Corso di laurea

informatica

Università degli Studi di Napoli - Federico II · 38 materie · 5 file condivisi

Il corso si propone di formare la figura professionale dell'Informatico, e rappresenta il primo livello di un percorso formativo che prosegue con la laurea magistrale in Informatica. Obiettivi specifici del corso sono quelli di assicurare agli studenti una adeguata padronanza di metodi e contenuti scientifici e tecnologici generali volti a fornire una solida cultura di base nonché l'acquisizione di specifiche conoscenze professionali nell'ambito disciplinare dell'Informatica.
Le competenze teoriche e metodologiche intendono mettere i laureati in grado di aggiornarsi indipendentemente nel corso della propria carriera (formazione permanente) in una disciplina quale l'Informatica, soggetta a continua evoluzione. I contenuti coprono altresì aspetti tecnologici, mantenuti costantemente aggiornati. Vengono insegnate metodologie e tecniche per lo sviluppo di software a livello industriale. Le conoscenze pratiche vengono approfondite e raffinate mediante numerosi corsi di laboratorio (su programmazione, algoritmi, architetture degli elaboratori, sistemi operativi e basi di dati).
Di norma, il percorso formativo si conclude con un tirocinio presso una delle oltre 150 aziende con cui il Corso di Studi mantiene contatti. La laurea in Informatica (classe L-31) dà accesso all'Albo degli Ingegneri dell'Informazione, sez.B (quello accessibile ai laureati triennali).
I tipici sbocchi nel mondo del lavoro comprendono posizioni nei team di progettazione e sviluppo di software, e di gestione dei sistemi informatici, oltre alla libera professione.

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.

Al momento abbiamo 5 files caricati sul nostro portale suddivisi nelle 38 materie appartenenti al tuo corso di laurea.

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 1° anno · 2° semestre · 6 CFU · MATH-02/A · 0 file

Obiettivo del corso è quello di fornire allo studente la capacità di utilizzare correttamente il linguaggio insiemistico, migliorare la sua capacità di astrazione e quella di riconoscere strutture matematiche,…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivo del corso è quello di fornire allo studente la capacità di utilizzare correttamente il linguaggio insiemistico, migliorare la sua capacità di astrazione e quella di riconoscere strutture matematiche, focalizzando l’attenzione sulle principali strutture algebriche e su quelle della matematica discreta che hanno applicazioni in informatica. Lo studente acquisirà, in particolare, familiarità con l’aritmetica modulare e saprà riconoscere e descrivere in dettaglio relazioni di equivalenza, ordinamenti e reticoli, strutture booleane incluse.
Conoscenza e capacita' di comprensione: Lo studente acquisirà la capacità di utilizzare correttamente un linguaggio semiformalizzato e svilupperà capacità di astrazione.
Capacita' di applicare conoscenza e comprensione: Lo studente acquisirà familiarità con l’aritmetica modulare, con alcune proprietà di strutture algebriche e saprà riconoscere e descrivere in dettaglio relazioni di equivalenza, ordinamenti e reticoli, strutture booleane incluse.

Programma

Logica intuitiva, introduzione elementare al calcolo dei predicati. Linguaggio della teoria degli insiemi, applicazioni e confronto tra insiemi. Calcolo combinatorio, fattoriali, coefficienti binomiali. Relazioni binarie: equivalenze e partizioni; ordinamenti, buon ordinamento dei numeri naturali e principio di induzione. Operazioni e strutture algebriche. Semigruppi, monoidi, gruppi, anelli, campi. Parti stabili, sottostrutture. Omomorfismi e strutture quoziente. Reticoli, algebre di Boole, anelli booleani. Reticoli come particolari insiemi ordinati e come strutture algebriche. Sottoreticoli, isomorfismi. Connessioni tra reticoli, algebre e anelli di Boole. Aritmetica. L'anello Z degli interi, il teorema fondamentale dell'aritmetica, l’algoritmo euclideo delle divisioni successive. Congruenze in Z, gli anelli delle classi di resto, aritmetica modulare. Equazioni congruenziali lineari.

Modalità d'esame

Valutazione della prova scritta e, superata questa, di quella orale.

Testi di riferimento

Facchini, Algebra e Matematica Discreta, Decibel Padova 2000
Note del corso:

  • Note Combinatoria, Aritmetica[, Polinomi, Grafi] (reperibile su questa pagina)
  • Note Logica, Insiemi, Insiemi ordinati, Strutture algebriche (reperibile su questa pagina)

Codice insegnamento P533759792

ANALISI MATEMATICA I 1° anno · 1° semestre · 9 CFU · MATH-03/A · 2 file
Archivio Globale

Il corso intende fornire allo studente gli strumenti essenziali del calcolo differenziale ed integrale con particolare riferimento al caso delle funzioni di una sola variabile reale. Il corso prevede un congruo numero di…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire allo studente gli strumenti essenziali del calcolo differenziale ed integrale con particolare riferimento al caso delle funzioni di una sola variabile reale. Il corso prevede un congruo numero di ore di esercitazioni; esse hanno anche il compito di stimolare un' autonoma capacità di giudizio.
Conoscenza e capacita' di comprensione: Gli studenti, alla fine del corso, dovranno dimostrare di conoscere le nozioni relative al calcolo infinitesimale, differenziale ed integrale per funzioni reali di una variabile reale e gli strumenti di calcolo sviluppati.
Capacita' di applicare conoscenza e comprensione: Gli studenti, alla fine del corso, dovranno essere in grado di tradurre in termini analitici semplici problemi concreti.

Programma

ELEMENTI DI TEORIA DEGLI INSIEMI: Elementi di logica: proposizioni, connettivi e quantificatori. Cenni di teoria degli insiemi. Relazioni di equivalenza, relazioni d’ordine e relazioni funzionali. Funzioni e nozioni relative. Grafico di una funzione. Funzione composta e funzione inversa.
INSIEMI NUMERICI: Insieme dei numeri naturali. Principio di induzione. Insieme dei numeri interi relativi e insieme dei numeri razionali. Non completezza di Q. Insiemi separati. Elementi di separazione. Insiemi contigui. Il campo ordinato dei numeri reali. Proprietà di completezza. Valore assoluto. Insiemi limitati. Maggioranti e minoranti. Estremo superiore ed estremo inferiore. Massimo e minimo. Intervalli. Intorni di un punto. Intorni destri e sinistri. Punti di accumulazione. L'insieme ampliato dei numeri reali. Fattoriale di un numero naturale. Coefficienti binomiali e binomio di Newton.
FUNZIONI REALI: Funzioni limitate. Proprietà algebriche. Massimo e minimo di una funzione. Estremo superiore ed estremo inferiore di una funzione. Funzioni monotone e strettamente monotone.
FUNZIONI ELEMENTARI: Funzioni potenza n-sima e radice n-sima. Funzione potenza con esponente reale. Funzione esponenziale e funzione logaritmo. Funzioni trigonometriche e trigonometriche inverse.
SUCCESSIONI: Limite di una successione; prime proprietà dei limiti: teoremi di unicità del limite, del confronto, della permanenza del segno. Operazioni con i limiti e forme indeterminate. Successioni monotone e proprietà; il numero di Nepero (s.d.).
LIMITI DELLE FUNZIONI REALI: Generalità. Teorema di unicità del limite, della permanenza del segno, di confronto. Limite destro e sinistro. Teorema ponte (s.d.). Limiti delle funzioni composte (s.d.). Limiti delle funzioni monotone (s.d.). Limiti delle funzioni elementari. Limiti notevoli. Infiniti e infinitesimi.
FUNZIONI CONTINUE: Generalità. Caratterizzazione mediante successioni. Punti di discontinuità. Operazioni con le funzioni continue. Continuità delle funzioni composte (s.d.). Teorema di Weierstrass (s.d.). Teorema degli zeri. Teoremi dei valori intermedi. Continuità delle funzioni monotone. Monotonia di funzioni continue iniettive. Continuità della funzione inversa.
FUNZIONI DERIVABILI: Definizione di derivata e sua interpretazione geometrica. Continuità delle funzioni derivabili. Approssimazione lineare di una funzione. Derivata destra e sinistra. Derivate delle funzioni elementari. Regole di derivazione. Derivazione della funzione composta (s.d.). Derivazione della funzione inversa (s.d.). Derivate di ordine superiore.
APPLICAZIONI DEL CALCOLO DIFFERENZIALE: Teorema di Rolle. Teorema di Cauchy. Teorema di Lagrange. Conseguenze del teorema di Lagrange. Discontinuità della derivata. Primo e secondo teorema dell'Hopital. Formula di Taylor con il resto di Peano. Applicazione al calcolo dei limiti. Massimi e minimi relativi di una funzione. Condizioni necessarie e sufficienti per i punti di massimo e minimo relativo. Massimi e minimi assoluti di una funzione. Concavità, convessità e flessi. Condizioni necessarie e sufficienti per la concavità e la convessità di una funzione (s.d.). Condizioni necessarie e sufficienti per i punti di flesso (s.d.). Studio del grafico di una funzione.
INTEGRAZIONE SECONDO RIEMANN: Suddivisione di un intervallo. Definizione di funzione integrabile secondo Riemann e sua caratterizzazione. Interpretazione geometrica dell'integrale. Integrabilità delle funzioni monotone e delle funzioni continue (s.d.). Proprietà dell'integrale: linearità, monotonia, additività. Teorema della media. Integrale definito. Primitive: proprietà. Teorema di esistenza di primitive. Formula fondamentale del calcolo integrale. Integrali immediati o ad essi riconducibili. Regola di integrazione per parti e per sostituzione. Integrali di funzioni razionali fratte. Calcolo di aree. Calcolo di volumi per solidi di rotazione.
SERIE NUMERICHE: Generalità sulle serie numeriche. Condizione necessaria per la convergenza di una serie. La serie geometrica. Operazioni con le serie. Criterio di Cauchy per la convergenza di una serie. Serie resto. Serie a termini di segno costante e loro carattere. Serie armonica. Criteri di confronto. Criterio del rapporto. Criterio della radice. Serie a segno alterno. Teorema di Leibnitz (s.d.). Serie assolutamente convergenti e proprietà.
N.B. Gli argomenti o i teoremi contrassegnati con (sd) sono senza dimostrazione.

