.
Capacità di apprendimento. Lo studente sa consultare autonomamente la documentazione tecnica di DBMS commerciali e open source e trasferire il metodo acquisito a nuovi domini applicativi. È in grado di estendere le proprie competenze verso argomenti avanzati — quali basi di dati distribuite, tuning delle prestazioni e sistemi NoSQL — e di aggiornarsi sull'evoluzione delle tecnologie per la gestione dei dati.

Programma

Modulo 2: LABORATORIO DI SISTEMI INFORMATIVI
Il corso si inserisce nel dominio disciplinare dei sistemi di elaborazione delle informazioni, focalizzandosi in modo specifico sull'ingegneria dei sistemi informativi e sulla gestione avanzata delle basi di dati. L'obiettivo principale è fornire gli strumenti teorici, le metodologie ingegneristiche e le competenze pratiche necessarie per la progettazione, lo sviluppo, il collaudo e la manutenzione di sistemi informativi aziendali complessi.

Concetti fondamentali dei sistemi informativi e delle basi di dati.
Argomenti trattati: Richiami strutturati sui concetti di informazione, dato, sistema informativo e base di dati.
Ore dedicate: 2 ore Lezione.

Tipologie di sistemi informativi a supporto dei processi aziendali.
Argomenti trattati: Classificazione e analisi delle diverse tipologie di sistemi informativi a supporto dei processi organizzativi e di business. Introduzione e differenze tra sistemi transazionali (OLTP) e sistemi per il supporto alle decisioni (OLAP).
Ore dedicate: 2 ore Lezione.

Metodologie di progettazione e sviluppo.
Argomenti trattati: Analisi del ciclo di vita dei sistemi informativi. Metodologie e fasi di progettazione dei sistemi informativi, analisi dei requisiti funzionali e non funzionali, modellazione concettuale, modellazione logica e progettazione dei dati.
Ore dedicate: 3 ore Lezione, 3 ore Esercitazione.

Redazione della relazione di progetto e attività di laboratorio.
Argomenti trattati: Standard e buone pratiche per la stesura e la strutturazione della relazione tecnica di progetto di un sistema informativo. Modellazione e specifica della logica di business e progettazione delle interfacce utente. Attività pratiche guidate e supervisionate per lo sviluppo del progetto di gruppo.
Ore dedicate: 2 ore Lezione, 12 ore Esercitazione.

Sfruttamento delle caratteristiche avanzate dei DBMS e sistemi NoSQL.
Argomenti trattati: Tecniche avanzate e ottimizzazione delle funzionalità dei DBMS relazionali. Introduzione teorico-pratica ai paradigmi di archiviazione non relazionali, modelli e caratteristiche dei sistemi NoSQL.
Ore dedicate: 4 ore Lezione, 3 ore Esercitazione.

Modulo 1: BASI DI DATI
Il corso presenta i concetti fondamentali delle basi di dati, con particolare riferimento a:

  • modelli di rappresentazione dei dati;
  • progettazione concettuale, logica e fisica delle basi di dati;
  • modello Entità-Relazione e modello relazionale;
  • algebra relazionale e linguaggi di interrogazione;
  • linguaggio SQL per definizione, manipolazione e interrogazione dei dati;
  • tecniche di indicizzazione e ottimizzazione;
  • gestione delle transazioni e proprietà ACID.

Introduzione: Sistemi informativi, informazioni e dati. Basi di dati e sistemi di gestione di basi di dati. Modelli dei dati. Linguaggi e utenti delle basi di dati. Vantaggi e svantaggi dei DBMS.
Metodologie e modelli per il progetto: Il ciclo di vita dei sistemi informativi. Metodologie di progettazione e basi di dati.
Progettazione Concettuale: Il modello Entità-Relazione: Entità, Relazioni, Cardinalità, Attributi, Gerarchie. Documentazione di schemi E-R.
Modello Logico: Il modello relazionale. Schema, istanza di una base di dati. Relazioni e tabelle,attributi. Informazione incompleta e valori nulli. Vincoli di integrità (di dominio, di tupla). Vincoli di integrità' referenziale.
Progettazione logica: Ristrutturazione di schemi E-R. Analisi delle ridondanze. Eliminazione delle gerarchie. Partizionamento/accorpamento di concetti. Scelta degli identificatori principali. Traduzione verso il modello relazionale. Documentazione di schemi logici. Esempi di progettazione logica.
Algebra relazionale: Operatori insiemistici: Unione, intersezione, differenza, prodotto. Ridenominazione. Selezione. Proiezione. Join. Interrogazioni in algebra relazionale. Equivalenza di espressioni algebriche. Algebra con valori nulli. Viste. Calcolo relazionale su attributi e su tuple.
SQL: Definizione dei dati in SQL (DDL). I domini elementari. Definizione di schema. Definizione delle tabelle. Definizione dei domini. Specifica di valori di default. Vincoli intrarelazionali. Vincoli interrelazionali. Modifica degli schemi. Interrogazioni in SQL. Interrogazioni semplici. Operatori aggregati. Interrogazioni con raggruppamento. Interrogazioni nidificate. Manipolazione dei dati in SQL. Inserimento. Cancellazione. Modifica. Vincoli di integrità generici. Asserzioni. Viste. Cenni diEmbedded SQL.
Progettazione Fisica: Indicizzazione. Concetto di indice. Tecniche di hash. Hash statico e dinamico. Hash virtuale, estendibile, lineare. Indici B-tree e varianti.
Gestione delle transazioni: Concetto di transazione: proprietà di atomicità, consistenza, isolamento, durabilità. Meccanismi per la gestione delle transazioni nelle basi di dati. Livelli di isolamento.

Argomenti delle esercitazioni:
Progettazione concettuale, logica e fisica di una base di dati
Interrogazione di una base di dati mediante algebra relazionale ed SQL
Definizione di indici opportuni a supporto di interrogazioni efficienti

Modalità d'esame

Modulo 2: LABORATORIO DI SISTEMI INFORMATIVI
Metodi di valutazione dell’apprendimento

La valutazione si baserà sulla realizzazione di un progetto svolto in gruppo e su una prova orale.
Il progetto, da realizzare sulla base di un template definito dal docente ed assegnato durante il corso, consiste nella redazione della relazione di progetto di una parte di un sistema informativo di cui è anche richiesta un'implementazione . In caso di valutazione positiva del progetto, gli studenti e le studentesse facenti parte del gruppo di progetto potranno accedere alla prova orale individuale. La prova orale, della durata di circa 30 minuti, consiste in un’interrogazione sugli argomenti teorici e pratici affrontati durante il corso.

Criteri di valutazione dell’apprendimento

Il progetto permetterà di valutare la capacità di progettare e documentare la progettazione di sistemi informativi sviluppando le fasi di analisi dei requisiti (analisi dello scenario e specifica dei requisiti funzionali e non-funzionali), progettazione (modellazione della base di dati, modellazione della logica di business, e modellazione delle interfacce) e implementazione (parziale del sistema informatico).
Il progetto permetterà inoltre di valutare la capacità di presentazione dei risultati prodotti.
La prova orale permetterà di valutare le conoscenze teoriche e pratiche maturate nei seguenti ambiti:

  • comprensione di ciascuna delle diverse fasi del ciclo di vita di un sistema informativo;
  • apprendimento di una metodologia per la progettazione di un sistema informatico;
  • capacità di utilizzo delle caratteristiche avanzate offerte dai DBMS per soddisfare delle specifiche date;
  • capacità di utilizzo di modelli di dati e architetture alternative a quelle alla base dei database relazionali.

Criteri di misurazione dell’apprendimento

Il progetto è valutato in trentesimi, tenendo conto sia della qualità del progetto realizzato (relazione e sistema) sia della presentazione dello stesso. In caso di valutazione almeno sufficiente del progetto, lo studente è ammesso alla prova orale.

Criteri di attribuzione del voto finale

Se la prova orale è giudicata almeno sufficiente, l’esame è superato con l’attribuzione di un voto finale in trentesimi. Il voto finale del modulo viene attribuito tenendo conto in egual misura del voto attribuito al progetto e della valutazione sulla prova orale.

Il voto finale dell'attività formativa principale (BASI DI DATI E SISTEMI INFORMATIVI) è determinato dalla media pesata sui crediti dei voti dei moduli che la costituiscono ( MODULO1: BASI DI DATI e MODULO 2: LABORATORIO DI SISTEMI INFORMATIVI).

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Modulo 1: BASI DI DATI
Le prove d'esame sono organizzate in modo da poter valutare il livello di comprensione e le capacità maturate nei seguenti ambiti:
comprensione dell'architettura, delle funzionalità, e degli ambiti applicativi dei sistemi per la gestione delle basi di dati (DBMS);
capacità di progettare una base di dati secondo delle specifiche date;
capacità di interpretare il progetto di una base di dati già esistente;
capacità di interrogare una base di dati, per estrarre da esse informazioni di interesse;
capacità di determinazione degli strumenti più adeguati per ottenere il funzionamento efficiente di un DBMS.

Metodi di valutazione dell’apprendimento in dettaglio.
La valutazione avviene mediante una prova scritta e una prova orale.
La prova scritta, della durata compresa tra 1h e 2h, è costituita da esercizi riguardanti 1) la progettazione concettuale e la progettazione logica di una base di dati; 2) la struttura e il funzionamento degli indici B-Tree; 3) L'interrogazione di una base di dati relazionale mediante SQL e Algebra relazionale.
La prova orale, della durata di al più 20 minuti, si articola nell’esposizione (orale e con l’ausilio anche della forma scritta) da parte dello studente in relazione a due/tre specifiche domande proposte dal docente e riguardanti argomenti del programma, e intende verificare se è stato acquisito il corretto corredo di linguaggio formale tecnico, la capacità di analisi critica e di giudizio, valutando anche il livello di conoscenza dei contenuti metodologici del corso.

Criteri di valutazione dell’apprendimento.
Prova scritta e Prova orale.

Criteri di misurazione dell’apprendimento e attribuzione del voto finale.
Alla prova scritta viene assegnato un punteggio in trentesimi, ottenuto sommando i punteggi ottenuti nello svolgimento dei singoli esercizi che la compongono. La prova scritta viene ritenuta superata se il punteggio conseguito è maggiore o uguale a 18/30. Solo il superamento della prova scritta consente l’accesso alla prova orale. Alla prova orale viene assegnato un punteggio in trentesimi, la si ritiene superata se il punteggio conseguito è maggiore o uguale a 18/30. Il voto finale è assegnato al termine della prova orale, ed è pari alla media tra i punteggi conseguiti nella prova scritta e nella prova orale, eventualmente alterata di al massimo due punti (derivanti da indicazioni sulla preparazione dello studente o della studentessa che il docente ottiene da un'analisi complessiva di quanto mostrato nella prova scritta e nella prova orale).

Per gli studenti e le studentesse con disabilità o con Disturbo Specifico dell'Apprendimento (DSA), verrà promosso l'accesso ai servizi di supporto alla didattica erogati dall'Università, come indicato nel "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

Modulo 2: LABORATORIO DI SISTEMI INFORMATIVI
Materiale didattico (slide utilizzate durante le lezioni, dispense e soluzioni di esercizi) messo a disposizione del docente su piattaforma on-line Teams.
Testo consigliato:
Maurizio Pighin, Anna Marzona, Sistemi informativi aziendali, ERP e sistemi di data analysis, Pearson.

Modulo 1: BASI DI DATI
P. Atzeni, S. Ceri, S. Paraboschi, R. Torlone, Basi di dati – Modelli e linguaggi di interrogazione, McGraw Hill.
A. Albano, Costruire sistemi per basi di dati, Addison Wesley.
A. Silberschatz, H. F. Korth, S. Sudarshan, Database System concepts, McGraw Hill.

Codice insegnamento 27008877

Bioinformatica 3° anno · 1° semestre · 6 CFU · IINF-05/A · 0 file

Il corso si propone di introdurre lo studente alle principali problematiche relative allo sviluppo di adeguati strumenti computazionali per la soluzione di problemi derivanti dall'analisi di sequenze biologiche (DNA,…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di introdurre lo studente alle principali problematiche relative allo sviluppo di adeguati strumenti computazionali per la soluzione di problemi derivanti dall'analisi di sequenze biologiche (DNA, RNA).
Il corso mira a fornire competenze sulle tecniche e gli strumenti necessari per l'elaborazione di dati biologici e molecolari quali quelli generati dagli approcci “omici” (e.g.: genomica e trascrittomica).
In particolare l'insegnamento permetterà agli studenti di conoscere:

  • i principali database bioinformatici sede di informazione biologica;
  • gli strumenti di ricerca di informazioni biologiche nelle principali sorgenti informative;
  • gli algoritmi di analisi dell'informazione biologica (genomica, proteomica e trascrittomica).