Modalità d'esame

Il voto è formulato dalla Commissione d'Esame sulla base dell'esito della prova scritta e dell'adeguatezza delle risposte fornite dallo studente ai quesiti che gli sono stati formulati durante la prova orale. Il voto finale è, inoltre, opportunamente motivato allo studente.

Testi di riferimento

Appunti e sussidi didattici sul sito web-docenti.
Si consigliano i seguenti testi:

  • P. MARCELLINI- C. SBORDONE, Elementi di Analisi Matematica Uno, Liguori Editore.
  • P. MARCELLINI- C. SBORDONE, Analisi Matematica Uno, Liguori Editore.
  • P. MARCELLINI- C. SBORDONE, Esercitazioni di Matematica, vol. I (parte prima e parte seconda), Liguori Editore.
  • G. ZWINNER, Esercizi e complementi di analisi matematica vol.1, CEDAM.
  • A. ALVINO - G. TROMBETTI, Elementi di Matematica I - Ed. Liguori
  • M. BRAMANTI - C.D. PAGANI - S. SALSA, Analisi Matematica I - Ed. Zanichelli

Codice insegnamento P530922234

Architettura degli Elaboratori 1° anno · 1° semestre · 9 CFU · INFO-01/A · 0 file

Conoscere e applicare le principali codifiche digitali dei dati. Saper interpretare e manipolare espressioni dell’algebra di Boole. Saper tradurre un’espressione booleana in circuito combinatorio e viceversa. Saper…

Scheda dell'insegnamento

Obiettivi formativi

Conoscere e applicare le principali codifiche digitali dei dati. Saper interpretare e manipolare espressioni dell’algebra di Boole. Saper tradurre un’espressione booleana in circuito combinatorio e viceversa. Saper minimizzare espressioni booleane. Conoscere le macchine di Moore e Mealy. Conoscere la struttura dei principali circuiti logico-aritmetici e delle ALU. Conoscere l’architettura dei microprocessori basati sul paradigma ARM. Saper realizzare programmi in linguaggio assembly di un processore ARM. Conoscere le principali architetture di memoria, incluse le memorie cache e la memoria virtuale.
Conoscenza e capacita' di comprensione: Lo studente si sarà impadronito dei principi di base che sottendono all'elaborazione dell'informazione digitale. In particolare, avrà acquisito competenze che gli consentiranno di comprendere, analizzare e progettare circuiti combinatori e sequenziali. Attraverso lo studio dell'unità Aritmetico-Logica lo studente apprenderà i concetti di base per l'implementazione delle funzioni booleane mediante reti combinatorie. Lo studente deve dimostrare conoscenza dei principi costruttivi e delle caratteristiche funzionali delle memorie cache. Conoscenza dei principi costruttivi delle unità di elaborazione (datapath) e delle unità di controllo.
Capacita' di applicare conoscenza e comprensione: - Esecuzione e comprensione del processo di traduzione nell'assembler di un'architettura RISC;

  • Analisi di una rete combinatoria e determinazione della relativa funzione booleana implementata;
  • Esecuzione delle conversioni in notazione decimale, dei principi di rappresentazione dei numeri interi e frazionari;
  • Rappresentazione di una rete sequenziale attraverso una macchina di Moore o Mealy.

Programma

Rappresentazioni digitale dei dati. Operazioni aritmetiche e overflow. Algebra di Boole, funzioni booleane, circuiti combinatori e porte logiche. Minimizzazione di funzioni booleane. Multiplexer e decoder. Elementi di timing. Circuiti sequenziali elementari: latch e flip-flop. Macchine di Mealy e Moore: analisi e sintesi. Circuiti addizionatori e ALU. Architettura ARM: elementi hardware, formato istruzione, architettura interna. Programmazione in assembly ARM. Connessioni con i costrutti del linguaggio C. Introduzione alle memorie cache. Analisi delle prestazioni di sistemi con cache. Introduzione al concetto di memoria virtuale. Traduzione degli indirizzi. Architetture a ciclo singolo, a ciclo multiplo e basate su pipeline.

Modalità d'esame

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Testi di riferimento

David Money Harris, Sarah L. Harris
Sistemi digitali e architettura dei calcolatori, Progettare con tecnologia ARM
Zanichelli

Codice insegnamento architettura-degli-elaboratori

Basi di Dati 1° anno · 2° semestre · 9 CFU · INFO-01/A · 0 file

Il corso si propone di fornire allo studente le competenze fondamentali per comprendere, progettare e utilizzare basi di dati in applicazioni software. In particolare, si intende: Introdurre i concetti fondamentali dei…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire allo studente le competenze fondamentali per comprendere, progettare e utilizzare basi di dati in applicazioni software. In particolare, si intende:

  • Introdurre i concetti fondamentali dei sistemi di gestione di basi di dati (DBMS).
  • Sviluppare competenze nella modellazione concettuale dei dati mediante i modelli UML e ER.
  • Introduzione all’ algebra relazionale per una comprensione formale e applicativa delle interrogazioni.
  • Trasformare modelli concettuali in progetti logici e fisici di basi di dati.
  • Acquisire padronanza nell’uso del linguaggio SQL , sia per la definizione che per l’interrogazione e manipolazione dei dati.
  • Introdurre il linguaggio PL/SQL e l’uso di trigger, vincoli e asserzioni .
  • Introdurre le basi dell’ SQL dinamico .
    Conoscenza e capacita' di comprensione: Al termine del corso, lo studente avrà acquisito conoscenze riguardanti:
  • Architettura, funzionalità e vantaggi dei sistemi di gestione di basi di dati .
  • Modelli concettuali (ER, UML) per la rappresentazione dei dati.
  • Algebra relazionale come formalismo per la manipolazione dei dati.
  • Fondamenti del linguaggio SQL e sue componenti (DDL, DML, SDL).
  • Principi della progettazione logica e fisica delle basi di dati.
  • Meccanismi di controllo dell’integrità: vincoli, assertion, trigger .
  • Concetti di programmazione procedurale all’interno del DBMS (PL/SQL).
  • Uso dell’ SQL dinamico per scenari applicativi complessi.
    Capacita' di applicare conoscenza e comprensione: Al termine del corso, lo studente sarà in grado di:
  • Progettare e realizzare basi di dati partendo dai requisiti informativi.
  • Modellare dati mediante diagrammi ER/UML e trasformarli in schemi logici.
  • Scrivere query SQL complesse per la ricerca e manipolazione dei dati.
  • Applicare vincoli e sviluppare trigger per il mantenimento dell’integrità.
  • Sviluppare procedure e funzioni in PL/SQL .
  • Utilizzare l’ SQL dinamico per costruire query flessibili in ambienti applicativi.

Programma

  • Introduzione alla Gestione dei Dati
  • Dati e sistemi informativi
  • Gestione con file vs gestione con DBMS
  • Architettura e funzionalità di un DBMS
  • Modellazione Concettuale
  • Modello Entità-Relazione (ER)
  • Diagrammi UML per la rappresentazione dei dati
  • Progettazione concettuale
  • Ristrutturazione del modello concettuale
  • Algebra Relazionale
  • Operatori fondamentali e derivati
  • Esecuzione di interrogazioni tramite algebra relazionale
  • Confronto con SQL
  • Progettazione Logica e Fisica
  • Mapping concettuale-logico
  • Progettazione logica e normalizzazione
  • Progettazione fisica: indici, organizzazione dei file
  • SQL: Linguaggio per Basi di Dati
  • DDL (Data Definition Language)
  • DML (Data Manipulation Language)
  • SDL (Storage and access paths)
  • Query con join, aggregazioni, sottoquery e viste
  • Integrità dei Dati
  • Vincoli di chiave, dominio, referenziali
  • Assertion e trigger
  • PL/SQL
  • Strutture di controllo, variabili e tipi
  • Procedure, funzioni e pacchetti
  • Gestione delle eccezioni
  • SQL Dinamico
  • Costruzione ed esecuzione dinamica di comandi SQL
  • Applicazioni tipiche in contesti multiutente o interattivi

Modalità d'esame

l campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Testi di riferimento

Libro

  • Fundamentals of Database Systems, Elmasri-Navathe
  • Basi di Dati, Atzeni-Ceri-Fraternali-Paraboschi-Torlone
    Lucidi del corso

Codice insegnamento basi-di-dati

Inglese 1° anno · 2° semestre · 3 CFU · 0 file
PROGRAMMAZIONE 1° anno · 1° semestre · 12 CFU · INFO-01/A · 0 file

Obiettivo del corso è introdurre gli studenti al paradigma della programmazione imperativa, con particolare riferimento all'uso dell'iterazione e della ricorsione, e fornire le competenze necessarie per progettare e…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivo del corso è introdurre gli studenti al paradigma della programmazione imperativa, con particolare riferimento all'uso dell'iterazione e della ricorsione, e fornire le competenze necessarie per progettare e sviluppare algoritmi di complessità contenuta. Il corso mira inoltre a fornire competenze pratiche per lo sviluppo di programmi e per l'utilizzo delle principali strutture dati di base nel linguaggio C. Al termine del corso, gli studenti saranno inoltre in grado di utilizzare ambienti di sviluppo a riga di comando e ambienti di sviluppo integrati (IDE).
Conoscenza e capacita' di comprensione: Al termine del corso, lo studente avrà acquisito conoscenze di base relative al paradigma della programmazione imperativa e ai principali costrutti utilizzati nella progettazione di algoritmi, con particolare riferimento a sequenza, selezione, iterazione e ricorsione.
Lo studente conoscerà inoltre i principi fondamentali del linguaggio C, le modalità di definizione e utilizzo di funzioni, il passaggio dei parametri, i tipi di dati derivati, i puntatori, l'allocazione dinamica della memoria e le principali strutture dati di base, tra cui array, stringhe, record, liste, stack e queue.
Capacita' di applicare conoscenza e comprensione: Al termine del corso, lo studente sarà in grado di progettare e implementare in linguaggio C algoritmi di complessità contenuta, utilizzando in modo appropriato i principali costrutti della programmazione imperativa, l'iterazione e la ricorsione. Sarà inoltre in grado di sviluppare semplici programmi che utilizzano le principali strutture dati trattate nel corso, di utilizzare ambienti di sviluppo a riga di comando e IDE e di affrontare le principali fasi del ciclo di sviluppo del software, comprendenti implementazione, compilazione, testing e debugging.

Programma

Fondamenti di programmazione e architettura del calcolatore (1,5 CFU) Introduzione alla programmazione e al concetto di algoritmo. Proprietà degli algoritmi e processo di sviluppo del software. Architettura di base di un calcolatore: CPU, memoria e dispositivi di input/output. Rappresentazione binaria di dati e istruzioni, indirizzamento della memoria e ciclo di esecuzione delle istruzioni. Linguaggi di programmazione ad alto livello, compilazione ed esecuzione dei programmi.
Programmazione strutturata e linguaggio C (2,5 CFU) Struttura di un programma C. Tipi di dati fondamentali, variabili, costanti, operatori ed espressioni. Input/output formattato. Rappresentazione degli algoritmi mediante pseudocodice e diagrammi di flusso. Progettazione top-down e raffinamenti successivi. Costrutti di controllo: sequenza, selezione e iterazione. Espressioni booleane e operatori logici. Funzioni, astrazione procedurale, parametri, valori di ritorno, scope e durata delle variabili.
Array, stringhe, matrici e algoritmi di base (2 CFU) Array monodimensionali e bidimensionali, rappresentazione in memoria, indicizzazione e accesso agli elementi. Stringhe e array di stringhe. Passaggio di array e matrici alle funzioni. Algoritmi per ricerca, inserimento, cancellazione, trasformazione e ordinamento degli elementi. Ricerca su array ordinati e introduzione alla ricerca binaria. Elaborazione di matrici e dati testuali.
Puntatori, tipi composti e memoria dinamica (2 CFU) Indirizzi di memoria e puntatori. Operatori di indirizzamento e dereferenziazione. Relazione tra array e puntatori e aritmetica dei puntatori. Tipi di dati derivati e struct. Accesso ai campi e passaggio di strutture alle funzioni. Allocazione dinamica della memoria mediante malloc e free. Gestione di strutture allocate dinamicamente.
Strutture dati dinamiche e ricorsione (2,5 CFU) Introduzione agli Abstract Data Types. Liste semplicemente e doppiamente concatenate: rappresentazione, creazione, visita, ricerca, inserimento, cancellazione e rilascio della memoria. Applicazioni delle liste a problemi strutturati. Introduzione a stack e queue e ai principali algoritmi per la loro gestione. Principi della ricorsione, caso base e passo ricorsivo. Stack delle chiamate, progettazione di funzioni ricorsive e confronto tra soluzioni iterative e ricorsive.
File, modularità e sviluppo di programmi (1,5 CFU) Gestione dei file di testo in C: stream, apertura, chiusura, lettura e scrittura. Organizzazione di programmi in più file sorgente, header, dichiarazioni, definizioni, compilazione e linking. Introduzione agli strumenti di sviluppo a riga di comando e agli ambienti integrati. Compilazione con gcc, interpretazione di errori e warning, debugging e testing. Esercitazioni e sviluppo di programmi di complessità crescente che integrano array, stringhe, struct, puntatori, allocazione dinamica, liste e file.

Modalità d'esame

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Testi di riferimento

Il materiale didattico comprende slide delle lezioni, esercizi, esempi di programmi in linguaggio C, tracce di esercitazioni e progetti di programmazione forniti dai docenti.
Libri di testo consigliati:

  • Paul Deitel, Harvey M. Deitel. Il linguaggio C. Fondamenti e tecniche di programmazione. Pearson.
  • Brian W. Kernighan, Dennis Ritchie. Il linguaggio C. Principi di programmazione e manuale di riferimento. Pearson.

Codice insegnamento P946099173

Programmazione Object-Oriented 1° anno · 2° semestre · 9 CFU · INFO-01/A · 0 file

Acquisizione delle competenze di base per la progettazione orientata agli oggetti attraverso la comprensione dei concetti di astrazione sui dati, di incapsulamento dell’informazione, di coesione e accoppiamento, e di…

Scheda dell'insegnamento

Obiettivi formativi

Acquisizione delle competenze di base per la progettazione orientata agli oggetti attraverso la comprensione dei concetti di astrazione sui dati, di incapsulamento dell’informazione, di coesione e accoppiamento, e di riutilizzo del codice; comprensione delle differenze tra paradigma orientato agli oggetti e il paradigma procedurale, conoscenza del linguaggio java per la definizione di classi e per la promozione del riutilizzo del software capacità di applicare conoscenza e comprensione delle principali abilita (ossia la capacita di applicare le conoscenze acquisite) saranno: analisi di problemi, specifica dei requisiti e definizione di una strategia risolutiva con un approccio orientato agli oggetti, con la sua implementazione nel linguaggio Java, garantendo il giusto equilibrio tra qualità ed efficienza del software.
Conoscenza e capacita' di comprensione: Al termine dell’insegnamento, lo studente dovrà conoscere e comprendere i principi fondamentali della programmazione orientata agli oggetti, le principali differenze rispetto al paradigma procedurale e gli elementi essenziali del linguaggio Java. Dovrà inoltre comprendere la struttura e il funzionamento di semplici applicazioni orientate agli oggetti.
Capacita' di applicare conoscenza e comprensione: Lo studente dovrà essere in grado di analizzare semplici problemi, progettare una soluzione secondo il paradigma orientato agli oggetti e implementarla in linguaggio Java. Dovrà inoltre saper leggere, comprendere, modificare e documentare semplici programmi, motivando le principali scelte progettuali e implementative.

Programma

La programmazione orientata agli oggetti; concetti di astrazione dei dati e di incapsulamento; Progettazione di classi. Concetti di coesione e accoppiamento; Ereditarietà e riuso; Interfacce, classi astratte e polimorfismo; UML: Class Diagrams e Sequence Diagrams; Introduzione a Java, alla JVM e al JDK; Oggetti, variabili, riferimenti; classi e metodi, costruttori, comunicazione fra oggetti, parametri espliciti e impliciti; il riferimento this; Tipi di dati fondamentali. Classi Object e String; Meccanismi di autoboxing e unboxing; Accenni di gestione delle Eccezioni; Le collezioni in Java: List e sue implementazioni. For generico (for each); Programmazione di interfacce grafiche ad eventi. Libreria Swing.

Modalità d'esame

Il campo sarà definito secondo l’aggiornamento delle Linee guida del PQA in corso di predisposizione

Testi di riferimento

Appunti delle lezioni disponibili sul sito docenti;
Paul J. Deitel - Harvey M. Deitel: Programmare in Java, 11/Ed., Pearson
Martin Fowler: UML Distilled, 4/Ed., Pearson

Codice insegnamento programmazione-object-oriented

Analisi e Progettazione di Algoritmi 2° anno · 2° semestre · 6 CFU · INF/01 · 0 file

Il corso intende fornire un'introduzione alle tecniche di analisi del tempo di esecuzione degli algoritmi. Verranno presentate inoltre tecniche di progettazione di algoritmi, quali divide-et-impera, algoritmi greedy,…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire un'introduzione alle tecniche di analisi del tempo di esecuzione degli algoritmi. Verranno presentate inoltre tecniche di progettazione di algoritmi, quali divide-et-impera, algoritmi greedy, programmazione dinamica. Algoritmi avanzati su grafi.
Conoscenza e capacita' di comprensione: Conoscenza delle tecniche di base per l'analisi del tempo di esecuzione di un algoritmo.
Conoscenza delle principali tecniche di progettazione di algoritmi.
Capacita' di applicare conoscenza e comprensione: Capacità di applicare le tecniche di analisi del tempo di esecuzione per valutare le prestazioni di un algoritmo.
Capacità di sviluppare algoritmi per la soluzione di problemi applicando tecniche di problem solving di decomposizione e riduzione.
Capacità di integrare strutture dati adeguate per la soluzione algortmica efficiente di problemi.

Programma

Analisi di algoritmi:

  • Calcolo della complessità computazionale degli algoritmi: notazione asintotica
  • Calcolo del tempo di esecuzione di algoritmi iterativi
  • Calcolo del tempo di esecuzione di algoritmi ricorsivi, metodi di soluzione di equazioni di ricorrenza.
  • Analisi di complessità dei principali algoritmi di ordinamento: Insertion Sort, Selection Sort, Merge Sort, Heap Sort, Quick Sort
    Algoritmi ricorsivi e iterativi: traduzione di algoritmi ricorsivi in iterativi con stack.
    Tecniche di progettazione di algoritmi:Programmazione Dinamica e Algoritmi Greedy
  • - problema dello zaino 0/1 e dello zaino frazionario;
  • - massima sottosequenza comune;
  • - percorsi minimi su grafi pesati da singola sorgente e tra tutte le coppie di vertici (Floyd-Warshal);
  • - albero binario di ricerca ottimo;
  • - schedulazione di aintervalli pesati e non pesati.

Modalità d'esame

Livello di profondità di conoscenza e comprensione dei concetti discussi durante il corso.
Capacità di applicare i concetti presentati durante il corso ai problemi proposti all'esame.

Testi di riferimento

T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein, Introduction to Algorithms, 2009, 3°ed.
J. Erickson, Algorithms, 2019, Online version ( https://jeffe.cs.illinois.edu/teaching/algorithms/ ).

Codice insegnamento analisi-e-progettazione-di-algoritmi

Analisi e Progettazione di Strutture Dati 2° anno · 1° semestre · 9 CFU · INF/01 · 0 file

Il corso si propone di fornire le conoscenze di base per la progettazione strutture dati efficienti. In particolare, verranno illustrate le tecniche di base per l'analisi la valutazione dell'efficienza delle principali…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire le conoscenze di base per la progettazione strutture dati efficienti. In particolare, verranno illustrate le tecniche di base per l'analisi la valutazione dell'efficienza delle principali strutture dati. Tali concetti verranno illustrati a livello teorico e metodologico e applicati, a titolo esemplificativo, alla progettazione e valutazione sia di strutture dati elementari (tra cui liste, alberi) che di strutture dati più avanzate (come tabelle hash e alberi bilanciati, grafi).
Conoscenza e capacita' di comprensione: Conoscenza delle strutture dati elementari (liste, code, stack) e struture per la rappresentazione di insiemi dinamici quali alberi e grafi.
Conoscenza delle tecniche di progettazione di strutture dati generiche.
Capacita' di applicare conoscenza e comprensione: Capacità di progettare e implenentare strutture dati generiche in Java.
Capacità di integrare strutture dati adeguate per la soluzione algoritmica efficiente di problemi.