Codice insegnamento 27008879

Bioingegneria Informatica 3° anno · 2° semestre · 6 CFU · IBIO-01/A · 0 file

Il corso mira a permettere allo studente di conoscere le basi della bioingegneria per la modellazione e gestione di problematiche legate ai sistemi fisiologici, clinici e sanitari. Le conoscenze permetteranno allo…

Scheda dell'insegnamento

Obiettivi formativi

Il corso mira a permettere allo studente di conoscere le basi della bioingegneria per la modellazione e gestione di problematiche legate ai sistemi fisiologici, clinici e sanitari.
Le conoscenze permetteranno allo studente di risolvere in maniera ingegneristica problematiche di interesse medico clinico e sanitario, quali monitoraggio e gestione di processi e flussi di dati in ambito sanitario, gestione ed interfacciamento di dispositivi di interesse medico clinico.
Gli studenti apprenderanno gli elementi fondamentali e le problematiche dell'organizzazione sanitaria in Italia e all'estero le problematiche relative alla rappresentazione ed al trattamento di dati biomedicali.

Al termine del corso lo studente avrà acquisito capacità di:
-descrivere analiticamente, simulare e analizzare sistemi e segnali di interesse medico-biologico
-identificare e risolvere problematiche legate all’ interfacciamento con strumentazione biomedicali atti ad esempio alla diagnosi, terapia, riabilitazione;
-applicare tecniche per l'acquisizione, l'elaborazione e l'analisi di segnali e dati biologici;

  • comprendere quali sono i compiti e le attività dei sistemi informativi in sanità anche al fine di poter svolgere attività di tirocinio presso una struttura sanitaria.

Codice insegnamento 27008880

Bioingegneria Informatica E Bioinformatica 3° anno · 1° semestre · IBIO-01/A · 0 file

Modulo 2: BIOINGEGNERIA INFORMATICA Il corso si propone di fornire agli studenti conoscenze e competenze avanzate nell’ambito della bioingegneria informatica applicata ai dati e ai segnali biomedici, con particolare…

Scheda dell'insegnamento

Obiettivi formativi

Modulo 2: BIOINGEGNERIA INFORMATICA
Il corso si propone di fornire agli studenti conoscenze e competenze avanzate nell’ambito della bioingegneria informatica applicata ai dati e ai segnali biomedici, con particolare attenzione alle metodologie computazionali per la rappresentazione, l’elaborazione, l’analisi e l’integrazione di informazioni provenienti da sorgenti eterogenee. Il percorso formativo è orientato alla comprensione dei principali strumenti informatici utilizzati per l’estrazione di conoscenza clinica, diagnostica e predittiva, nonché allo studio dei modelli computazionali per la descrizione e simulazione di sistemi biologici complessi.
Il corso intende inoltre sviluppare la capacità di interpretare criticamente dati biomedici multidimensionali, comprendendo le problematiche associate alla qualità del dato, alla sua rappresentazione e alle modalità di integrazione tra differenti tipologie di informazione, quali dati clinici, fisiologici, omici e di imaging medico. Particolare rilievo sarà dato alle tecniche di analisi dei segnali biomedici, ai metodi di classificazione e predizione, ai principi della modellazione computazionale e all’utilizzo di strumenti software per applicazioni biomediche e sanitarie.
In accordo con i Descrittori di Dublino, al termine del corso lo studente avrà acquisito:
Conoscenza e capacità di comprensione (Knowledge and Understanding): Conoscenze teoriche e metodologiche relative ai principi di rappresentazione e analisi dei segnali e dei dati biomedici, ai modelli computazionali per sistemi biologici e alle tecniche informatiche per l’estrazione di informazione clinica e diagnostica. Lo studente comprenderà le principali metodologie utilizzate per integrare dati eterogenei provenienti da differenti contesti applicativi della bioingegneria.
Capacità di applicare conoscenza e comprensione (Applying Knowledge and Understanding) Capacità di utilizzare strumenti e metodologie computazionali per l’analisi di dati biomedici complessi, applicando tecniche di elaborazione dei segnali, modellazione, classificazione e integrazione dei dati in problemi di interesse biomedico e clinico. Lo studente sarà in grado di interpretare i risultati ottenuti mediante opportuni strumenti software e metodologie quantitative.
Autonomia di giudizio (Making Judgements) Capacità di valutare criticamente l’efficacia, i limiti e l’appropriatezza delle metodologie impiegate nell’analisi di dati biomedici e nella modellazione di sistemi biologici, sviluppando un approccio autonomo nell’interpretazione dei risultati e nella scelta delle tecniche più adatte in relazione al problema affrontato.
Abilità comunicative (Communication Skills) Capacità di descrivere e comunicare in modo chiaro ed efficace metodologie, procedure e risultati relativi all’analisi computazionale di dati biomedici, utilizzando una terminologia tecnico-scientifica appropriata e interagendo con figure professionali multidisciplinari operanti in ambito ingegneristico, biomedico e clinico.
Capacità di apprendimento (Learning Skills) Capacità di approfondire autonomamente temi avanzati della bioingegneria informatica e di aggiornarsi sulle evoluzioni scientifiche e tecnologiche del settore, con particolare riferimento ai sistemi intelligenti per la salute, all’analisi avanzata dei dati biomedici e alle metodologie computazionali per applicazioni cliniche e diagnostiche

Modulo 1: BIOINFORMATICA
Il corso si propone di introdurre lo studente alle principali problematiche relative allo sviluppo di adeguati strumenti computazionali per la soluzione di problemi derivanti dall'analisi di dati biologici
Il corso mira a fornire competenze sulle tecniche e gli strumenti necessari per l'elaborazione di dati biologici e molecolari quali quelli generati dagli approcci “omici”
In particolare l'insegnamento permetterà agli studenti di conoscere:

  • i principali database bioinformatici sede di informazione biologica;
  • gli strumenti di ricerca di informazioni biologiche nelle principali sorgenti informative;
  • gli algoritmi di analisi dell'informazione biologica
    Inoltre in termini di obiettivi si hanno i seguenti.

Conoscenza e capacità di comprensione (Knowledge and Understanding)
Al termine del corso lo studente sarà in grado di:

  • comprendere le principali problematiche bioinformatiche connesse all’analisi di dati biologici e molecolari;
  • descrivere struttura, organizzazione e finalità dei principali database bioinformatici;
  • conoscere i principali strumenti computazionali per la ricerca, l’estrazione e la gestione dell’informazione biologica;
  • comprendere gli algoritmi fondamentali utilizzati nell’analisi di sequenze biologiche e dei dati derivanti dagli approcci “omici”;
  • comprendere i principi metodologici alla base delle tecniche di predizione e analisi bioinformatica.

Capacità di applicare conoscenza e comprensione (Applying Knowledge and Understanding)
Al termine del corso lo studente sarà in grado di:

  • utilizzare strumenti e risorse bioinformatiche per l’analisi di dati biologici;
  • interrogare e consultare database biologici pubblici per il recupero e l’interpretazione delle informazioni;
  • applicare algoritmi di base per l’analisi di sequenze e dati molecolari;
  • selezionare strumenti computazionali appropriati per specifici problemi bioinformatici;
  • elaborare semplici workflow di analisi per dati biologici derivanti da tecnologie “omiche”.

Autonomia di giudizio (Making Judgements)
Al termine del corso lo studente sarà in grado di:

  • valutare criticamente qualità, affidabilità e limiti dei dati biologici e degli strumenti bioinformatici utilizzati;
  • confrontare differenti approcci algoritmici per la soluzione di problemi di analisi bioinformatica;
  • interpretare i risultati delle analisi computazionali in relazione al contesto biologico di riferimento;
  • individuare metodologie adeguate rispetto a specifici problemi applicativi.

Abilità comunicative (Communication Skills)
Al termine del corso lo studente sarà in grado di:

  • descrivere in modo chiaro metodologie, strumenti e risultati di analisi bioinformatiche;
  • utilizzare la terminologia tecnico-scientifica propria della bioinformatica;
  • presentare e discutere risultati derivanti da elaborazioni di dati biologici e molecolari;
  • interagire efficacemente con figure interdisciplinari nei settori biologico, medico e informatico.

Capacità di apprendimento (Learning Skills)
Al termine del corso lo studente sarà in grado di:

  • approfondire autonomamente nuovi strumenti e metodologie bioinformatiche;
  • consultare documentazione scientifica e tecnica relativa a database e software bioinformatici;
  • aggiornarsi sull’evoluzione delle tecnologie di analisi dei dati biologici;
  • sviluppare competenze utili per insegnamenti avanzati nei settori della bioinformatica, dell’intelligenza artificiale applicata alle scienze della vita e della data analysis biologica.

Programma

Modulo 2: BIOINGEGNERIA INFORMATICA
Il corso fornisce conoscenze avanzate relative alla rappresentazione, elaborazione e analisi dei dati e dei segnali biomedici, con particolare riferimento all’utilizzo di tecniche informatiche per l’estrazione di conoscenza clinica, diagnostica e predittiva. Si approfondiscono le metodologie computazionali impiegate per la modellazione di sistemi biologici e l’integrazione di dati eterogenei (clinici, omici, fisiologici, immagine).

  • Introduzione all'informatica biomedica
  • Flusso dei dati sanitari: da sensore a decisione clinica
  • Sistemi informativi ospedalieri e normative sanitarie
  • Acquisizione e gestione dei dati biomedici
  • Strumentazione e sensori per l’acquisizione dei segnali biomedici
  • Campionamento, quantizzazione e digitalizzazione dei segnali
  • Standard per la trasmissione e archiviazione e normativa europea per studi clinici
  • Elaborazione di segnali biomedici ed estrazione di feature diagnostiche da ECG, EEG, EMG
  • Sistemi dinamici e simulazione in ambiente MATLAB con relativi tool di analisi
  • Gestione di dati clinici. Il modello RedCAP
  • E-health, wearable e mobile health
  • Applicazioni Cliniche e Tecnologie Avanzate: ECMO, dialisi, Total Artificial Heart (TAH), defibrillatori e pacemaker.
  • Uso di simulazioni su Arduino per definire sistemi embedded

Inoltre e' prevista una fase di esercitazione con i seguenti argomenti

Le esercitazioni hanno l’obiettivo di integrare gli aspetti teorici del corso mediante attività pratiche di acquisizione, gestione ed elaborazione di dati biomedicali, utilizzo di piattaforme cliniche e simulazione di sistemi biomedicali.
Le attività esercitative saranno svolte mediante utilizzo di dataset clinici reali o simulati, strumenti software di analisi, piattaforme REDCap, database clinici (es. MIMIC), ambienti MATLAB e sistemi embedded basati su Arduino.