Programma

Strutture dati elementari e algoritmi fondamentali:

  • array, array ordinati e array dinamici
  • code e stack
  • liste puntate.
    Progettazione di strutture dati indipendenti dai dati in Java tramite l'impiego dei "generics":
  • Introduzione ai generics in Java e loro utilizzo: lambda-espressioni, interfacce e classi e metodi generici.
  • Presentazione e discussione del progetto del corso
    Alberi binari:
  • Alberi binari di ricerca e algoritmi di ricerca, inserimento, cancellazione.
  • Alberi bilanciati: alberi AVL e alberi Rossi e Neri. e Algoritmi di ricerca, inserimento, cancellazione.
    Grafi orientati e non orientati:
  • Rappresentazione di grafi e grafi pesati.
  • Algoritmi di attraversamento di grafi:
  • Visita in ampiezza (BFS) -
  • Visita in profondità (DFS).
  • Applicazioni delle visite di grafi:
  • Cammini minimi in grafi non pesati,
  • Verifica dell'aciclicità di un grafo orientato
  • Ordinamenti topologici di grafi aciclici
  • Componenti fortemente connesse.
  • Algoritmi di Dijkstra e di Bellman-Ford per calcolo di percorsi minimi in grafi pesati.

Modalità d'esame

Livello di profondità di conoscenza e comprensione dei concetti discussi durante il corso.
Capacità di applicare i concetti presentati durante il corso a problemi proposti all'esame.

Testi di riferimento

T.H. Cormen, C.E. Leiserson, R.L Rivest, C. Stein "Introduzione agli algoritmi e strutture dati". McGraw-Hill
C.A. Sheffer, Data Structures and Algorithm Analysis in Java, 2013, Online version ( https://people.cs.vt.edu/shaffer/Book/ )

Codice insegnamento analisi-e-progettazione-di-strutture-dati

ELEMENTI DI INFORMATICA TEORICA 2° anno · 1° semestre · 6 CFU · INF/01 · 0 file

Introdurre lo studente a nozioni e risultati teorici di base soggiacenti all’informatica. Lo studente potrà impadronirsi di concetti fondamentali dell'Informatica teorica e dei relativi modelli astratti di calcolo,…

Scheda dell'insegnamento

Obiettivi formativi

Introdurre lo studente a nozioni e risultati teorici di base soggiacenti all’informatica. Lo studente potrà impadronirsi di concetti fondamentali dell'Informatica teorica e dei relativi modelli astratti di calcolo, apprezzandone l’utilità sia per un inquadramento generale del curriculum in Informatica sia per lo sviluppo delle proprie capacità professionali.
Conoscenza e capacita' di comprensione: Lo studente deve mostrare di conoscere e comprendere le definizioni di concetti di base nella teoria della calcolabilità, con esempi, controesempi e risultati fondamentali. Deve inoltre mostrare un'adeguata conoscenza e comprensione dei modelli di calcolo su stringhe, riconoscendo tra l'altro le relazioni che intercorrono tra automi e grammatiche formali.
Capacita' di applicare conoscenza e comprensione: Lo studente deve essere in grado di dimostrare se una semplice funzione sia o meno parzialmente calcolabile, e se un dato insieme sia ricorsivamente enumerabile. Dato un semplice linguaggio formale, deve inoltre saper disegnare il diagramma di transizione di stato di un automa finito che lo riconosca, o dimostrare che ciò non è possibile, o ancora scrivere le regole di produzione di una grammatica che lo generi. Viceversa, assegnato un semplice automa finito, deterministico o meno, lo studente deve saper descrivere il linguaggio da esso accettato, anche tramite espressioni regolari.

Programma

Il concetto di calcolabilità: funzioni calcolabili e parzialmente calcolabili. Composizione di funzioni di più variabili, ricorsione primitiva. Classi PRC, funzioni ricorsive primitive. Predicati calcolabili e ricorsivi primitivi. Definizione di funzioni per casi. Operatori di somma e prodotto, quantificatori limitati. Minimalizzazione limitata e non. Funzioni non calcolabili: argomento diagonale di Cantor, problema della fermata. Tesi di Church–Turing. Universalità; parziale calcolabilità delle funzioni universali. Insiemi di numeri (naturali) ricorsivi e ricorsivamente enumerabili. Decidibilità: procedure di decisione e semi-decisione. Insieme diagonale e antidiagonale. [3 CFU]
Rappresentazione unaria, binaria e n-aria; linguaggi (insiemi di parole) r.e. e ricorsivi. Macchine di Turing. Automi finiti e linguaggi regolari. Automi non deterministici. Complemento, unione e intersezione di linguaggi regolari. Prodotto (concatenazione) e stella (iterazione). Teorema di Kleene, espressioni regolari. Pumping lemma per linguaggi regolari. Grammatiche e linguaggi context-free. Alberi di derivazione, ambiguità. Grammatiche regolari. Automi pushdown (a pila) e loro corrispondenza con le grammatiche context-free. Grammatiche in forma normale di Chomsky. Pumping lemma per i linguaggi context-free. Cenno a grammatiche context-sensitive e gerarchia di Chomsky–Schützenberger. [3 CFU]

Modalità d'esame

L'esito positivo della prova scritta (soglia variabile da 13 a 16/30) è vincolante ai fini dell'accesso alla prova orale.
Prova scritta e orale incidono rispettivamente per 1/3 e 2/3 sul voto finale.

Testi di riferimento

Libri di testo

  • M. Davis, R. Sigal, E. J. Weyuker: Computability, Complexity, and Languages (2nd ed.), Academic Press, 1994.
  • M. Sipser: Introduzione alla teoria della computazione , Apogeo, Maggioli Editore 2016.
    Il primo è accessibile online dalla rete di Ateneo. Entrambi sono disponibili presso la biblioteca di Area Scienze a MSA.
    Programma di studio dai libri di testo
    Dal testo 1
  • Capitoli 1–4 — Calcolabilità (e nozioni preliminari): pagine 1–74 (dimostrazione del teorema 3.2 esclusa) e 78–84.
  • Capitoli 5–6 — Macchine di Turing (cenni): pagine 129–130 (esclusa tabella 4.1), 145–147 (escluso teorema 1.1) e 153–154 (solo paragrafo 3 fino al teorema 3.1, dim. esclusa).
  • Capitolo 9 — Linguaggi regolari: pagine 237–262, esclusa la dimostrazione dei lemmi 1 e 2 a pag. 245.
    Dal testo 2
  • Capitolo 2 — Grammatiche indipendenti dal contesto: pagine 103–124 (tranne: teorema 2.9, lemma 2.27) e 129–134.

Codice insegnamento P776897765

Esame a Scelta Libera (si veda 2° anno · 2° semestre · 6 CFU · 0 file
FISICA GENERALE I 2° anno · 1° semestre · 6 CFU · FIS/01 · 0 file

L’insegnamento si propone di fornire agli studenti le nozioni e i concetti di base della Cinematica e della Dinamica dei punti materiali e dei corpi rigidi e i primi cenni di termodinamica, privilegiando gli aspetti…

Scheda dell'insegnamento

Obiettivi formativi

L’insegnamento si propone di fornire agli studenti le nozioni e i concetti di base della Cinematica e della Dinamica dei punti materiali e dei corpi rigidi e i primi cenni di termodinamica, privilegiando
gli aspetti fenomenologici e metodologici. Gli studenti acquisiranno, inoltre, un’abilità operativa consapevole nella risoluzione di esercizi numerici.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e saper comprendere i fondamenti teorici e sperimentali della meccanica, con particolare riferimento alle leggi di conservazione e agli aspetti energetici.
Egli deve inoltre acquisire la capacità di descrivere problematiche di meccanica del punto materiale e del corpo rigido adottando una corretta terminologia. Lo studente, infine, deve saper
comprendere gli schemi e gli strumenti concettuali fisico-matematici necessari per l’apprendimento del sapere scientifico in generale.
Capacita' di applicare conoscenza e comprensione: Al termine del corso lo studente deve dimostrare di aver acquisito la capacità di applicare le conoscenze apprese per risolvere in modo quantitativo problemi relativamente semplici di
meccanica del punto materiale e del corpo rigido. Il percorso formativo è orientato a trasmettere le capacità di selezionare le informazioni note di un problema e di introdurre le opportune
schematizzazioni e semplificazioni per la sua soluzione.

Programma

Metodo scientifico. Grandezze fisiche, dimensioni ed unità di misura.
Cinematica del punto materiale.
Moto rettilineo: legge oraria, velocità e accelerazione media e istantanea.
Moto uniforme ed uniformemente accelerato.
Moti piani. Moto di un proiettile. Moto circolare: accelerazione centripeta ed accelerazione tangenziale. Sistemi di riferimento in moto relativo. Trasformazioni Galileiane. Velocità e accelerazione di trascinamento.
Dinamica del punto materiale. Leggi di Newton.
Reazioni vincolari. Le forze: forza peso, forza elastica, attrito statico e dinamico, forze resistenti.
Forze apparenti.
Quantità di moto e impulso di una forza.
Lavoro di una forza.
Energia cinetica.
Forze conservative ed energia potenziale.
Conservazione dell'energia meccanica.
Dinamica dei sistemi di punti materiali.
Teorema del centro di massa e prima equazione cardinale della dinamica dei sistemi.
Principio di conservazione della quantità di moto di un sistema.
Energia cinetica e teorema di Koenig.
Cenni: urti.
Momento angolare e momento di forze per i sistemi di punti materiali.
Seconda equazione cardinale della dinamica dei sistemi e principio di conservazione del momento angolare.
Dinamica dei corpi rigidi: traslazioni, rotazioni e rototraslazioni.
Rotazioni attorno ad un asse fisso: momento angolare e momento d’inerzia, energia cinetica, lavoro.
Teorema di Huygens-Steiner.
Cenno ai moti giroscopici.
Equilibrio di corpi rigidi.
Sistemi di forze e baricentro.
La gravitazione: leggi di Keplero e legge della gravitazione universale.
Massa inerziale e massa gravitazionale.
Aspetti energetici ed orbite di satelliti.
Oscillatore armonico ed aspetti energetici. Cenni alle oscillazioni smorzate e forzate: la risonanza.
Moti periodici e pendoli.
Fluidi e statica dei fluidi. La pressione e la sua misura. Legge di Stevino, principio di Pascal e
principio di Archimede.
Dinamica dei fluidi e Teorema di Bernoulli.
Cenni di termodinamica.

Modalità d'esame

Il voto è formulato dalla Commissione d’Esame sulla base dell’adeguatezza delle risposte fornite dallo studente ai quesiti che gli sono stati formulati. Il voto finale è, inoltre, opportunamente
motivato allo studente.

Testi di riferimento

  • P. Mazzoldi, M. Nigro, C. Voci, Elementi di Fisica (meccanica e termodinamica), EdiSES;
  • D, Halliday, R. Resnick, J. Walker, Fondamenti di Fisica (Meccanica, Termologia, Elettrologia, Magnetismo, Ottica), Casa Editrice Ambrosiana;
  • R. A. Serway e J.W. Jewett, Fisica (per Scienze ed Ingegneria), Vol. 1, EdiSES
  • Douglas C. Giancoli, Physics for Scientists &Engineers, 5th edition, Published by Pearson
    oppure un equivalente testo di Fisica Generale I di livello universitario.
  • Corso online di Fisica I tenuto dal Prof. L. Marrucci sulla piattaforma Federica.EU dell’ateneo
    (link https://www.federica.eu/c/fisica_i).

Codice insegnamento P115709816

GEOMETRIA 2° anno · 1° semestre · 6 CFU · MAT/03 · 0 file
Archivio Globale

Students should learn all the basic tools of linear algebra and geometry. The goal of this course is, on one hand, to get used to afford formal problems by using adequate tools and correct language, on the other hand…

Scheda dell'insegnamento

Obiettivi formativi

Students should learn all the basic tools of linear algebra and geometry. The goal of this course is, on one hand, to get used to afford formal problems by using adequate tools and correct language, on the other hand to solve specific problems of algebraic or geometric type, applying the methods of linear algebra.
Conoscenza e capacita' di comprensione: Students are requested to prove to be acquainted with notions (definitions, statements, proofs, if specifically indicated in the syllabus) related to the known algebraic and geometric structures (vector spaces, the plane and the space of the elementary geometry, matrix spaces) and the calculation tools developed during the course. They should be able to understand topics like those learned, by reworking known notions.
Capacita' di applicare conoscenza e comprensione: Students should be able to apply what they learned in solving suitable exercises elaborated by the teacher, mainly related with lines and planes, matrices, equations, vectors, and they should know the basic problematics related to algebraic and geometric structures.

Programma

Recap on set theory and algebraic structures : 0.25 CFU
Union, intersection, complement, cartesian product; correspondences and relations, maps, restrictions: injective, surjective, and bijective maps. Composition of maps. A characterization of bijective maps. Internal operations: associativity, neutral element, symmetric elements, commutativity. Abelian and non-abelian groups (with some examples). Fields. External operations (multiplication on vectors as an example).
Vector spaces and Euclidean spaces: 2 CFU
Definition and elementary properties of a vector space. Examples: numerical vector spaces, polynomials, matrices, vectors of the elementary geometry. Linear combinations. Linear dependence and independence, and their characterizations. Generators. Subspaces and their characterizations. The linear spam of a subset of vectors. Bases of a vector space, and related components. Extraction of a basis from a set of generators. The Steinitz lemma and its consequences: the dimension of a vector space, the construction of a basis starting from a linearly independent set of vectors. Intersection, sum, direct sum of subspaces. The Grassmann formula. The notion of Euclidean vector spaces: inner products in real vector spaces, the length of a vector, angles between vectors, orthonormal bases. The Gram-Schmidt process. Orthogonal complements. The standard inner product on numerical vector spaces. The inner product between geometric vectors. The vector product in 3-dimensional spaces.
Matrices, determinants and linear systems of equations : 1 CFU
Elementary operations on the rows of a matrix and stepped matrices. The rank of a matrix and the number of pivots of a stepped matrix. Triangular and diagonal matrices. The row-by-column product. The notion of determinant of a square matrix: classical definition and elementary properties (without proofs). Characterization of the maximum rank of a square matrix by the non-vanishing of their determinants. Computation of determinants: first and second Laplace theorems, Kronecker theorem (without proof). Invertible matrices and the determination of the inverse. Similarity of matrices. Linear systems: compatibility and Rouchè-Capelli theorem. Cramer theorem and Gauss elimination algorithm. Determination of a basis of the vector space of solutions of a homogeneous linear system. Each subspace of a numerical vector space is the space of solutions of a homogeneous linear system. Cartesian and parametric representation of subspaces of numerical vector spaces.
Linear maps : 0.5 CFU
The notion of linear map: elementary properties. Linear maps preserve linear dependence. Kernel and image of a linear map. A characterization of injective and surjective linear maps. The fundamental theorem of linear maps. Endomorphisms and isomorphisms. The isomorphism associated to given bases. The transition matrices associated to a change of bases. The rank nullity theorem (without proof). Similarity of matrices associated to a given endomorphism in different bases.
Diagonalization of endomorphisms and matrices: 0.5 CFU
Eigenvalues, eigenvectors, and eigenspaces of endomorphisms (and square matrices). The characteristic polynomial. Algebraic and geometric multiplicity of an eigenvalue. Characterization of the diagonalizability of endomorphisms and square matrices through the existence of a basis of eigenvectors. Determination of the eigenvalues and of a basis of eigenvectors of a diagonalizable endomorphism or square matrix.
Affine Euclidean spaces : 1,75 CFU
Basic definitions. Affine frames and coordinates of a point. Affine Euclidean subspaces. Parallelism among subspaces. Skew lines. Cartesian and parametric representation of affine (Euclidean) subspaces. The study of incidence and parallelism of subspaces. Orthogonality conditions among subspaces in dimension 2 or 3. Distance among subsets of points. Distance among a point and a hyperplane. Midpoint and perpendicular bisector of the segment. Circle and sphere. Affine transformations in 2 and 3 dimensions: definition and representation, projections, reflections, symmetries, affinities, isometries.

Modalità d'esame

The grade is formulated by the Examination Commission on the basis of the outcome of written test, in particular on the basis of the consistency and accuracy of the exercises performed and the adequacy of the answers provided by the student to the theory questions. The final grade is also suitably motivated to the student.

Testi di riferimento

M. R. Casali, C. Gagliardi, L. Grasselli. "Geometria", Societa' editrice Esculapio.
Per Approfondimenti:
L. A. Lomonaco. "Geometria e Algebra", Aracne editrice
F. Orecchia. "Elementi di Geometria e Algebra lineare", Volumi I-III. Liguori Editore
Esercizi e Dispense:
G. Anichini, G. Conti, R. Paoletti. "Algebra Lineare e Geometria Analitica" (Eserciziario). Pearson, 2013
M. Brunetti. "Algebra lineare e Geometria" (Eserciziario), Edises.

Codice insegnamento P739892275

Linguaggi di Programmazione 2° anno · 2° semestre · 6 CFU · INF/01 · 0 file

Fornire gli elementi tecnici per classificare i numerosissimi linguaggi di programmazione esistenti, rispetto a paradigma di computazione, caratteristiche del sistema di tipi, modalità di gestione della memoria,…

Scheda dell'insegnamento

Obiettivi formativi

Fornire gli elementi tecnici per classificare i numerosissimi linguaggi di programmazione esistenti, rispetto a paradigma di
computazione, caratteristiche del sistema di tipi, modalità di gestione della memoria, controllo di flusso e supporto del
parallelismo. Cominciare a rendere gli studenti "utenti intelligenti" dei linguaggi di programmazione, cioè capaci di scegliere
il paradigma più adatto al contesto applicativo dato, di sfruttare efficacemente le funzionalità offerte dai linguaggi e di
apprendere rapidamente nuovi linguaggi. Il corso fornisce un trattamento approfondito del core di Java ed elementi di
linguaggi funzionali e logici.
Conoscenza e capacita' di comprensione: Conoscenza di almeno un linguaggio di programmazione per ogni paradigma e capacità di apprendere velocemente nuovi linguaggi di programmazione mediante una classificazione delle loro caratteristiche.
Capacita' di applicare conoscenza e comprensione: Capacità di programmare in molteplici linguaggi appartenenti a diversi paradigmi, scelgiendo ove possibile il linguaggio più adatto al problema da risolvere.

Programma

Introduzione ai linguaggi di programmazione. Cenni storici. Richiami degli elementi informatica teorica rilevanti per il corso.
Cenni ai paradigmi di programmazione. Compilazione e interpretazione dei linguaggi. Supporto a run-time e gestione della
memoria. Modalità di passaggio dei parametri. Strutturazione dei dati e controllo dei tipi. Tipi elementari e user defined.
Encapsulation: tipi di dato astratti, moduli, classi. Sistemi di tipo nei linguaggi ad oggetti: sottotipi ed ereditarietà;
compatibilità tra tipi. Java: Costrutti di controllo e sistema di tipi in dettaglio. Tipi parametrici (programmazione generica).
Strutturazione della computazione: gestione delle eccezioni. Gestione della memoria in Java (inclusi costruttori, stringhe,
garbage collection e gestione dell'ambiente non locale in presenza di classi interne). Costrutti funzionali
di base, con esempi in ML. Programmazione in Prolog.