Di seguito una lista dettagliata di argomenti trattati
Introduzione all’informatica biomedica
Definizione, ambiti applicativi e ruolo dell’informatica biomedica nei sistemi sanitari
Integrazione tra medicina, ingegneria e tecnologie digitali
Evoluzione dei sistemi biomedicali e della sanità digitale
2. Flusso dei dati sanitari: da sensore a decisione clinica
Acquisizione, trasmissione ed elaborazione dei dati clinici
Pipeline del dato biomedicale e supporto alle decisioni cliniche
3. Sistemi informativi ospedalieri e il funzionamento delle normative sanitarie
Architettura dei sistemi informativi ospedalieri
Cartella clinica elettronica e gestione dei dati del paziente
4. Acquisizione e gestione dei dati biomedici
Tecniche di acquisizione dei dati fisiologici
Memorizzazione, sincronizzazione e gestione dei dati biomedicali
5. Strumentazione e sensori per l’acquisizione dei segnali biomedici
Strumentazione per ECG, EEG, EMG e parametri vitali
6. Standard per la trasmissione e archiviazione
Standard per lo scambio dei dati clinici e normative sui sistemi sanitari
7. Elaborazione di segnali biomedici ed estrazione di feature diagnostiche
Analisi di segnali ECG, EEG ed EMG
Estrazione di caratteristiche diagnostiche e biomarcatori
8. Sistemi dinamici e simulazione in ambiente MATLAB
Simulazione, analisi e visualizzazione di segnali e sistemi
9. Gestione dei dati clinici e modello REDCap
Organizzazione e raccolta dei dati clinici
Introduzione alla piattaforma REDCap
Gestione di studi clinici e database biomedicali
10. E-health, wearable e mobile health
Tecnologie per telemedicina ed e-health
11. Applicazioni cliniche e tecnologie avanzate
ECMO e sistemi di supporto extracorporeo
Dialisi e sistemi biomedicali per terapia sostitutiva
12. Simulazioni embedded con Arduino
Introduzione ai sistemi embedded biomedicali
Sensori e acquisizione dati con Arduino

Modulo 1: BIOINFORMATICA
Il corso si propone di introdurre lo studente alle principali problematiche relative allo sviluppo di adeguati strumenti computazionali per la soluzione di problemi derivanti dall'analisi di dati biologici
Il corso mira a fornire competenze sulle tecniche e gli strumenti necessari per l'elaborazione di dati biologici e molecolari quali quelli generati dagli approcci “omici”
In particolare l'insegnamento permetterà agli studenti di conoscere:

  • i principali database bioinformatici sede di informazione biologica;
  • gli strumenti di ricerca, di estrazione di informazioni e di predizione in ambito biologico;
  • gli algoritmi di analisi dell'informazione biologica

E' prevista inoltra una parte di esercitazioni volte a

  • utilizzare i principali database bioinformatici;
  • applicare strumenti di ricerca e analisi di sequenze biologiche;
  • interpretare risultati derivanti da algoritmi di allineamento e predizione;
  • analizzare dati genomici e trascrittomici;
  • utilizzare software bioinformatici per applicazioni in ambito biologico e molecolare;
  • interpretare relazioni evolutive e funzionali tra biomolecole.

Le esercitazioni saranno svolte mediante utilizzo di tool bioinformatici, analisi di dataset biologici reali e discussione di casi studio applicativi.

Introduzione alla Bioinformatica
Scienze Omiche e Dati Omici
Banche Dati Biologiche
Allineamento di Sequenze
Ricerca di Sequenze in Banche Dati
Tecniche di Sequenziamento
Gene Prediction
Descrittori di Elementi Funzionali (Espressioni regolari, Position-Specific Scoring Matrix, Modelli di Markov)
Predizione della Struttura Proteica
Alberi Filogenetici
Allineamento multiplo
Microarray
Analisi di dati di trascrittomica
Reti Biologiche e Algoritmi Bio Inspirati
Esercitazioni e uso di tool per di bioinformatica

Modalità d'esame

Modulo 2: BIOINGEGNERIA INFORMATICA
L’accertamento dell’apprendimento è finalizzato a verificare i risultati formativi relativi alla comprensione dei principi e delle metodologie dell’ingegneria applicata ai sistemi biologici ai dati biomedicali
La valutazione finale, prevede:
prova scritta;
prova orale;
eventuale progetto applicativo facoltativo.
Durante il corso sono previsti momenti di confronto e valutazione finalizzati a monitorare l’apprendimento e favorire la partecipazione degli studenti attraverso esercitazioni, discussione di casi studio e analisi di applicazioni bioingegneristiche.
Prova scritta
La prova scritta ha una durata minima di 90 minuti finalizzata ad accertare:
la comprensione dei concetti teorici della bioingegneria informatica;
la conoscenza di metodologie e strumenti per l’analisi di dati biologici e biomedicali;
la capacità di applicare modelli e metodologie computazionali;
la capacità di interpretare risultati derivanti dall’elaborazione di dati biologici e segnali biomedicali.
La prova può includere:
domande a risposta aperta;
esercizi applicativi;
interpretazione di risultati e output di strumenti computazionali;
semplici problemi relativi all’analisi e modellazione di sistemi biologici.
L’esito della prova scritta viene comunicato entro 7 giorni dalla prova.
Griglia prova scritta
18–21: conoscenze sufficienti ma essenziali; limitata capacità applicativa; presenza di errori non gravi.
22–24: conoscenza adeguata degli argomenti; discreta applicazione delle metodologie e corretta risoluzione della maggior parte degli esercizi.
25–27: buona padronanza teorica e metodologica; corretta applicazione delle tecniche di analisi e modellazione; buona capacità interpretativa.
28–30: ottima conoscenza dei contenuti; applicazione rigorosa delle metodologie; autonomia di ragionamento e precisione terminologica.
La prova si considera superata con votazione minima di 18/30.
Prova orale
La prova orale verifica:
la padronanza dei contenuti teorici del modulo;
la capacità di collegare metodologie computazionali e problematiche bioingegneristiche;
l’uso appropriato del linguaggio tecnico-scientifico;
la capacità di ragionamento critico e interdisciplinare.
La prova consiste in una discussione sugli argomenti trattati durante il corso e può includere approfondimenti teorici, discussione di esercizi e analisi di metodologie e applicazioni bioingegneristiche. La durata media è di circa 20 minuti.
Griglia prova orale
18–21: esposizione sufficientemente chiara ma prevalentemente mnemonica; conoscenze essenziali; limitata capacità di collegamento interdisciplinare.
22–24: esposizione chiara e ordinata; conoscenza adeguata degli argomenti; discreta capacità di analisi.
25–27: buona capacità espositiva e argomentativa; padronanza dei contenuti e capacità critica.
28–30: esposizione rigorosa e tecnicamente accurata; ottima padronanza della disciplina e capacità di approfondimento.
Eventuale progetto applicativo
Gli studenti possono svolgere un progetto individuale o di gruppo finalizzato all’analisi di un problema di bioingegneria informatica.
Il progetto può prevedere:
elaborazione di dati biologici o biomedicali;
utilizzo di strumenti software e metodologie computazionali;
produzione di una relazione tecnica;
presentazione orale (minimo 10 minuti).
Formazione del voto finale
La valutazione finale è determinata dalla media del voto della prova scritta e della prova orale. Il progetto, facoltativo, può concorrere all’incremento del votofinale nella misura del 10%. La lode può essere attribuita in presenza di una preparazione eccellente.
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti con disabilità giusto 'Art. 9 del Regolamento DR n.370 2022.

Modulo 1: BIOINFORMATICA
L’accertamento dell’apprendimento è finalizzato a verificare il raggiungimento dei risultati formativi attesi relativi alla conoscenza dei principali strumenti e algoritmi bioinformatici, alla capacità di applicare metodologie computazionali all’analisi di dati biologici e molecolari e alla capacità di interpretare criticamente i risultati ottenuti.
La valutazione finale, espressa in trentesimi, prevede:
prova scritta;
prova orale;
eventuale progetto applicativo facoltativo.
Durante il corso sono previsti momenti di confronto e valutazione finalizzati a monitorare progressivamente l’apprendimento e favorire la partecipazione degli studenti.
La prova scritta ha durata minima di 90 minuti ed è finalizzata ad accertare:
comprensione dei concetti teorici della bioinformatica;
conoscenza dei principali database biologici e strumenti di analisi;
capacità di applicare algoritmi e metodologie computazionali;
capacità di interpretare dati biologici e risultati di analisi.
La prova può includere:
domande a risposta aperta;
esercizi applicativi;
interpretazione di output bioinformatici;
L’esito della prova scritta viene comunicato entro 7 giorni dalla prova.
Griglia prova scritta
18 21: conoscenze sufficienti ma essenziali; limitata capacità applicativa; presenza di errori non gravi.
22–24: conoscenza adeguata degli argomenti; discreta applicazione degli strumenti e corretta risoluzione della maggior parte degli esercizi.
25–27: buona padronanza teorica e metodologica; corretta applicazione delle tecniche di analisi; buona capacità interpretativa.
28–30: ottima conoscenza dei contenuti; applicazione rigorosa delle metodologie; autonomia di ragionamento e precisione terminologica.
La prova si considera superata con votazione minima di 18/30.
La prova orale verifica:
padronanza dei contenuti teorici;
capacità di collegare metodologie computazionali e problematiche biologiche;
capacità di motivare le scelte algoritmiche;
uso appropriato del linguaggio tecnico-scientifico;
capacità di ragionamento critico.
La prova consiste in una discussione sugli argomenti del corso e può includere approfondimenti teorici, discussione di esercizi, metodologie bioinformatiche. La durata media è di 20 minuti.
Griglia prova orale
18–21: esposizione sufficientemente chiara ma prevalentemente mnemonica; conoscenze essenziali; limitata capacità di collegamento interdisciplinare.
22–24: esposizione chiara e ordinata; conoscenza adeguata degli argomenti; discreta capacità di analisi.
25–27: buona capacità espositiva e argomentativa; padronanza dei contenuti e capacità critica.
28–30: esposizione rigorosa e tecnicamente accurata; ottima padronanza della disciplina e capacità di approfondimento.
Gli studenti possono svolgere un progetto individuale o di gruppo finalizzato all’analisi di un problema bioinformatico. Il progetto può prevedere elaborazione di dati biologici, utilizzo di strumenti bioinformatici, implementazione di algoritmi, relazione tecnica ed eventuale presentazione orale della durata minima di 10 minuti.
La valutazione finale è determinata dalla media del voto della prova scritta e della prova orale. Il progetto, facoltativo, può concorrere all’incremento della valutazione finale. La lode è attribuita in presenza di una preparazione eccellente, piena autonomia critica e particolare capacità di approfondimento. Le modalità d’esame saranno adeguate alle esigenze di studenti e studentesse con disabilità certificate o con DSA, nel rispetto della normativa vigente e dei regolamenti di Ateneo.

Testi di riferimento

Modulo 2: BIOINGEGNERIA INFORMATICA
Dispense e materiale fornito dal docente.
Capitoli di libro da:
-Strumentazione Biomedica, collana Patron editore
-“Medical Instrumentation: Application and Design" - John G. Webster
-S. Fonda, L. Mariani, A. Sargentini, Tecnologie Biomediche e Sanitarie, Editore: Patron
-Biomedical Informatics Edward H Shortliffe (editor) Springer
-Sanità e Salute: due storie diverse. Crivellini-Galli, Franco Angeli Editore.
-Process Modeling and Management for Healthcare - Combi, Pozzi, Veltri Editori Chapman & al CRC Press

  • Clinical Engineering Handbook (2nd Edition) – Ernesto Iadanza
  • Biomedical Signal analysis. Randgayyan. Wiley & son.

Modulo 1: BIOINFORMATICA
TESTI DI RIFERIMENTO

  • Fondamenti di Bioinformatica - M. H. Citterich, F. Ferrè, G. Pavesi, C. Romualdi, G. Pesole - Zanichelli
  • Analisi statistica dei dai biologici - M. Whitlock, D. Schluter – Zanichelli
  • Dispense del docente
    LETTURE CONSIGLIATE
  • Bioinformatica - S. Pascarella, A. Paiardini - Zanichelli
  • An Introduction to Bioinformatics Algorithms, Neil C. Jones e Pavel A. Pevzner
  • Bioinformatics and Functional Genomics, Jonathan Pevsner
  • Understanding Bioinformatics, Marketa Zvelebil, Jeremy Baum

Codice insegnamento 27008881

Data Mining E Bioimmagini 3° anno · 1° semestre · 6 CFU · IINF-05/A · 0 file

Risultati di Apprendimento Attesi 1. Conoscenza e capacità di comprensione Al termine del corso lo studente avrà acquisito conoscenze relative a: i principi fondamentali del data mining, le tipologie di dati clinici,…

Scheda dell'insegnamento

Obiettivi formativi

Risultati di Apprendimento Attesi

1. Conoscenza e capacità di comprensione
Al termine del corso lo studente avrà acquisito conoscenze relative a:

  • i principi fondamentali del data mining, le tipologie di dati clinici, le tecniche di preprocessing e la gestione dello sbilanciamento delle classi
  • i principali algoritmi di classificazione supervisionata e i modelli di regressione lineare e polinomiale
  • i paradigmi di apprendimento non supervisionato, le tecniche di riduzione dimensionale, anomaly detection e l'estrazione di regole associative in ambito clinico
  • i fondamenti teorici delle bioimmagini e i metodi di elaborazione e ricostruzione tomografica
  • i principi fisici e di funzionamento delle principali modalità di imaging diagnostico, nonché gli standard della sanità digitale