Modalità d'esame

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Testi di riferimento

Si veda la pagina del corso (https://www.docenti.unina.it/teacher/504945524f20414e44524541424f4e41545449424e54504e4436334231334835303148/didactics/didactics-material)

Codice insegnamento linguaggi-di-programmazione

Metodi Statistici per l'Informazione 2° anno · 2° semestre · 6 CFU · ING-INF/03 · 0 file

Obiettivo dell'insegnamento è fornire gli strumenti metodologici ed operativi per l'uso dei metodi probabilistici e statistici nell'elaborazione dei dati e nel trattamento dell'informazione. Conoscenza e capacita' di…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivo dell'insegnamento è fornire gli strumenti metodologici ed operativi per l'uso dei metodi probabilistici e statistici nell'elaborazione dei dati e nel trattamento dell'informazione.
Conoscenza e capacita' di comprensione: Lo studente dovrà acquisire i concetti fondamentali della probabilità elementare, quello di variabile aleatoria, discreta e continua, con la sua caratterizzazione statistica. Lo studente dovrà anche acquisire familiarità con la modellizzazione statistico-probabilistico di problemi concernenti l’elaborazione dell’informazione.
Capacita' di applicare conoscenza e comprensione: Lo studente dovrà essere in grado di usare gli strumenti concettuali e operativi della teoria della probabilità per risolvere problemi di elaborazione dell’informazione, inclusi problemi di decisione e stima di parametri.

Programma

Elementi di teoria degli insiemi e di analisi combinatoria. Definizione di probabilità, probabilità congiunta, marginale e condizionale, indipendenza statistica, probabilità composta, legge di Bayes, teorema della probabilità totale. Variabili aleatorie (vv.aa.) discrete e continue e loro caratterizzazione statistica sintetica, , modelli di uso comune, funzioni di vv.aa., teorema fondamentale della media, coppie di vv.aa., correlazione, covarianza, indipendenza fra vv.aa., vettori aleatori, caso Gaussiano, cenni sui processi aleatori e sui teoremi limite. Misura dell’informazione, entropia, mutua informazione, codifica senza perdita d’informazione. Problemi di decisione e di stima, stima a massima verosimiglianza e massima probabilità a posteriori, algoritmo del gradiente.

Modalità d'esame

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Testi di riferimento

S. M. Ross, "Probabilità e statistica per l'ingegneria e le scienze", Maggioli Editore, IV edizione.

Codice insegnamento metodi-statistici-per-l-informazione

Sistemi Operativi 2° anno · 2° semestre · 9 CFU · INF/01 · 0 file

Il corso intende fornire un'introduzione alla struttura e alle funzioni dei moderni Sistemi Operativi esaminandone i principi, le componenti fondamentali, le metodologie di progettazione e di sviluppo, gli algoritmi e…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire un'introduzione alla struttura e alle funzioni dei moderni Sistemi Operativi esaminandone i principi, le componenti fondamentali, le metodologie di progettazione e di sviluppo, gli algoritmi e gli strumenti di base. L’insegnamento fornisce quindi allo studente gli strumenti teorici, metodologici e tecnici per comprendere, analizzare e descrivere caratteristiche, funzioni e interazioni delle principali componenti dei Sistemi Operativi moderni con particolare riferimento ai Sistemi Operativi Unix e Linux. Ulteriore finalità del corso è quella di fornire abilità di base nell’uso di una piattaforma a livello utente e amministratore introducendo anche allo sviluppo di applicazioni in ambiente Unix/Linux.
Conoscenza e capacita' di comprensione: Al termine del corso gli studenti avranno appreso la conoscenza di principi, componenti, metodologie di progettazione e di sviluppo, algoritmi e gli strumenti di base dei moderni Sistemi Operativi.
Capacita' di applicare conoscenza e comprensione: Al termine del corso gli studenti avranno appreso conoscenza e abilità di base nell’uso di una piattaforma a livello utente ed amministratore, principi di scripting e programmazione di sistema.

Programma

Introduzione ai Sistemi Operativi: definizioni di strutture, architetture e componenti.
Gestione dei processi: Concetti, operazioni e comunicazioni sui processi; definizioni di thread; gestione della CPU, criteri ed algoritmi di scheduling e valutazione degli algoritmi. Scheduling per sistemi di elaborazione in tempo reale. Sincronizzazione dei processi; problema della sezione critica; architetture di sincronizzazione; semafori; problemi tipici di sincronizzazione; regioni critiche; monitor. Stallo dei processi, rilevamento, evitamento e ripristino da situazioni di stallo. Introduzione alla shell bash. Introduzione alle chiamate di sistema.
Gestione della memoria principale: indirizzi fisici e logici, binding degli indirizzi, allocazione contigua, frammentazione, paginazione, segmentazione. Gestione della memoria virtuale, demand paging, gestione del page fault, algoritmi di sostituzione pagina, gestione della memoria libera, località, thrashing. Non-uniform memory access. Allocazione memoria kernel.
Gestione memoria di massa: memoria secondaria e terziaria, struttura dei dischi, scheduling del disco, gestione dell’unità a disco, gestione dell'area di swap, gestione dello spazio libero, rilevamento e correzioni di errori, strutture RAID.
Sistemi di I/O: Architetture e dispositivi di I/O; Interfaccia di I/O per le applicazioni, sottosistema per l'I/O del nucleo, trasformazione delle richieste di I/O in operazioni dei dispositivi, prestazioni.
File System: Interfaccia, struttura e realizzazione del file system, metodi di allocazione dei file, metodi di accesso, condivisione e protezione di file, operazioni sul file system. Metodi di assegnazione, gestione dello spazio libero, efficienza e prestazioni.

Modalità d'esame

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Testi di riferimento

Silberschatz, Galvin, Gagne: Sistemi operativi. Concetti ed esempi, Pearson Education Italia.
Documenti, lucidi e note forniti sul team del corso.

Codice insegnamento sistemi-operativi

AI Technologies 3° anno · 2° semestre · 6 CFU · 0 file
Algorithm Design 3° anno · 2° semestre · 6 CFU · 0 file

Il corso intende fornire un’introduzione alle tecniche avanzate di progettazione degli algoritmi, alla complessità computazionale e alla trattabilità dei problemi. Vengono, in particolare, presentate le principali…

Scheda dell'insegnamento

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

Obiettivi formativi

Il corso intende fornire un’introduzione alle tecniche avanzate di progettazione degli algoritmi, alla complessità computazionale e alla trattabilità dei problemi. Vengono, in particolare, presentate le principali tecniche di dimostrazione di correttezza, esaminate le tecniche di progettazione greedy e di programmazione dinamica, con applicazioni alla soluzione di vari problemi di ottimizzazione (pianificazione di attività, problemi su grafi pesati, clustering, ecc.). Vengono brevemente discusse le classi di complessità P e NP, il concetto di NP-completezza e di riduzione tra problemi. Vengono infine presentate tecniche di progettazione ed analisi di algoritmi approssimati per la soluzione di problemi computazionalmente difficili.
Conoscenza e capacita' di comprensione: Conoscenza delle tecniche di progettazione di algoritmi (ad esempio, programmazione dinamica, approcci greedy, approocci di approssimazione) e loro applicazioni concrete.
Conoscenza di base della teoria della complessità: problemi trattabili e intrattabili e riduzioni. Conoscenza dei più noti problemi intrattabili.
Capacita' di applicare conoscenza e comprensione: Capacità di progettare, ove possibile, algoritmi di programmazione dinalica o greedy per la soluzione di problemi di ottimizzazione.
Capacità di dimostrare la trattabilità o non trattabilità di un problema.

Programma

Tecniche di Progettazione di Algoritmi
Ricorsione e Divide-et-Impera
Backtracking
Programmazione Dinamica
Algoritmi Greedy
Applicazione delle Tecniche di Progettazione alla Soluzione di Problemi di Ottimizzazione
Problema dello Zaino
Massima Sottosequenza Comune
Alberi di Ricerca Ottimali
Allineamento di Sequenze
Percorsi Minimi su Grafi Pesati
Problemi Logistici e Schedulazione di Attività.
Flusso su Reti e Applicazioni
Algoritmo di Ford Fulkerson
Flusso Massimo e taglio minimo
Matching Bipartito
Segmentazioni di Immagini
Algoritmi Approssimati e Fattore di Approssimazione
Algoritmo 2-Approssimato per il Problema della Minima Copertura dei Vertici di un Grafo
Algoritmo 2-Approssimato per il Problema dello Zaino

Modalità d'esame

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione.

Testi di riferimento

[KT'06]: J. Kleinberg, E. Tardos, Algorithm Design, 2006, 1° ed.
[CLRS'09]: T.H. Cormen, C.E. Leiserson, R.L. Rivest, C. Stein, Introduction to Algorithms, 2009, 3°ed.
[Eri'19]: J. Erickson, Algorithms, 2019, Online version (https://jeffe.cs.illinois.edu/teaching/algorithms/).
[Rou'22]: T. Roughgarden, Algorithms Illuminated (Omnibus Edition), 2022, 1° ed.

Codice insegnamento algorithm-design

Calcolo Numerico 3° anno · 2° semestre · 6 CFU · MAT/08 · 0 file

Il corso è una introduzione ai principali metodi numerici per la risoluzione di problemi che nascono nelle scienze e nell’ingegneria e ha come principale obiettivo quello di fornire agli studenti le conoscenze di base…

Scheda dell'insegnamento

Obiettivi formativi

Il corso è una introduzione ai principali metodi numerici per la risoluzione di problemi che nascono nelle scienze e nell’ingegneria e ha come principale obiettivo quello di fornire agli studenti le conoscenze di base necessarie per la derivazione, l’analisi e l’uso di tali metodi, con particolare attenzione alle problematiche relative all’utilizzo di un sistema aritmetico a precisione finita, al condizionamento del problema e alla stabilità del metodo. Lo scopo è quello di favorire nello studente lo sviluppo della capacità di scegliere e applicare la tecnica numerica appropriata per un determinato problema, e di interpretare i risultati e stabilirne l’accuratezza.
L'attività di laboratorio è volta all'acquisizione di competenze nell’uso di linguaggi di programmazione per l'implementazione dei principali metodi studiati e di un ambiente interattivo per la risoluzione di problemi di calcolo scientifico.
Conoscenza e capacita' di comprensione: Lo studente deve:

  • dimostrare di conoscere e saper comprendere le problematiche relative ai principali metodi numerici e come essi sono usati per ottenere soluzioni approssimate di problemi matematici;
  • essere in grado di comprendere la relazione tra gli aspetti teorici e i problemi pratici che nascono nella risoluzione di un problema;
  • saper analizzare e valutare l’accuratezza e la complessità dei metodi numerici più comuni;
  • saper analizzare e confrontare metodi numerici sulla base delle diverse caratteristiche dei problemi da risolvere.
    Capacita' di applicare conoscenza e comprensione: Lo studente deve:
  • dimostrare di sapere applicare i metodi numerici per ottenere soluzioni approssimate di problemi del calcolo scientifico, quali interpolazione, derivazione, integrazione, risoluzione di equazioni lineari e non lineari, risoluzione di equazioni differenziali;
  • saper risolvere i problemi computazionali attraverso la progettazione di algoritmi strutturati;
  • implementare i metodi numerici in Matlab e scrivere codici efficienti e ben documentati, presentando i risultati numerici in maniera efficace .
  • saper interpretare i risultati computazionali anche in relazione all’accuratezza e all’efficienza dei metodi.