2. Capacità di applicare conoscenza e comprensione
Lo studente sarà in grado di:

  • utilizzare concretamente la piattaforma software Orange Data Mining per importare, ripulire, trasformare e analizzare set di dati biomedici reali
  • configurare, addestrare e valutare criticamente l'accuratezza di modelli predittivi e descrittivi applicati a casi di studio clinici
  • selezionare e applicare le tecniche di manipolazione e analisi più idonee per l'elaborazione di bioimmagini morfologiche e funzionali

3. Autonomia di giudizio
Lo studente svilupperà la capacità di:

  • valutare criticamente la qualità dei dati e dei modelli analitici estratti, riconoscendo problemi come l'overfitting o i bias da sbilanciamento delle classi
  • scegliere in autonomia l'approccio algoritmico o la combinazione di modalità di imaging più efficiente per rispondere a uno specifico quesito medico-diagnostico
  • lavorare in team analizzando casi di studio reali, confrontando criticamente diverse strategie di analisi per giungere a una soluzione ottimale

4. Abilità comunicative
Lo studente sarà in grado di:

  • esporre in modo chiaro, fluido e con rigore terminologico i concetti teorici legati al data mining e alla bioingegneria delle immagini
  • presentare i risultati di un'analisi dati complessa o di un progetto di gruppo, motivando le scelte progettuali e traducendo evidenze tecniche in insight clinici comprensibili

5. Capacità di apprendimento
Lo studente acquisirà:

  • la metodologia scientifica e le competenze pratiche necessarie per consultare la letteratura specialistica, la documentazione dei software di analisi e i manuali di imaging biomedico
  • un'autonomia metodologica che rappresenta il prerequisito fondamentale per l'apprendimento di concetti più avanzati nei corsi successivi e per l'aggiornamento professionale continuo nell'ambito della sanità digitale

Programma

Il corso mira a presentare le principali tecniche di analisi di dati applicate alla biomedicina introducendo tecniche di data mining. Vengono riportati esempi applicativi e l'utilizzo dei principali tool per l'analisi di dati e l'applicazione di tecniche di data mining. Vengono introdotte le bioimmagini e le tecniche di acquisizione e ricostruzione delle immagini morfologiche e funzionali. Vengono infine presentate le tecniche di generazione delle bioimmagini (quali TC, PET e SPECT) e l'applicazione alle bioimmagini delle tecniche di analisi presentate nella prima parte del corso. Viene, inoltre, illustrata la piattaforma Orange Data Mining per l'applicazione pratica delle tecniche studiate

Ore previste 78
Data Mining
1) Introduzione e Dati Clinici (6 ore)
a. Introduzione al data mining
b. Tipi di Dati e Qualità dei Dati
c. Esercizi sugli argomenti esposti, utilizzando la piattaforma "Orange Data Mining"
2) Preprocessing (6 ore)
a. Pulizia e Trasformazione dei Dati
b. Sbilanciamento delle Classi
c. Esercizi sugli argomenti esposti, utilizzando la piattaforma "Orange Data Mining"
3) Classificazione (8 ore)
a. Alberi Decisionali
b. Regressione Logistica
c. Valutazione dei Modelli
c. Esercizi sugli argomenti esposti, utilizzando la piattaforma "Orange Data Mining"
4) Regressione Lineare e Polinomiale (6 ore)
a. Regressione Lineare
b. Regressione Polinomiale e Overfitting
c. Esercizi sugli argomenti esposti, utilizzando la piattaforma "Orange Data Mining"
5) Metodi Avanzati di Classificazione (6 ore)
a. Random Forest e Ensemble Methods
b. Naive Bayes e kNN
c. Esercizi sugli argomenti esposti
c. Esercizi sugli argomenti esposti, utilizzando la piattaforma "Orange Data Mining"
6) Clustering e Apprendimento Non Supervisionato (6 ore)
a. k-Means e Hierarchical Clustering
b. Riduzione Dimensionale e Visualizzazione
c. Esercizi sugli argomenti esposti, utilizzando la piattaforma "Orange Data Mining"
7) Anomaly Detection (4 ore)
a. Rilevamento delle Anomalie
b. kNN, Isolation Forest
c. Esercizi sugli argomenti esposti, utilizzando la piattaforma "Orange Data Mining"
8) Regole Associative (4 ore)
a. Market Basket Analysis e Applicazioni Cliniche
c. Esercizi sugli argomenti esposti, utilizzando la piattaforma "Orange Data Mining"
Bioimmagini
1) Fondamenti e Teoria delle Bioimmagini (10 Ore)
a. Introduzione alle bioimmagini
b. Teoria dei segnali applicata alle immagini
c. Campionamento, Digitalizzazione e Qualità dell'immagine
2) Manipolazione, Elaborazione e Ricostruzione (6 Ore)
a. Manipolazione ed elaborazione delle immagini
b. Ricostruzione delle immagini e Tomografia
3) Modalità di Imaging Diagnostico (12 Ore)
a. Formazione delle immagini a Raggi X e Tomografia Assiale (TC)
b. Immagini Radioisotopiche (Medicina Nucleare: PET e SPECT)
c. Immagini ad Ultrasuoni (Ecografia)
d. Immagini di Risonanza Magnetica (RM)
e. Imaging Funzionale Avanzato e Fusione Multimodale
4) Trasmissioni, Visualizzazione e Sanità Digitale (4 Ore)
a. Sistemi DICOM e PACS
b. Visualizzazione Avanzata, Mapping e Modelli 3D

Modalità d'esame

Metodi di Valutazione dell’Apprendimento
La modalità di valutazione dell’apprendimento si articola in una prova orale obbligatoria, integrata da un progetto di gruppo facoltativo

  • Progetto di gruppo: gli studenti hanno la possibilità di svolgere un progetto di analisi di dati medici usando la piattaforma Orange Data Mining in piccoli gruppi, incentrato sull'applicazione pratica dei contenuti del corso. Il progetto prevede una data di consegna unica, definita dal docente prima dell'inizio della sessione d'esame. Il superamento del progetto con valutazione positiva comporta l'attribuzione di un bonus (da 1 a 3 punti) che verrà sommato al voto conseguito nella prova orale
  • Prova Orale: consiste in un colloquio tradizionale sugli argomenti del programma. La prova si articola nell’esposizione da parte dello studente sulla base di specifiche domande proposte dal docente, volte a verificare la comprensione teorica e la capacità di collegamento tra i diversi moduli del corso. La verifica prevede una prima fase scritta da svolgersi contestualmente alla seduta d'esame, consistente nella compilazione di un test a risposta multipla volto a verificare rapidamente la conoscenza delle nozioni teoriche di base e dei concetti chiave del programma

Criteri di Valutazione dell’Apprendimento
La valutazione globale terrà conto dei seguenti criteri:

  • Per il progetto di gruppo: sono valutati l'accuratezza tecnica dello svolgimento, la ricchezza dell'analis, la capacità di lavorare in team e la chiarezza dell'esposizione dei risultati
  • Per la prova orale: sono valutate la padronanza dei concetti teorici fondamentali, la proprietà di linguaggio scientifico e biomedico, la capacità di analisi critica e l'efficacia nell'esposizione

Criteri di Misurazione dell’Apprendimento e Attribuzione del Voto Complessivo
L'esame si intende superato se lo studente ottiene una valutazione pari o superiore a 18/30 nella prova orale. Il voto finale è espresso in trentesimi e viene calcolato come segue:

  • Voto dell'orale: valutato in trentesimi (da un minimo di 18 a un massimo di 30).
  • Bonus Progetto: da 1 a 3 punti, cumulabili al voto dell'orale solo in caso di superamento della prova orale stessa.
  • Assegnazione della Lode: la lode può essere assegnata, a discrezione della commissione, agli studenti la cui prova sia giudicata complessivamente eccellente, dimostrando una straordinaria maturità e una perfetta padronanza della materia

Informazioni Aggiuntive
Le modalità d'esame vengono adeguate alle particolari esigenze degli studenti con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370)

Testi di riferimento

Testi principali:

  • Witten, Frank, Hall, Pal - Data Mining: Practical ML Tools and Techniques, Morgan Kaufmann
  • Bioimmagini - Coppini Giuseppe, Diciotti Stefano, Valli Guido. Collana bioingegneria
  • Dispense e materiale fornito dal docente
    Letture consigliate:
  • Introduction to Data Mining - Pang-Ning Tan Michael Steinbach Vipin Kumar. Pearson
  • Analisi dei dati e data mining - Bruno Scarpa, Adelchi Azzalini. Springer Verlag

Codice insegnamento 27008079

Elementi Di Radiocomunicazione 3° anno · 2° semestre · 6 CFU · IINF-02/A · 0 file

Il corso intende fornire le competenze di base relativamente alla propagazione libera e guidata, con applicazioni nell’ambito delle comunicazioni. Competenze specifiche: Conoscenze relative alla propagazione libera;…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire le competenze di base relativamente alla propagazione libera e guidata, con applicazioni nell’ambito delle comunicazioni.
Competenze specifiche:

  • Conoscenze relative alla propagazione libera;
  • Conoscenze relative alla propagazione guidata, con riferimento alle linee di trasmissione, alle guide d’onda e alle fibre ottiche;
  • Conoscenze relative alle applicazioni delle microonde nell’ambito delle comunicazioni.
    Competenze trasversali:
  • Capacità di formulazione di moderne tecniche di modellazione matematica nel campo dell’ICT
  • Capacità di astrazione di problemi fisico-matematici complessi

Codice insegnamento 27007389

Elettronica Digitale 3° anno · 1° semestre · 6 CFU · IINF-01/A · 0 file

Il corso mira a fornire solide conoscenze di base sulla analisi di circuiti e sistemi per l’elaborazione digitale. Competenze da acquisire: •comprensione dei principi di funzionamento dei circuiti digitali elementari…

Scheda dell'insegnamento

Obiettivi formativi

Il corso mira a fornire solide conoscenze di base sulla analisi di circuiti e sistemi per l’elaborazione digitale. Competenze da acquisire:
•comprensione dei principi di funzionamento dei circuiti digitali elementari

  • comprensione delle metodologie per l’analisi di sistemi digitali
  • abilità ad effettuare l’analisi temporale per circuiti comprendenti moduli combinatori
  • abilità ad effettuare l’analisi temporale per circuiti comprendenti moduli combinatori e sequenziali
  • capacità di saper sfruttare le conoscenze acquisite per la sintesi di semplici circuiti e la selezione della tecnologia realizzativa

Programma

Il Corso illustra le strutture logiche fondamentali dei circuiti digitali a livello di porta logica ed a livello di transistori. Vengono forniti gli elementi di base per la valutazione delle performance e la progettazione di sistemi digitali di complessità medio-bassa.

Le tecnologie realizzative di circuiti integrati digitali, Richiami di algebra booleana, Le porte logiche elementari, Sintesi di reti logiche, I circuiti logici combinatori, Decoder/Encoder, Multiplexer/Demultiplexer, Circuiti aritmetici, Half adder, Full adder, Ripple Carry Adder, I circuiti logici sequenziali, Latch e Flip-Flop, Il Latch SR, Level Triggered J-K Flip Flop,Flip-Flop J-K Master Slave,Flip-Flop di tipo D, Flip-Flop Edge Triggered, Registri e Contatori, Il segnale di clock, Circuiti pipeline.
La realizzazione di circuiti integrati digitali, Dispositivi logici programmabili, PAL, PLA, CPLD, FPGA, Gli ASIC,VHDL: statement combinatori, statement sequenziali, macchine a stati finiti.
Richiami sul transistore MOS, Inverter CMOS, Margini di rumore, Caratteristiche dinamiche delle porte logiche, Ritardi di propagazione, Energia e potenza dissipata, Porte logiche CMOS elementari, Fan-In, Fan-Out, Criteri di dimensionamento, Logiche a Pass-Gate, Logiche Dinamiche.
Memorie statiche ad accesso casuale (SRAM), Processo di scrittura e lettura, Memorie dinamiche ad accesso casuale (DRAM), Memorie a sola lettura (ROM), EPROM

Argomenti delle esercitazioni:

  • Analisi di circuiti digitali combinatori e sequenziali, Descrizione in VHDL di semplici circuiti combinatori e sequenziali, Dimensionamento di circuiti CMOS.

Modalità d'esame

Metodi di valutazione dell’apprendimento
La valutazione si basa su due prove. La prima prova, da svolgersi in forma scritta e della durata di 75-90min, consiste di un esercizio nel quale è richiesto il tracciamento di un digramma di timing e quattro ulteriori quesiti teorico-pratici. Tra questi può essere richiesto: la scrittura di un semplice codice VHDL, la sintesi di una rete combinatoria, il progetto di un semplice circuito CMOS. In caso di superamento della prima prova, lo studente potrà accedere alla seconda prova, da svolgersi in forma orale e della durata di circa 20 minuti, consistente in un’interrogazione sugli argomenti teorici e pratici affrontati durante il corso.
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).
Criteri di valutazione dell’apprendimento
La prova scritta permette di valutare la capacità di analisi dei circuiti digitali di base e la capacità di descrivere circuiti e sistemi mediante linguaggio di descrizione dell'hardware (HDL). La prova orale permette di valutare le conoscenze teoriche acquisite e la capacità di metterle in relazione con aspetti pratici e in contesti multi e interdisciplinari.
Criteri di misurazione dell’apprendimento
La prova scritta è valutata in trentesimi, suddivisi in 5 esercizi. La prova scritta è superata se la votazione è maggiore o uguale a 18. In caso di superamento della prova scritta, lo studente è ammesso alla prova orale opzionale. In taluni casi la prova orale è richiesta come obbligatoria.
Criteri di attribuzione del voto finale
Se la prova orale è giudicata almeno sufficiente, l’esame è superato con l’attribuzione di un voto finale in trentesimi. Il voto finale viene attribuito tenendo conto delle due prove con un ugual peso. Gli studenti che avranno affrontato con profitto un gruppo di progetti assegnati durante il corso potranno beneficiare di un punteggio aggiuntivo sul voto finale.

Testi di riferimento

a. J.M. Rabaey, A. Chandrakasan, B. Nikolic "Circuiti integrati digitali: L’ottica del progettista"ed. Prentice Hall ISBN 88-7192-231-X
b. A. Geraci "Principi di Elettronica Digitale", ed. Mc Graw-Hil
c. Dispense del docente.

Codice insegnamento 27000112

Elettronica I 3° anno · 1° semestre · 9 CFU · IINF-01/A · 0 file

Competenze specifiche Lo studente sarà in grado di: comprendere i principi dei dispositivi elettronici a semiconduttore; analizzare il funzionamento del diodo a giunzione p-n, del BJT e del MOSFET; capire i principali…

Scheda dell'insegnamento

Obiettivi formativi

Competenze specifiche

Lo studente sarà in grado di:

  • comprendere i principi dei dispositivi elettronici a semiconduttore;
  • analizzare il funzionamento del diodo a giunzione p-n, del BJT e del MOSFET;
  • capire i principali step tecnologici utilizzati per la fabbricazione dei dispositivi a semiconduttore.
  • comprendere i principi dei circuiti elettronici;
  • analizzare semplici circuiti elettronici con diodi, transistori e amplificatori operazionali;
  • realizzare ed effettuare la caratterizzazione elettrica di circuiti elettronici elementari attraverso esperienze di laboratorio.

Competenze trasversali

Lo studente sarà in grado di:

  • analizzare autonomamente soluzioni progettuali;
  • comunicare con linguaggio tecnico appropriato;
  • approfondire autonomamente le conoscenze in contesti di studio successivi.

Codice insegnamento 27000120

Estensione Del Tirocinio 3° anno · 6 CFU · 0 file
Fondamenti Di Elettronica E Telecomunicazioni 3° anno · 1° semestre · IINF-01/A · 0 file
Fondamenti Di Telecomunicazioni 3° anno · 1° semestre · 6 CFU · IINF-03/A · 0 file

Classificazione dei segnali e loro rappresentazione nel dominio del tempo e della frequenza. Capacità di trasformare e analizzare un segnale nel dominio del tempo e della frequenza. Conoscenza delle tecniche di…

Scheda dell'insegnamento

Obiettivi formativi

Classificazione dei segnali e loro rappresentazione nel dominio del tempo e della frequenza. Capacità di trasformare e analizzare un segnale nel dominio del tempo e della frequenza. Conoscenza delle tecniche di elaborazione digitale dei segnali. Comprensione della differenza tra i canali di comunicazione via etere e via cavo. Conoscenza dei metodi per la modellazione del rumore nei sistemi di trasmissione. Conoscenza dei fondamentali metodi di modulazione digitale. Capacità di svolgere esercizi di progetto semplificati relativi alla trasmissione digitale

Programma

Il corso fornisce le conoscenze fondamentali sulle quali si basano i moderni sistemi di telecomunicazione. Saranno studiati i segnali nel dominio del tempo, nel dominio della frequenza e in forma vettoriale. Saranno fornite le basi teoriche e pratiche per la trasmissione dei segnali digitali.

1. Elaborazione dei segnali
Teorema del campionamento.
Forma d’onda trasmessa. Banda di un segnale. Rappresentazione vettoriale dei segnali e spettro del segnale trasmesso.
2. Probabilità, Processi ed Errori
Interferenza intersimbolica e teorema di Nyquist. Criteri di decisione in ricezione, struttura dei ricevitori. Processi stocastici e calcolo della probabilità di errore. Stima asintotica della probabilità di errore.
3. Modulazioni digitali
Codici di linea. Efficienza spettrale.
Modulazioni m-PAM.
Modulazioni m-ASK.
Modulazioni m-PSK.
Modulazioni m-QAM.

Modalità d'esame

La valutazione si baserà su due prove. La prima prova, da svolgersi in forma scritta e della durata un’ora e 30 minuti, consiste nella risoluzione di alcuni esercizi. In caso di superamento della prima prova, lo studente potrà accedere alla seconda prova, da svolgersi in forma orale e della durata di circa 30 minuti, consistente in un’interrogazione sugli argomenti teorici e pratici affrontati durante il corso.
La prima prova (scritta) permetterà di valutare la capacità di progettazione di sistemi di trasmissione digitale in banda base e in banda traslata. La seconda prova (orale) permetterà di valutare le conoscenze teoriche e pratiche acquisite sull’analisi, l’elaborazione, la trasmissione e la ricezione dei segnali digitali in presenza di rumore.
Ognuno degli esercizi della prova scritta contiene uno o più quesiti a cui è associato un punteggio. La somma dei punteggi assegnati ad ogni quesito di ogni esercizio permette di acquisire al più 30 punti complessivi. La prova scritta è superata se la votazione è maggiore o uguale a 18/30. In caso di superamento della prova scritta, lo studente è ammesso alla prova orale. La scopo della prova orale è verificare la capacità di utilizzare un linguaggio tecnico adeguato, la capacità di effettuare un'analisi critica dei problemi, valutando anche il livello di conoscenza dei contenuti metodologici del corso. Essa permette di acquisire al più 30 punti complessivi ed è strutturata in un’interrogazione su tre argomenti, ad ognuno dei quali sarà assegnato un voto in decimi attribuito sulla base della chiarezza, correttezza e completezza dell’esposizione. I voti assegnati ad ognuno degli argomenti saranno sommati.
Se la prova orale è giudicata almeno sufficiente, l’esame è superato con l’attribuzione di un voto finale in trentesimi. Il voto finale viene attribuito tenendo conto, di norma, in egual misura del voto complessivo riportato nella prova scritta e nella prova orale.
In caso di erogazione di didattica a distanza, per motivi di sicurezza sanitaria, la modalità di svolgimento dell’esame si limiterà alla sola prova orale che sarà svolta in accordo con le indicazioni definite dalle Linee Guida dell’Ateneo.
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

Dispense fornite dal docente nella classe Teams del corso.
Testi di approfondimento:

  • Benedetto Biglieri "Principles of Digital Transmission with Wireless Applications" Kluwer Academic / Plenum Publishers
  • Proakis Salehi "Communication Systems Engineering" Prentice Hall

Codice insegnamento 27000105

Ingegneria Del Software 3° anno · 9 CFU · IINF-05/A · 0 file

Competenze Specifiche: Il corso si propone di introdurre i concetti fondamentali dell'Ingegneria del software, con particolare attenzione allo sviluppo di sistemi con linguaggi ad oggetti. a) Conoscenze e capacità di…

Scheda dell'insegnamento

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

Obiettivi formativi

Competenze Specifiche: Il corso si propone di introdurre i concetti fondamentali dell'Ingegneria del software, con particolare attenzione allo sviluppo di sistemi con linguaggi ad oggetti. a) Conoscenze e capacità di comprensione: - conoscenza dei processi di sviluppo software - capacità di gestire ed implementare le varie fasi dei processi di sviluppo del software; - capacità di utilizzare linguaggi e strumenti per la specifica, la progettazione, lo sviluppo agile, la verifica, la validazione, e il mantenimento del software. b) Capacità di applicare conoscenza e comprensione: Al termine del corso, gli studenti saranno in grado di affrontare tutte le fasi di un processo di sviluppo software. Competenze Trasversali: a) Autonomia di giudizio Lo studente acquisirà abilità nell'analisi e nella risoluzione dei problemi e abilità nel lavoro di gruppo. Le capacita` critiche e di giudizio sono conseguite attraverso lo studio degli argomenti che vengono proposti durante il corso, lo sviluppo degli elaborati (esercizi e progetti), evidenziando capacita` di “problem solving”. In particolare saranno acquisiti: - Abilità nell'analisi e nella risoluzione dei problemi - Abilità nel combinare soluzioni alternative o innovative - Abilità nel lavoro di gruppo b) Abilità comunicative Capacità di presentare il proprio lavoro e interagire in gruppi di sviluppo software

Programma

1) Concetti di Base - I processi software - Analisi dei requisiti - Progettazione, Sviluppo, Verifica e convalida - Gestione, Evoluzione e Manutenzione - Utilizzo di UML come abbozzo - Cenni ad aspetti etici, professionali e giuridici 2) Ingegneria del Software Orientata agli Oggetti - Analisi e progettazione orientata agli oggetti - Design patterns - Sviluppo software guidato dai test 3) Strumenti e frameworks: - Ambienti IDE per la programmazione (es. Eclipse) - Maven - GIT - JUNIT Il corso si concentra sugli aspetti di base dell'ingegneria del software e approfondisce le tematiche relative allo sviluppo agile orientato agli oggetti. Per ingegneria del software (in inglese software engineering) si intende quella disciplina che si occupa dei processi produttivi e delle metodologie di sviluppo finalizzate alla realizzazione di sistemi software. Il corso si propone, quindi, di fornire competenze e conoscenze necessarie a comprendere e gestire le problematiche dello sviluppo del software (inteso come attivita` industriale) sia da un punto di vista tecnologico che metodologico.

Modalità d'esame

Metodi di valutazione dell'apprendimento: La valutazione avviene in due modalità alternative aperte a tutti gli studenti. Modalità 1) svolgimento di un progetto didattico seguita da una prova orale; Modalità 2) uno scritto (al più 5 ore) da svolgere al computer seguito da un esame orale. In entrambe le modalità gli studenti devono dimostrare di avere la capacità di saper applicare i principi dell'ingegneria del software orientata agli oggetti; Nel caso in cui, per motivi di sicurezza sanitaria, l'esame dovesse essere effettuato a distanza saranno adottate le modalità di valutazione riportate qui: https://informatica.unical.it/onlineexamsguidelines Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370). Criteri di Valutazione dell'apprendimento: Il progetto e lo scritto hanno mirano alla verifica delle capacità progettuali e implementate, la prova orale mira a verificare la conoscenza teorica degli argomenti trattati durante il corso. Criteri di misurazione dell'apprendimento ed attribuzione del voto finale: L'esito dello scritto o del progetto è un giudizio (Ottimo=20, Buono=16, Sufficiente=12, Non superato). Si accede alla prova orale se l'esito non è non superato. L'esito della prova orale è in decimi, si supera la prova se il voto è superiore a 6. L'esame è superato se entrambe le prove sono superate. L'esito dell'esame (in trentesimi) si ottiene da una somma pesata dei risultati ottenuti nelle prove parziali.