Programma

  • [0.5 CFU] Stabilità, condizionamento e analisi dell’errore - Sorgenti di errore nei modelli computazionali; condizionamento di un problema matematico; stabilità di metodi numerici.
  • [1 CFU] Ricerca di radici di equazioni non lineari - Il metodo di bisezione. Il metodo delle secanti, delle tangenti (Newton-Raphson). Il metodo delle iterazioni di punto fisso. Studio della convergenza. Ordine di convergenza.
  • [1.25 CFU] Approssimazione polinomiale di funzioni e dati - Il problema generale dell’interpolazione. Interpolazione polinomiale. Formula di interpolazione di Lagrange. Formulazione baricentrica. Formula di Newton alle differenze divise. Interpolazione con funzioni polinomiali a tratti. Funzioni spline. Metodo dei minimi quadrati. Caso discreto.
  • [1 CFU] Integrazione numerica - Introduzione al calcolo numerico degli integrali definiti. Formule di quadratura interpolatorie. Formule di Newton-Cotes. Errore e grado di precisione. Formule composte. Metodi di integrazione automatica. Stima computabile dell'errore. Metodi di quadratura adattiva. Formule di quadratura gaussiane.
  • [1.5 CFU] Risoluzione di sistemi lineari - Analisi di stabilità per sistemi lineari. Il numero di condizionamento di una matrice. Metodi diretti. Il metodo di eliminazione di Gauss. Pivoting. Decomposizione di Gauss e fattorizzazione LU. Matrice inversa. Metodi iterativi. I metodi di Jacobi, di Gauss-Seidel e del rilassamento. Convergenza e velocità di convergenza.
  • [0.75 CFU] Risoluzione numerica di equazioni differenziali ordinarie - Problemi ai valori iniziali. Esistenza ed unicità della soluzione. Introduzione ai metodi numerici. Metodi ad un passo. Analisi dei metodi ad un passo. Il metodo di Eulero.
    Attività di Laboratorio :
  • [0.5 CFU] MATLAB - Principali funzioni. Calcolo matriciale in Matlab. Strutture di controllo. M-files: Script e function . L’uso di Matlab per la rappresentazione grafica di dati e per l’implementazione di algoritmi.
  • [2.5 CFU] Progettazione ed implementazione in MATLAB di alcuni tra gli algoritmi studiati.

Modalità d'esame

Le prove d'esame riguardano l'intero programma e prevedono:

  • quesiti teorici per la verifica dell’apprendimento e della comprensione dei temi trattati nel corso;
  • discussione sugli elaborati prodotti durante le esperienze di laboratorio;
  • quesiti pratici relativi all’uso dei codici implementati in laboratorio.
    La valutazione complessiva costituisce voto di esame.

Testi di riferimento

  • A. Quarteroni, R. Sacco, F. Saleri, P. Gervasio, "Matematica Numerica", Springer (2014, 4a edizione).
  • R.L. Burden , J.D. Faires, Numerical Analysis, Brooks/Cole Pub Co (2015, 10 a edizione).
  • G. Monegato, “Metodi e algoritmi per il Calcolo Numerico” , CLUT (2008).

Codice insegnamento calcolo-numerico

Computer Forensics 3° anno · 2° semestre · 6 CFU · 0 file

Obiettivo dell’insegnamento è quello di introdurre il tema della gestione di un reperto digitale nell'ambito di un procedimento giudiziario. Lo studente al termine del corso dovrà essere in grado di far uso di…

Scheda dell'insegnamento

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

Obiettivi formativi

Obiettivo dell’insegnamento è quello di introdurre il tema della gestione di un reperto digitale nell'ambito di un procedimento giudiziario.
Lo studente al termine del corso dovrà essere in grado di far uso di procedure e strumenti che garantiscono la genuinità della prove digitali raccolte al fine di essere accettate all'intero di un iter-processuale di tipo penale e\o civile.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di conoscere e comprendere i principi fondamentali dell'informatica forense, inclusi i concetti di catena di custodia, preservazione delle prove digitali e normative legali pertinenti.
Deve essere in grado di rielaborare in modo critico le conoscenze acquisite per analizzare e interpretare le implicazioni etiche, legali e tecnologiche delle prove digitali nel contesto investigativo.
Il percorso formativo, quindi, mira a fornire agli studenti le conoscenze e gli strumenti metodologici necessari per identificare e valutare le relazioni tra i dati digitali, le tecnologie informatiche e i processi giudiziari.
Capacita' di applicare conoscenza e comprensione: Lo studente deve dimostrare di essere in grado di applicare concretamente le conoscenze acquisite nella risoluzione di problemi pratici di investigazione digitale, come l'acquisizione, l'analisi e la presentazione delle prove digitali.
Deve essere in grado di utilizzare gli strumenti e le tecniche informatiche appropriate per condurre indagini forensi su dispositivi digitali.
Il percorso formativo è progettato per favorire la capacità degli studenti di applicare le conoscenze e le competenze acquisite in contesti professionali, come la gestione delle prove digitali in procedimenti giudiziari e la risoluzione di casi giudiziari e non solo.

Programma

Introduzione alla Computer\Digital Forensics;
Introduzione all'ordinamento giuridico italiano:

  • il Procedimento Penale e Civile;
  • gli attori del Procedimento Penale;
  • la genesi del Diritto Informatico;
    Identificazione delle fonti di prova
    Raccolta della fonte di prova:
  • Elaborazione di una Copia Forense;
  • Introduzione alle funzioni di hash;
    Analisi di una Copia forense:
  • Introduzione agli strumenti: Autopsy;
  • Analisi dei Volumi e dei FileSystem;
    Analisi Forense di un Sistema Operativo
    Overview sulla Mobile Forensics
    Presentazione delle prove

Modalità d'esame

La prova orale è facoltativa ed accessbile solo agli studenti che superano la prova scritta (>=18).

Testi di riferimento

Materiale di studio : slide del corso;
Testi Cosigliati:

  • Diritto penale dell’informatica - C. Pecorella -- (2006) CEDAM
  • File System Forensics Analysis - Brian Carrier -- (2005) Addison Wesley Professional

Codice insegnamento computer-forensics

Diritto dell'Informatica 3° anno · 2° semestre · 6 CFU · 0 file
Economia e Organizzazione Aziendale 3° anno · 2° semestre · 6 CFU · 0 file
Esame a Scelta (si veda 3° anno · 2° semestre · 6 CFU · 0 file
Ingegneria del Software 3° anno · 1° semestre · 9 CFU · 0 file
Istituzioni di Matematica 3° anno · 1° semestre · 6 CFU · 0 file
Logics for Computer Science 3° anno · 2° semestre · 6 CFU · 0 file
Multimedia Information Systems 3° anno · 2° semestre · 6 CFU · 0 file
Operating Systems for Mobile, Cloud and IoT 3° anno · 1° semestre · 6 CFU · 0 file
Operation Research 3° anno · 1° semestre · 6 CFU · 0 file

L'insegnamento si prefigge quale obiettivo principale l'introduzione degli studenti all'uso specialistico dei modelli di programmazione matematica ed in particolare sia ai modelli di ottimizzazione lineare (sia…

Scheda dell'insegnamento

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

Obiettivi formativi

L'insegnamento si prefigge quale obiettivo principale l'introduzione degli studenti all'uso
specialistico dei modelli di programmazione matematica ed in particolare sia ai modelli di
ottimizzazione lineare (sia continui che a variabili intere) che ai modelli di ottimizzazione non
lineare.
Conoscenza e capacita' di comprensione: Lo studente deve dimostrare di saper comprendere ed utilizzare i modelli di programmazione
matematica. In particolare, il percorso formativo si prefigge come obiettivo quello di fornire agli
studenti le conoscenze e gli strumenti metodologici di base necessari alla progettazione ed analisi
di modelli di ottimizzazione lineare (sia continui che a variabili intere), nonché alla comprensione
dell’applicazione di detti modelli nei campi della logistica, dei servizi e della produzione industriale.
L'impostazione metodologica del Corso punta al conseguimento dei seguenti obiettivi: •capacità di
formalizzazione dei modelli di ottimizzazione per problemi di logistica, organizzazione,
pianificazione, scheduling, trasporto, flusso su reti e problemi su grafi ed alberi; •conoscenza della
teoria e dei metodi di ottimizzazione lineare continua, di ottimizzazione lineare discreta e di
ottimizzazione su grafi, alberi e reti di flusso; •capacità di utilizzazione dei modelli matematici dei
classici problemi di ottimizzazione e dei relativi algoritmi di ri-soluzione nei campi della
Pianificazione della Produzione, della Localizzazione, della Gestione delle Scorte e della
Logistica.
Capacita' di applicare conoscenza e comprensione: Gli studenti devono dimostrare applicare concretamente le conoscenze acquisite al fine di
adeguatamente utilizzare i modelli matematici di classici problemi di ottimizzazione e dei relativi
algoritmi di risoluzione a soluzione di problemi emergenti nei campi della Pianificazione della
Produzione, della Localizzazione, della Gestione delle Scorte e della Logistica.