Testi di riferimento

Libro di testo: C. Larman - "Applying UML and patterns - An Intro to OOA/D and Iterative Development" - Prentice Hall Libri consigliati: - Ian Sommerville - "Software Engineering" 10th ed. - Pearson Education - M. Fowler, K. Scott - "UML Distilled" - Addison-Wesley - E. Gamma, R. Helm, R. Johnson, J. Vlissides - "Design Patterns" - Addison-Wesley - M. Fowler, K. Beck, J. Brant, W. Opdyke, D. Roberts - "Refactoring: Improving the Design of Existing Code" - Addison-Wesley Professional

Codice insegnamento 27000110

Internet Computing 3° anno · 2° semestre · 6 CFU · IINF-05/A · 0 file
Laboratorio Di Automatica 3° anno · 1° semestre · 6 CFU · IINF-04/A · 0 file
Laboratorio Di Elettronica 3° anno · 2° semestre · 3 CFU · IINF-01/A · 0 file

Competenze specifiche Lo studente sarà in grado di: comprendere circuiti elettronici per l’acquisizione, il condizionamento e l’elaborazione di segnali; analizzare, progettare e realizzare un sistema elettronico di…

Scheda dell'insegnamento

Obiettivi formativi

Competenze specifiche

Lo studente sarà in grado di:

  • comprendere circuiti elettronici per l’acquisizione, il condizionamento e l’elaborazione di segnali;
  • analizzare, progettare e realizzare un sistema elettronico di acquisizione, condizionamento ed elaborazione.

Competenze trasversali

Lo studente sarà in grado di:

  • effettuare autonomamente scelte progettuali;
  • comunicare con linguaggio tecnico appropriato;
  • approfondire autonomamente le conoscenze in contesti di studio successivi.

Codice insegnamento 27010992

Machine Learning 3° anno · 2° semestre · 6 CFU · IINF-05/A · 0 file

1. Conoscenza e Comprensione Al termine del corso, lo studente sarà in grado di descrivere i fondamenti teorici del Machine Learning e i principali paradigmi di apprendimento. Sarà in grado di illustrare le tecniche di…

Scheda dell'insegnamento

Obiettivi formativi

1. Conoscenza e Comprensione Al termine del corso, lo studente sarà in grado di descrivere i fondamenti teorici del Machine Learning e i principali paradigmi di apprendimento. Sarà in grado di illustrare le tecniche di preprocessing e visualizzazione dei dati, gli algoritmi di classificazione (alberi decisionali, SVM, k-NN, metodi ensemble), di clustering (K-means, DBSCAN, clustering gerarchico) e di analisi delle associazioni (Apriori, FP-Growth). Sarà inoltre in grado di spiegare i modelli di regressione lineare e logistica, le funzioni di perdita e le architetture di reti neurali shallow e deep, incluse CNN, RNN, LSTM e il funzionamento dell'algoritmo di backpropagation.

2. Capacità di Applicare Conoscenza e Comprensione Al termine del corso, lo studente sarà in grado di applicare tecniche di preprocessing e analisi esplorativa a dataset reali. Sarà in grado di progettare pipeline di classificazione complete, gestendo overfitting, sbilanciamento delle classi e problemi multiclasse. Sarà in grado di costruire modelli di clustering e di analisi delle associazioni, implementare modelli regressivi e progettare, addestrare e ottimizzare reti neurali, scegliendo l'architettura più adeguata al problema (CNN per immagini, RNN/LSTM per sequenze e testo).

3. Autonomia di Giudizio Al termine del corso, lo studente sarà in grado di valutare criticamente il modello più adatto a un dato problema, considerando caratteristiche dei dati, metriche di prestazione e vincoli applicativi. Sarà in grado di identificare problemi di qualità dei dati, overfitting e underfitting, proponendo strategie correttive adeguate. Sarà inoltre in grado di confrontare approcci algoritmici alternativi, giustificando le proprie scelte, e di riconoscere i limiti dei modelli e le implicazioni etiche dell'uso del ML in contesti reali.

4. Abilità Comunicative Al termine del corso, lo studente sarà in grado di comunicare in modo chiaro e rigoroso, in italiano e in inglese, i concetti fondamentali del ML, le metodologie adottate e i risultati ottenuti. Sarà in grado di redigere relazioni tecniche strutturate e di presentare esperimenti a un pubblico tecnico, utilizzando grafici, tabelle e metriche di valutazione in modo appropriato ed efficace.

5. Capacità di Apprendimento Al termine del corso, lo studente sarà in grado di aggiornarsi autonomamente sulle evoluzioni del Machine Learning, attingendo a letteratura scientifica e risorse tecniche. Sarà in grado di affrontare percorsi di studio avanzati in Deep Learning, text e image classification, e di apprendere in autonomia nuovi algoritmi e framework (es. scikit-learn, PyTorch, TensorFlow), a partire dalle competenze teoriche e pratiche acquisite durante il corso.

Programma

  • Introduzione al processo di Knowledge Discovery
  • Preparazione e modellazione dei dati
  • Supervised e Unsupervised Learning
  • Classificazione e Clustering
  • Association Mining
  • Deep Neural Networks

1. Introduzione al Machine Learning
2. Cenni ad Elementi di Statistica e Calcolo delle Probabilità
3. Esplorazione e visualizzazione dei dati
Tipi di dati, Qualità dei dati, Data Preprocessing, Misure di similarità e dissimilarità, Statistiche descrittive, Visualizzazione.
4. Classificazione
Preliminari e approccio generale alla risoluzione di un problema di classificazione, Decision Tree Induction, Model Overfitting, Valutazione delle prestazioni di un classificatore, Metodi per il confronto tra classificatori.
5. Classificazione: tecniche alternative
Rule-Based Classifier, Nearest-Neighbor Classifier, Bayesian Classifier, Support Vector Machine (SVM), Ensemble Methods, Problema dello sbilanciamento delle classi, Problema multiclasse.
6. Regole Associative
Definizione del problema, Generazione di Frequent Itemset, Generazione di regole, Rappresentazione compatta dei Frequent Itemset, Metodi alternativi per la generazione di Frequent Itemset, FP-Growth Algorithm, Valutazione degli Association Pattern, Effetto della distribuzione sbilanciata del supporto, Gestione di attributi categorici e continui, Gestione di una gerarchia di concetti.
7. Cluster Analysis: concetti di base e algoritmi
Panoramica, K-means, Agglomerative Hierarchical Clustering, DBSCAN, Valutazione dei cluster, Caratteristiche dei dati, dei cluster e degli algoritmi di clustering, Fuzzy Prototype-Based Clustering, Graph-Based Clustering.
8. Regressione lineare e logistica
Regressione lineare, Loss function, Gradient descent, Funzione sigmoide, Classificazione con la regressione logistica, Binary cross-entropy loss function, Regressione logistica multinomiale e funzione softmax, Cross-entropy loss function.
9. Introduzione alle reti neurali
Shallow neural network, Teorema di approssimazione universale, Input e output multivariati, Shallow neural network: caso generale.
10. Deep neural network
Composizione di reti neurali, dalle reti composte alle deep network, notazione matriciale, shallow vs. deep neural network.
11. Loss function, cenni alla funzione gradiente e ottimizzazione
Maximum likelihood, Criteri per la costruzione delle loss function, Output multipli, Cross-entropy loss, cenni al Gradient descent e Stochastic gradient descent, Definizione dei problemi, Calcolo delle derivate, Algoritmo di Backpropagation.
12. Reti convoluzionali
Invarianza ed equivarianza, Reti convoluzionali per input 1D, Reti convoluzionali per input 2D, Downsampling, upsampling e dropout, Applicazioni.
13. Reti Neurali Ricorrenti e LSTM
Recurrent Neural Network, RNN come modelli del linguaggio, RNN per altri task di NLP, Architetture RNN stacked e bidirezionali, LSTM, Riepilogo delle principali architetture RNN per NLP, Il modello Encoder-Decoder con RNN.

Modalità d'esame

Metodi di valutazione dell'apprendimento.
Per ogni sessione di esame, il metodo di verifica dell'apprendimento si articola in due prove: presentazione di un progetto, svolto anche in collaborazione con altri studenti, e prova orale.

Il progetto viene solitamente assegnato durante il corso e il suo sviluppo è seguito dal docente che esegue le esercitazioni o da un tutor.
Prima della data in cui è stato fissato l'esame, lo studente presenta il progetto sviluppato in una riunione aperta. La presentazione deve comprendere, nel caso di sviluppo di algoritmi, i punti salienti, la complessità e la sua sperimentazione. Nel caso di un progetto riguardante un'attività di analisi dei dati, lo studente deve evidenziare l'obiettivo, il dataset utilizzato, le attività di normalizzazione dei dati, gli algoritmi e i risultati della sperimentazione, nonché un commento sulla deduzione tratta dall'analisi dei predetti dati. Nell'ambito della presentazione lo studente deve anche evidenziare il proprio contributo.

La prova orale, della durata di circa mezz'ora, si articola nella presentazione orale (e con l'ausilio della forma scritta) da parte dello studente, sulla base di domande specifiche (solitamente 3) proposte dal docente, di argomenti sviluppati nel corso e facenti parte del programma.

Criteri di valutazione dell'apprendimento.
Lo sviluppo del progetto mira a valutare il livello di raggiungimento delle competenze specifiche fornite dal corso sia dal punto di vista teorico che applicativo.
Per essere ammesso alla successiva prova orale, il docente deve ritenere sufficiente il progetto. Al progetto ritenuto sufficiente per poter sostenere la prova orale viene assegnato un voto maggiore o uguale a 18.

La prova orale intende approfondire la conoscenza degli algoritmi per l'analisi dei dati presentati durante il corso e degli eventuali ulteriori algoritmi utilizzati per lo sviluppo di applicazioni. Le domande prevedono l'esposizione di algoritmi e tecniche presentati durante il corso. L'esito della prova viene valutato sulla base della chiarezza, correttezza e completezza della presentazione sugli argomenti proposti per la discussione. Per superare la prova con un livello sufficiente, è necessario dimostrare una chiara conoscenza delle tecniche utilizzate per l'analisi dei dati e il corretto funzionamento degli algoritmi richiesti dal docente.

Criteri per misurare l'apprendimento e assegnare il voto finale.
I risultati delle due prove permetteranno di definire il calcolo del risultato complessivo dell'esame. L'attribuzione del voto finale, in trentesimi, è ipotizzata sulla base del calcolo della media ponderata degli esiti specifici delle due fasi, il cui peso è 1/3 per il progetto sviluppato e 2/3 per la prova orale.

Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Testi di riferimento

  • Pang-Ning Tan, Michael Steinbach, Anuj Karpatne, and Vipin Kumar: Introduction to Data Mining (2nd. ed.). Pearson. 2018.
  • Simon Prince: Understanding Deep Learning, MIT Press. 2025.

Codice insegnamento 27008407

Pianificazione E Gestione Dei Servizi Sanitari 3° anno · 1° semestre · 6 CFU · IINF-04/A · 0 file
Prova Finale 3° anno · 6 CFU · 0 file
Reti Di Telecomunicazioni 3° anno · 6 CFU · IINF-03/A · 0 file
Reti Di Telecomunicazioni E Internet Computing 3° anno · 1° semestre · IINF-03/A · 0 file

Modulo 2: INTERNET COMPUTING Il corso mira a fornire conoscenze sulle architetture, i protocolli e le applicazioni delle reti di calcolatori, nonché sulla progettazione e lo sviluppo di applicazioni di rete usando il…

Scheda dell'insegnamento

Obiettivi formativi

Modulo 2: INTERNET COMPUTING
Il corso mira a fornire conoscenze sulle architetture, i protocolli e le
applicazioni delle reti di calcolatori, nonché sulla progettazione e lo sviluppo di
applicazioni di rete usando il linguaggio Java.
Competenze specifiche:

  • comprensione del modello TCP/IP
  • conoscenza dell’architettura della rete Internet e dei suoi servizi
  • conoscenza delle applicazioni avanzate della rete Internet
  • conoscenza delle problematiche di sicurezza nelle reti informatiche
  • capacità di sviluppare applicazioni di rete mediante l’uso delle librerie
    standard di Java
  • capacità di sviluppare applicazioni di rete mediante l’uso di Web services
    Competenze trasversali:
  • abilità nella risoluzione di problemi, attraverso lo sviluppo di algoritmi e
    applicazioni informatiche.

Programma

Modulo 2: INTERNET COMPUTING
Il corso presenta le architetture, i protocolli e le applicazioni delle reti di calcolatori e di Internet, fornendo inoltre le conoscenze necessarie per progettare e sviluppare applicazioni di rete in Java usando sia meccanismi di basso livello (socket TCP, datagrammi UDP), sia tecnologie di più alto livello (Web services).