Programma

Definizione e classificazione dei problemi di ottimizzazione e dei problemi di decisione e
classificazione dei relativi metodi risolutivi. Programmazione Lineare (PL): il Metodo del
Simplesso. (1 CFU) Problemi di Programmazione Lineare Intera. Metodi esatti per la risoluzione
dei problemi di Programmazione Lineare Intera. Esempi di problemi di PLI con matrice dei vincoli
uni-modulare. (1 CFU) Problemi dello Zaino e algoritmi risolutivi. Problemi di Ottimizzazione su
grafi ed alberi: Vertex Cover ed Albero di Copertura Minimo. Il problema del Vertex Cover: un
algoritmo 2-approssimato per il problema del Vertex Cover. Il problema dell'albero di copertura di
un grafo a costo minimo (MST): l'algoritmo di Kruskal. (1 CFU) Problemi di Ottimizzazione su grafi
ed alberi: Problemi di Cammino Minimo. Cammini in un grafo orientato: il problema della
raggiungibilità (visita in ampiezza; visita in profondità). Il problema dei cammini minimi: l'algoritmo
di Dijkstra; l'algoritmo di Floyd e Warshall. Problemi di Ottimizzazione su grafi ed alberi:
Pianificazione di un Progetto e Problema del Massimo Flusso. Pianificazione di un progetto: il
Metodo CPM. Problemi di flusso su reti: il problema del massimo flusso; teorema max-flow mincut;
algoritmo di Ford-Fulkerson. (3 CFU)

Modalità d'esame

Il campo sarà definito secondo l'aggiornamento delle Linee guida del PQA in corso di predisposizione

Testi di riferimento

Appunti e Dispense del Corso.
D. Bertsimas e J.N. Tsitsiklis, Introduction to Linear Optimization, Belmont - Massachusetts (USA),
Dynamic Ideas and Athena Scientific, 2008.

Codice insegnamento operation-research

Parallel and Distributed Computing 3° anno · 1° semestre · 6 CFU · 0 file

ll corso intende fornire agli studenti metodologie approfondite e gli strumenti hardware e software necessari per lo sviluppo e l’analisi di algoritmi ad alte prestazioni nei principali ambienti di calcolo paralleli…

Scheda dell'insegnamento

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

Obiettivi formativi

ll corso intende fornire agli studenti metodologie approfondite e gli strumenti hardware e software necessari per lo sviluppo e l’analisi di algoritmi ad alte prestazioni nei principali ambienti di calcolo paralleli (shared memory, distributed memory), con particolare attenzione all’influenza dell’ambiente di calcolo. Parte integrante del corso e’ l’attivita’ di laboratorio, volta all’implementazione degli algoritmi studiati.
Conoscenza e capacita' di comprensione: Al termine dell’insegnamento lo studente deve dimostrare di conoscere e comprendere le problematiche e gli strumenti necessari relativi alla progettazione, sviluppo e analisi degli algoritmi ad alte prestazioni in ambienti paralleli, nonche’ l’influenza che l’ambiente di calcolo esercita sugli stessi algoritmi;
Capacita' di applicare conoscenza e comprensione: AL termine del corso, lo studente deve dimostrare di essere in grado di saper applicare le conoscenze e le metodologie acquisite sviluppando algoritmi e programmi; deve inoltre saper individuare i metodi più appropriati per analizzare e risolvere un problema inerente gli argomenti del corso e interpretare correttamente i risultati;

Programma

struttura dei calcolatori paralleli, modelli di programazione, metodologie di sviluppo e analisi degli algoritmi per ambienti di calcolo parallelo.
Il modello di programmazione a memoria condivisa: caratteristiche e problematiche. L'ambiente di programmazione OpenMP.
Il modello di programmazione a memoria distribuita: caratteristiche e problematiche. L'ambiente di programmazione MPI.
Sviluppo di applicazioni per ambienti eterogenei: il prodotto di matrici come caso di studio. Attivita' di laboratorio con esercizi relativa agli argomenti trattati.

Modalità d'esame

la valutazione dipende dalla qualita' degli elaborati sviluppati durante lo svolgimento del corso, dalla capacita' dello studente di comprendere lo scopo delle singole istruzioni degli algoritmi, dalla capacita' di interpretare i risultati e dal corretto funzionamento dell'eventuale esercizio assegnato in occasione della prova pratica
the oral exam may include the solution of numerical exercises and a practical test.

Testi di riferimento

materiale didattico fornito a lezione

Codice insegnamento parallel-and-distributed-computing

Prova Finale 3° anno · 4 CFU · 0 file
Reti e Programmazione Distribuita 3° anno · 1° semestre · 9 CFU · 0 file
Scientific Computing 3° anno · 1° semestre · 6 CFU · 0 file

Il corso introduce i principi fondamentali e le metodologie del Calcolo Scientifico , con particolare attenzione alla modellazione matematica, alla simulazione numerica e alla soluzione computazionale di problemi…

Scheda dell'insegnamento

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

Obiettivi formativi

Il corso introduce i principi fondamentali e le metodologie del Calcolo Scientifico , con particolare attenzione alla modellazione matematica, alla simulazione numerica e alla soluzione computazionale di problemi scientifici e ingegneristici. Particolare enfasi è posta sulla progettazione e implementazione di algoritmi numerici efficienti, sulle tecniche di calcolo ad alte prestazioni (High Performance Computing) e sull'impiego di moderne librerie per il calcolo scientifico. Al termine del corso lo studente sarà in grado di sviluppare, implementare e analizzare metodi computazionali per la soluzione di problemi scientifici di grandi dimensioni, valutandone accuratezza, efficienza computazionale, scalabilità e robustezza.
Conoscenza e capacita' di comprensione: Al termine del corso lo studente

  • conosce i fondamenti del calcolo scientifico, della modellazione matematica e della simulazione numerica di fenomeni complessi;
  • comprende il ruolo dell'algebra lineare numerica, dei metodi numerici, dell'ottimizzazione e delle equazioni differenziali nella soluzione di problemi scientifici e ingegneristici;
  • conosce le principali tecniche di calcolo ad alte prestazioni, il calcolo parallelo e le moderne librerie per il calcolo scientifico;
  • comprende le problematiche relative all'accuratezza numerica, alla stabilità degli algoritmi, alla complessità computazionale, alla scalabilità e alla riproducibilità delle simulazioni scientifiche.
    Capacita' di applicare conoscenza e comprensione: Al termine del corso lo studente è in grado di
  • formulare modelli computazionali per la soluzione di problemi scientifici e ingegneristici;
  • progettare e implementare algoritmi numerici efficienti utilizzando moderni ambienti di calcolo scientifico;
  • utilizzare librerie scientifiche e paradigmi di programmazione parallela per risolvere problemi computazionali di grandi dimensioni;
  • valutare accuratezza, efficienza, scalabilità e robustezza degli algoritmi mediante sperimentazione numerica;
  • analizzare criticamente i risultati delle simulazioni confrontando differenti metodologie computazionali.

Programma

Introduzione al Calcolo Scientifico. Il paradigma del Scientific Computing. Modellazione matematica. Simulazione numerica. Software scientifico. Workflow computazionale.
Algebra Lineare Numerica. Matrici sparse. Metodi iterativi. Metodi di Krylov. Precondizionamento. Problemi agli autovalori.
Risoluzione numerica di equazioni differenziali. Problemi ai valori iniziali e al contorno. Metodi alle differenze finite. Introduzione ai metodi agli elementi finiti e ai volumi finiti.
Metodi di ottimizzazione. Ottimizzazione numerica. Metodi basati sul gradiente. Ottimizzazione vincolata. Applicazioni al calcolo scientifico.
Calcolo Parallelo e High Performance Computing. Architetture shared-memory e distributed-memory. Programmazione parallela. OpenMP. MPI. Introduzione al GPU Computing. Analisi della scalabilità.
Librerie per il Calcolo Scientifico. NumPy. SciPy. BLAS. LAPACK. PETSc. Trilinos. Librerie per matrici sparse.
Analisi delle prestazioni. Complessità computazionale. Profiling. Gerarchia della memoria. Ottimizzazione delle prestazioni. Efficienza numerica.
Visualizzazione scientifica e analisi dei dati. Post-processing delle simulazioni. Visualizzazione dei risultati numerici. Riproducibilità degli esperimenti computazionali.
Laboratorio. Sviluppo di applicazioni di calcolo scientifico mediante Python e C/C++, utilizzando librerie scientifiche e strumenti di programmazione parallela.

Modalità d'esame

L'esame consiste in una prova di laboratorio, basata su un progetto, e in una prova orale.
La prova di laboratorio richiede la progettazione, l'implementazione e la valutazione di un'applicazione di calcolo scientifico per la soluzione numerica di un problema computazionale. La prova orale verifica la comprensione dei fondamenti teorici, delle metodologie numeriche, delle tecniche di calcolo ad alte prestazioni e degli aspetti di progettazione del software scientifico affrontati durante il corso.
La valutazione finale tiene conto della qualità del software sviluppato, della correttezza della metodologia numerica adottata, dell'efficienza dell'implementazione, della capacità di analizzare criticamente i risultati ottenuti e della padronanza complessiva degli argomenti trattati.

Testi di riferimento

  • M. T. Heath, Scientific Computing: An Introductory Survey , SIAM.
  • L. N. Trefethen, D. Bau III, Numerical Linear Algebra , SIAM.
  • G. H. Golub, C. F. Van Loan, Matrix Computations , Johns Hopkins University Press.
  • W. H. Press et al., Numerical Recipes: The Art of Scientific Computing , Cambridge University Press.
  • R. J. LeVeque, Finite Difference Methods for Ordinary and Partial Differential Equations , SIAM.

Codice insegnamento scientific-computing

TECNOLOGIE WEB 3° anno · 1° semestre · 9 CFU · 0 file
Tecniche di Programmazione Avanzata 3° anno · 2° semestre · 9 CFU · 0 file
Tirocinio + Altre attività di Orientamento 3° anno · 13 CFU · 0 file
BASI DI DATI I 2 file
LINGUAGGI DI PROGRAMMAZIONE I 1 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.