LEZIONI: 38 ore

  • Concetti introduttivi sulle reti e su Internet Computing (4 ore): reti di calcolatori, Internet, architetture client-server, peer-to-peer e ibride, accesso alla rete, commutazione, ritardi, throughput, modello ISO-OSI, modello TCP/IP.
  • Livello di applicazione e protocolli Internet (7 ore): processi comunicanti, socket, servizi di trasporto per le applicazioni, HTTP, FTP, posta elettronica, DNS, cookie, proxy, caching, applicazioni peer-to-peer.
  • Web services e applicazioni distribuite (4 ore): motivazioni, interoperabilità, formati dei dati, SOAP, WSDL, UDDI, REST, confronto tra SOAP e REST, integrazione applicativa (XML, JSON).
  • Cloud computing (4 ore): definizione, caratteristiche, motivazioni tecnologiche ed economiche, modelli public, private e hybrid cloud, modelli SaaS, PaaS e IaaS, virtualizzazione e interoperabilità.
  • Sicurezza nelle reti (6 ore): obiettivi della sicurezza, crittografia simmetrica e asimmetrica, RSA, funzioni hash, integrità dei messaggi, firma digitale, certificati, autenticazione, sicurezza della posta elettronica e PEC.
  • Sistemi peer-to-peer strutturati e DHT (3 ore): ricerca nei sistemi P2P, confronto tra approcci centralizzati, non strutturati e strutturati, Distributed Hash Tables, routing, gestione dei nodi, Chord.
  • Livello di trasporto (4 ore): servizi del livello di trasporto, multiplexing e demultiplexing, UDP, trasferimento dati affidabile, TCP, controllo di flusso e gestione della connessione.
  • Livello di rete, firewall e attacchi di rete (4 ore): inoltro, instradamento, protocollo IP, frammentazione, IPv4, DHCP, NAT, port forwarding, ICMP, firewall, filtraggio di pacchetto, DoS e DDoS.
  • Blockchain e consenso distribuito (2 ore): principi della blockchain, registro distribuito, transazioni, consenso, validazione, tipologie di blockchain, smart contracts.

ESERCITAZIONI: 18 ore

  • Programmazione di rete in Java e TCP Socket (2 ore): Richiami di Java, package java.net, socket, applicazioni client-server TCP, uso di Socket e ServerSocket, invio e ricezione di messaggi.
  • UDP e Datagram Socket (2 ore): Applicazioni UDP, uso di DatagramSocket e DatagramPacket, scambio di datagrammi e confronto tra TCP e UDP.
  • Multicast Socket (2 ore): Comunicazione multicast, uso di MulticastSocket, gruppi multicast, comunicazione uno-a-molti e cenni a NAT e instradamento multicast.
  • Esercizi su TCP, UDP e multicast (2 ore): Esercizi guidati su applicazioni client-server, protocolli applicativi semplici, scambio di messaggi e comunicazione di gruppo.
  • Accesso a risorse Web e servizi Web (3 ore): Uso di URL e URLConnection, accesso HTTP a risorse remote, lettura di contenuti Web, introduzione a Web server e Web service.
  • Web server REST e servizi RESTful (5 ore): Progettazione e uso di servizi RESTful, richieste e risposte HTTP, metodi HTTP, scambio dati in JSON/XML e confronto con SOAP.
  • Tracce d’esame (4 ore): Svolgimento guidato di tracce d’esame su TCP, UDP, multicast, risorse Web, Web server e servizi RESTful, con discussione delle soluzioni e degli errori più comuni.

Modulo 1: RETI DI TELECOMUNICAZIONI
Il corso presenta le tecnologie e i concetti che stanno alle basi delle reti di telecomunicazioni. In particolare si affronteranno le problematiche relative ai protocolli di comunicazione, al livello di accesso al mezzo, livello data-link e rete. Il protocollo di trasporto sarà anche analizzato per valutare i principi cardini della progettazione e dell'affidabilità del flusso dati Inoltre, il corso fornirà concetti di base per la pianificazione e progettazione di reti di TLC.

Introduzione alle reti di telecomunicazione e presentazione dei modelli ISO/OSI e TCP/IP. Livello di collegamento e accesso multiplo: struttura del frame, protocolli ARQ, accesso multiplo, . Il protocollo ARP e RARP con l'introduzione di alcuni tool di rete per il testing e troubleshooting. Strato di rete e Internet: IPv4, cenni IPv6, indirizzamento, frammentazione, algoritmi di routing, instradamento. Livello Trasporto con approfondimenti al controllo di flusso , errore e congestione nel TCP. Il protocollo UDP.
Introduzione alle reti di telecomunicazione e presentazione dei modelli ISO/OSI e TCP/IP. Livello di collegamento e accesso multiplo: struttura del frame, protocolli ARQ, accesso multiplo, . Il protocollo ARP e RARP con l'introduzione di alcuni tool di rete per il testing e troubleshooting. Strato di rete e Internet: IPv4, cenni IPv6, indirizzamento, frammentazione, algoritmi di routing, instradamento. Livello Trasporto con approfondimenti al controllo di flusso , errore e congestione nel TCP. Il protocollo UDP.

Modulo 1: RETI DI TELECOMUNICAZIONI
Il corso si propone di fornire le nozioni di base relative ai sistemi di comunicazione dati, alle reti di computer e ai sistemi di telecomunicazione più diffusi. Inoltre, intende fornire conoscenze sui principi di base dell’interconnessione tra reti e sulla progettazione di reti telematiche basate su architettura TCP/IP e relativi protocolli.

Generalità sulle reti di telecomunicazioni

  • Struttura ed architettura delle reti
  • La caratterizzazione del traffico in reti di Telecomunicazioni
  • La commutazione nelle reti punto-punto
  • Le topologie di rete: Topologie regolari e gerarchiche
  • Il modello di riferimento ISO OSI
  • Problemi di progetto per i vari livelli ISO-OSI,

I protocolli di livello Data Link e i protocolli MAC

  • I protocolli a finestra scorrevole: studio dei protocolli Stop-&-Wait, Go-Back-N e Selective Repeat e loro prestazioni
  • Il protocollo HDLC con relativo formato delle trame
  • Classificazione dei protocolli di Controllo di - Accesso al Mezzo
  • I protocolli Aloha e Slotted-Aloha e studio delle loro prestazioni
  • Il protocollo CSMA, CSMA/CD e i protocolli Control Token
  • Confronti tra protocolli MAC

Introduzione alle reti locali

  • Motivazione per l'uso di LAN
  • Topologie di comunicazione nelle LAN
  • Le reti locali “Ethernet”, "Token ring", "Token bus"

L’interconnessione di reti

  • Concetti di Hub, Bridge, Router, Gateway e confronti
  • Bridges da 802.X a 802.Y

La rete Internet e i suoi protocolli

  • Principi di interconnessione tra reti eterogenee
  • Internet e l’architettura protocollare TCP-IP
  • I principi della comunicazione inter-processo

Lo strato di applicazione

  • Il modello di comunicazione client-server
  • I protocolli applicativi di Internet (ftp, http, smtp)
  • Il sistema dei nomi a dominio (DNS) e la risoluzione dei nomi

L’indirizzamento IP

  • La risoluzione di indirizzi IP - MAC. Il protocollo ARP.
  • L’indirizzamento classful di IPv4, Indirizzi privati e NAT/NAPT, Sottoreti e Maschere, La tecnica VLSM di assegnazione di indirizzi IP.
  • L’indirizzamento classless e il CIDR e il supernetting.
  • Protocolli per l’assegnazione di indirizzi IP (RARP, BOOTP, DHCP)

Il Protocollo di rete IPv4

  • Lo strato IP e le sue funzioni
  • Formato del datagramma IP
  • I router IP e l’instradamento.
  • I sistemi autonomi in Internet
  • I protocolli di routing intra-dominio (IGP): Distance Vector e Link State
  • I protocolli IGP: RIP/RIPv2, OSPF
  • I protocolli di routing inter-dominio (EGP): BGPv4

Lo strato di trasporto

  • Le funzioni del livello di trasporto: porte e socket
  • Il protocollo TCP: controllo di flusso, di errore e di congestione
  • Il protocollo UDP

Evoluzione della rete Internet

  • Cenni ai paradigmi per Internet del futuro: SDN

Esercitazioni
Durante il corso saranno svolte delle esercitazioni mirate alla acquisizione di skill pratici relativi a:

  • Protocolli ARQ (Stop&Wait, GoBackN, Selective Repeat)
  • Accesso al mezzo (Aloha, CSMA)
  • Indirizzamento IP
  • IP routing
  • Trasporto in Internet

Modalità d'esame

Modulo 2: INTERNET COMPUTING
La prova scritta , della durata di due ore e trenta minuti , consiste in:

  • due quesiti sugli aspetti fondamentali delle reti di calcolatori, comprendenti domande teoriche ed eventuali esercizi applicativi;
  • due esercizi di programmazione basati sull’uso delle librerie standard di Java per la programmazione di rete e dei Web services.

La prova scritta ha lo scopo di valutare sia la capacità dello studente di descrivere i concetti teorici fondamentali delle reti di calcolatori, sia la capacità di sviluppare applicazioni di rete mediante l’uso del linguaggio Java e dei Web services.

La prova scritta è valutata in trentesimi . I due quesiti teorico-applicativi permettono di conseguire fino a 10 punti complessivi , mentre i due esercizi di programmazione permettono di conseguire fino a 20 punti complessivi . La prova scritta si considera superata con una votazione maggiore o uguale a 15/30 .

In caso di superamento della prova scritta, lo studente è ammesso alla prova orale .

La prova orale , della durata indicativa di circa 30 minuti , consiste in un colloquio sugli argomenti teorici e pratici affrontati durante il corso. Essa è finalizzata a valutare le conoscenze acquisite dallo studente sulle architetture, i protocolli e gli strumenti di programmazione delle reti di calcolatori, nonché la capacità di esporre e collegare in modo chiaro i diversi argomenti del corso.

L’esame è superato se anche la prova orale è giudicata almeno sufficiente. Il voto finale , espresso in trentesimi, viene attribuito tenendo conto del voto riportato nella prova scritta e della valutazione conseguita nella prova orale.

Le modalità d’esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971, o con disturbi specifici di apprendimento certificati ai sensi della legge 170/2010. A tal fine si farà riferimento all’art. 9 del “Regolamento per l’inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento”, emanato con Decreto Rettorale 01.03.2022, n. 370.

Modulo 1: RETI DI TELECOMUNICAZIONI
L'esame consiste di una prova scritta e di una prova orale. Saranno ammessi alla prova orale gli studenti che avranno superato con esito positivo la valutazione dell’elaborato. La prova scritta consiste nella risoluzione di 4 esercizi ed una domanda a risposta aperta sulle parte di teoria del corso. La prova scritta risulta superata se il risultato minimo è pari a 16/30. Il voto in trentesimi sarà espresso alla fine della prova orale che consentirà la verifica del livello di apprendimento dei contenuti del corso.
Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Modulo 1: RETI DI TELECOMUNICAZIONI
La valutazione dell’apprendimento avverrà tramite lo svolgimento di una prova orale che potrà essere preceduta da una prova scritta. La prova scritta, se prevista, consisterà nella soluzione di test a selezione multipla riferiti all’intero contenuto del corso ed avrà il solo scopo di filtrare in ingresso gli studenti che abbiano almeno una base di conoscenze minima indispensabile per affrontare la prova orale. La durata di norma è di 1 ora e le domande a cui rispondere saranno 30. Sono previsti per ciascun test punteggi positivi e negativi. Per garantire equità tra i diversi appelli, i voti di ciascuna prova scritta e le soglie di superamento saranno opportunamente normalizzati.
La prova orale verterà sugli argomenti delle varie lezioni e delle esercitazioni. Durante il colloquio lo studente potrebbe essere chiamato a svolgere semplici esercizi pratici (es. sulle tecniche di indirizzamento IP) per dimostrare gli skill pratici acquisiti. A fine esame verrà attribuito un voto che terrà conto prevalentemente dell’esito della prova orale.

Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del "Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento" (emanato con decreto rettorale 01.03.2022, n. 370).

Testi di riferimento

Modulo 2: INTERNET COMPUTING
Libro di testo: “Reti di Calcolatori e Internet – Un approccio top-down”. J.F.Kurose, K.W.Ross, Addison Wesley, 8a edizione

Lucidi delle lezioni e delle esercitazioni disponibili sulla piattaforma didattica del DIMES

Modulo 1: RETI DI TELECOMUNICAZIONI
Testo di riferimento : Tanenbaum, "Reti di Calcolatori". Leon W. Couch, "Fondamenti di Telecomunicazioni". Kurose, Ross, “Reti di Calcolatori e Internet”. Materiale Didattico: Dispense distribuite sul sito http://culture.deis.unical.it

Modulo 1: RETI DI TELECOMUNICAZIONI

  • Dispense fornite dal docente.
  • W. STALLINGS, Trasmissione Dati e Reti di Computer, Jackson Libri
  • F. HALSALL, Data Communications, Computer Networks and Open Systems, Addison Wesley
  • A.S.TANENBAUM, Computer Networks, Prentice Hall.
  • J. F. Kurose, K.W. Ross, Internet e Reti di calcolatori, McGraw-Hill
  • D. E. Comer, Internetworking with TCP/IP (Vol. I), Prentice Hall 1995
  • A. Pattavina, Reti di Telecomunicazione, II edizione, McGrawHill Education.

Codice insegnamento 27008889

Ricerca Operativa 3° anno · 6 CFU · MATH-06/A · 0 file

Il corso intende favorire un approccio razionale e metodologicamente rigoroso all’analisi di problemi decisionali complessi che si presentano nella gestione di aziende e strutture organizzate. Di seguito, gli obiettivi…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende favorire un approccio razionale e metodologicamente rigoroso all’analisi di problemi decisionali complessi che si presentano nella gestione di aziende e strutture organizzate. Di seguito, gli obiettivi formativi sono espressi utilizzando i descrittori di Dublino.
Conoscenza e capacità di comprensione:

  • conoscenza di base in materia di ottimizzazione e, più in generale, di matematica applicata;
  • capacità di comprendere le logiche di utilizzo di strumenti matematici per il supporto alle decisioni.

Conoscenza e capacità di comprensione applicate:

  • capacità di formulare problemi di programmazione lineare e di programmazione lineare intera;
  • capacità di risolvere i problemi formulati mediante adeguati metodi quantitativi.

Autonomia di giudizio: capacità di interpretare i risultati ottenuti e di valutarne l’utilità nei sistemi/processi analizzati.
Abilità comunicative: abilità nella descrizione, mediante una terminologia tecnica appropriata, dei modelli utilizzati, delle procedure adottate e dei risultati ottenuti.
Capacità di apprendere: capacità di approfondire autonomamente argomenti di ottimizzazione.

Programma

Il corso si articola in due parti.
La prima parte è incentrata sui seguenti argomenti:

  • modelli di programmazione matematica;
  • programmazione lineare.

La seconda parte è incentrata sui seguenti argomenti:

  • teoria della dualità;
  • programmazione lineare intera.
  • Introduzione alla ricerca operativa.
  • Modelli di programmazione matematica: formulazione di alcuni problemi decisionali.
  • Programmazione lineare. Risoluzione grafica. Metodo del simplesso. Metodo delle due fasi.
  • Teoria della dualità. Problema duale e relazioni di complementarietà. Metodo duale del simplesso. Interpretazione economica del problema duale e della sua soluzione. Analisi di sensitività.
  • Programmazione lineare intera. Algoritmo di Branch and Bound. Algoritmi dei Piani di Taglio.

Modalità d'esame

L’accertamento delle conoscenze e delle competenze acquisite avviene tramite un esame finale; non sono previsti esami parziali intermedi (esoneri). L’esame finale consiste in una prova scritta della durata di 100 minuti (a stimolo chiuso e risposta aperta). Tale prova include 3 esercizi numerici (formulazione di un problema decisionale attraverso la costruzione di un modello di ottimizzazione e applicazione di metodi quantitativi presentati durante le lezioni). Inoltre, occorre rispondere a 2 domande su aspetti teorici e metodologici. Il voto finale, in trentesimi, è attribuito sulla base dei risultati ottenuti nella prova (è previsto un confronto con la Commissione d'esame prima della verbalizzazione).
Le modalità d'esame saranno adeguate alle particolari esigenze degli studenti e delle studentesse con disabilità certificate ai sensi delle leggi 104/1992 e 118/1971 o con disturbi specifici di apprendimento (DSA) certificati ai sensi della legge 170/2010, facendo riferimento all'Art. 9 del “Regolamento per l'inclusione e il diritto allo studio di studenti con disabilità o con disturbi specifici di apprendimento” (emanato con D.R. 01.03.2022, n. 370).

Testi di riferimento

  • S. Martello, M.G. Speranza, Ricerca Operativa per l’Economia e l’Impresa, Ed. Esculapio, 2020.
  • M. Caramia, S. Giordani, F. Guerriero, R. Musmanno, D. Pacciarelli, Ricerca Operativa, ISEDI, 2014.
  • F.S. Hillier, G.J. Lieberman, Introduction to Operations Research, 11/e, McGraw-Hill, 2021 (in inglese).
  • H.A. Taha, Operations Research: An Introduction, 10/e, Pearson, 2017 (in inglese).
  • Note didattiche (a cura della docente; disponibili online).

Codice insegnamento 27000023

Robotica 3° anno · 2° semestre · 6 CFU · IINF-04/A · 0 file

Competenze da acquisire: ∙ Capacità a classificare ed individuare gli elementi costituenti di un robot industriale ∙ abilità ad impostare la risoluzione dei problemi di cinematica e cinematica differenziale ∙ abilità…

Scheda dell'insegnamento

Obiettivi formativi

Competenze da acquisire:
∙ Capacità a classificare ed individuare gli elementi costituenti di un robot industriale
∙ abilità ad impostare la risoluzione dei problemi di cinematica e cinematica differenziale
∙ abilità ad impostare e risolvere problemi di cinematica inversa
∙ abilità ad avvalersi degli strumenti del “Robotic ToolBox” per risolvere problemi cinematici diretti e inversi.
∙ abilità ad impostare il problema della dinamica di robot industriali con e senza interazione
∙ abilità ad avvalersi degli strumenti del “Robotic ToolBox” per determinare le matrici che descrivono la dinamica
dei robot Industriali
∙ abilità ad impostare la pianificazione di traiettorie sia nello spazio operativo che nello spazio dei giunti.
∙ abilità ad impostare leggi di controllo per l’esecuzione di predefiniti “task”
∙ abilità ad implementare “task” mediante un linguaggio di programmazione per Robot.

Codice insegnamento 27000115

Sviluppo Di Applicazioni Web 3° anno · 1° semestre · IINF-05/A · 0 file

MODULO 2: PROGRAMMAZIONE FRONT END L’obiettivo è quello di introdurre gli studenti alle problematiche relative allo sviluppo di applicazioni web con architettura a tre livelli, concentrandosi sullo sviluppo del front end…

Scheda dell'insegnamento

Obiettivi formativi

MODULO 2: PROGRAMMAZIONE FRONT END
L’obiettivo è quello di introdurre gli studenti alle problematiche relative allo sviluppo di applicazioni web con architettura a tre livelli, concentrandosi sullo sviluppo del front end dell'applicazione. Si studieranno le tecnologie Web con particolare riferimento alla progettazione e sviluppo di Single Page Application (SPA) analizzando esempi di framework che supportano la loro realizzazione.

Competenze specifiche:

  • Abilità di progettare e realizzare interfacce web dinamiche
  • Abilità di progettare e realizzare SPA.

Competenze trasversali:

  • Abilità alla collaborazione in piccoli gruppi ed alla condivisione e presentazione del lavoro svolto;

MODULO 1: PROGRAMMAZIONI BACK END
L’obiettivo è quello di introdurre gli studenti alle problematiche relative allo sviluppo di applicazioni web con architettura a tre livelli, concentrandosi sullo sviluppo del back end dell'applicazione. In particolare ci si concentrerà sulla progettazione e sviluppo di backend che forniscono i propri servizi sotto forma di web services (REST) utilizzabili sia da frontend web sia da frontend mobile.

In particolare si analizzano le caratteristiche dell’architettura Java Enterprise e dei più comuni framework per lo sviluppo di backend (ad esempio il framework Spring).

Competenze specifiche:

  • Abilità di progettare e il backend delle applicazione web (e mobile)
  • Abilità di progettare e realizzare librerie software per la gestione di oggetti persistenti utilizzando le tecnologie ORM

Competenze trasversali:

  • Abilità alla collaborazione in piccoli gruppi ed alla condivisione e presentazione del lavoro svolto;

Programma

MODULO 1: PROGRAMMAZIONI BACK END
Il corso introduce allo sviluppo di applicazioni web, partendo dal modello architetturale a tre livelli e analizzandone l’evoluzione verso paradigmi più modulari e orientati ai servizi. In particolare, viene approfondito l’ecosistema Java per lo sviluppo enterprise, con riferimento alle specifiche di Jakarta EE e ai framework applicativi della famiglia Spring, tra cui Spring Boot.

Argomento #1 Architetture web a tre livelli in Java e paradigmi orientati ai servizi.
Argomento #2 Strato di presentazione: HTML, Servlet, gestione del ciclo di vita delle richieste web, meccanismi di dispatching, handler e intercettazione delle richieste nei framework MVC.
Argomento #3 Strato di business: gestione dichiarativa delle transazioni, Web Services REST, Spring Framework, approccio API-first per la progettazione e lo sviluppo di servizi interoperabili, principi di Aspect-Oriented Programming (AOP) per la gestione degli aspetti trasversali.
Argomento #4 Strato di persistenza: JDBC, architettura JPA (Java Persistence Architecture), tecnologie ORM per la gestione della persistenza dei dati.

Modalità d'esame

MODULO 1: PROGRAMMAZIONI BACK END
Metodi di valutazione dell’apprendimento:
La valutazione si baserà su due prove svolte contestualmente (circa 30 minuti). La prima prova consiste nella presentazione di un progetto del back-end di un'applicazione web sviluppata utilizzando gli strumenti esposti nel corso. Durante il corso, progetti didattici degli anni passati sono presentati come casi di studio. La seconda prova consiste in un’interrogazione sugli argomenti teorici e pratici affrontati durante il corso.
Criteri di valutazione dell’apprendimento:
La prima prova permetterà di valutare la capacità di sviluppare il back-end di applicazioni web e la conoscenza delle relative tecnologie. La prova orale permetterà di valutare le conoscenze teoriche e pratiche acquisite su architetture, linguaggi e strumenti di programmazione delle applicazioni web.
Criteri di misurazione dell’apprendimento:
Entrambe le prove sono valutate in trentesimi.
Criteri di attribuzione del voto finale.
Se entrambe le prove sono giudicate almeno sufficiente, l’esame è superato con l’attribuzione di un voto finale in trentesimi. Il voto finale viene attribuito contestualmente, tenendo conto per due terzi del voto riportato nella prima prova e per un terzo della valutazione della seconda prova.

Appelli d’esame
Gli appelli d’esame sono definiti in conformità al calendario didattico del Corso di Studio e pubblicati attraverso i canali istituzionali dell’Ateneo (https://dimes.unical.it/didattica/iscriversi-studiare-laurearsi/frequentare-i-corsi/). Le modalità di prenotazione e partecipazione agli appelli seguono quanto previsto dal regolamento didattico vigente. Le modalità d'esame saranno inoltre adeguate alle particolari esigenze degli/delle studenti/studentesse con disabilità certificate ai sensi delle leggi 104/92 e 118/71 o con Disturbo specifico di apprendimento (DSA) certificato ai sensi della legge 170/2010), facendo riferimento alle indicazioni fornite dalla Delegata alle attività concernenti l’integrazione degli Studenti con disabilità e con disturbi specifici di apprendimento nell’Ateneo.

Testi di riferimento

MODULO 1: PROGRAMMAZIONI BACK END
Slide fornite dal docente; libro "Pro Spring 5An In-Depth Guide to the Spring Framework and Its Tool"Clarence Ho, Iuliana Cosmina, Rob Harrop, Chris Schaefer, Editori: Clarence Ho, Rob Harrop, Chris Schaefer

Codice insegnamento 27009548

Tirocinio 3° anno · 9 CFU · 0 file
Tirocinio Cyberchallenge 3° anno · 6 CFU · 0 file
Tirocinio Di Bioingegneria 3° anno · 6 CFU · 0 file
Circuiti Di Amplificazione E Condizionamento 2° semestre · 6 CFU · ING-INF/01 · 0 file
Fondamenti Di Circuiti Elettronici 1° semestre · 6 CFU · ING-INF/01 · 0 file
OFA Logica 1° semestre · 0 file
OFA Matematica 1° semestre · 0 file

Recensioni del corso

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

★

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