1. Conoscenza e comprensione: Enunciare e definire con rigore i concetti fondamentali del calcolo (e.g. limite, continuità, derivabilità e integrabilità) per funzioni di una variabile reale. Esporre le dimostrazioni…
Scheda dell'insegnamento
Obiettivi formativi
1. Conoscenza e comprensione:
- Enunciare e definire con rigore i concetti fondamentali del calcolo (e.g. limite, continuità, derivabilità e integrabilità) per funzioni di una variabile reale.
- Esporre le dimostrazioni dei teoremi fondamentali del calcolo (e.g. Teorema di Lagrange), comprendendone le ipotesi e le tesi.
2. Capacità di applicare conoscenza e comprensione: - Calcolare limiti, derivate e integrali (definiti e indefiniti) applicando correttamente le regole e le tecniche apprese (e.g. sostituzione, integrazione per parti).
- Analizzare e disegnare qualitativamente il grafico di una funzione reale (monotonia, concavità, estremi locali e assoluti).
- Risolvere problemi ed esercizi standard e non standard, selezionando lo strumento matematico più idoneo tra quelli trattati nel corso.
Programma
Insiemi, funzioni, limiti per funzioni reali di una variabile reale, continuità, calcolo differenziale e integrale per funzioni reali di una variabile reale.
Insiemi, operazioni insiemistiche; funzioni, composizione di funzioni, iniettività, suriettività, biunivocità, invertibilità, cardinalità di un insieme.
Limite di una funzione reale di una variabile reale; limiti destro e sinistro; limiti e operazioni algebriche; Teorema dei due carabinieri; Teorema di esistenza del limite per funzioni monotone; Teorema di cambiamento di variabile per i limiti. Continuità per funzioni reali di una variabile reale; continuità e operazioni algebriche; continuità di funzioni composte; Teorema di permanenza del segno; Teorema di Weierstrass; Teorema degli zeri e dei valori intermedi; continuità della funzione inversa. Calcolo differenziale per funzioni reali di una variabile reale; derivate e operazioni
algebriche; derivata di una funzione composta; derivabilità della funzione inversa. Massimi e minimi relativi; monotonia di una funzione e segno della derivata prima; Teoremi di de l'Hopital; funzioni convesse e concave, punti di flesso e legame con il segno della derivata seconda.
Integrazione secondo Riemann; integrabilità di somme e prodotti di funzioni integrabili; Teorema della media; funzioni integrali; Teorema fondamentale del calcolo integrale; formule di integrazione per sostituzione e per parti.
Nozioni di base dell'algebra e della trigonometria.
Il corso è organizzato per specifiche lezioni frontali, che copriranno sia la teoria che gli esercizi. In entrambe le situazioni si ricercherà la partecipazione attiva e l'interazione di e con le studentesse e gli studenti, anche tramite domande mirate sugli argomenti correnti.
Modalità d'esame
L'esame scritto verificherà sia la conoscenza e comprensione della teoria (enunciati di teoremi, dimostrazioni, definizioni) che la capacità di svolgere gli esercizi. La prova orale è a discrezione del docente nel caso ci fosse la necessità di ulteriori elementi di valutazione.
La sufficienza è raggiunta se si conoscono le definizioni ed enunciati dei Teoremi e se si è in grado di utilizzare gli strumenti di base appresi durante il corso (e.g. derivate ed integrali) per svolgere semplici esercizi. L'eccellenza è raggiunta se si padroneggia il formalismo matematico esponendo correttamente definizioni, enunciati e dimostrazioni. Inoltre se si riescono a svolgere anche esercizi non standard e non meccanici.
Testi di riferimento
Testo consigliato per la teoria:
Bramanti, Pagani, Salsa, “Analisi Matematica 1 con elementi di geometria e algebra lineare”, Ed. Zanichelli.
In alternativa: Bramanti, Pagani, Salsa, “Analisi Matematica 1”, Ed. Zanichelli.
Testo consigliato per gli esercizi:
Salsa, Squellati: "Esercizi di Analisi Matematica 1", Ed. Zanichelli.
Codice insegnamento MF0575
Analisi Matematica
1° anno · 6 CFU · MATH-03/A · 0 file
L'insegnamento si propone di consentire a coloro che frequentano il corso di acquisire quelle conoscenze di base dell'analisi matematica necessarie in tutti quegli ambiti applicativi che fanno utilizzo di strumenti…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento si propone di consentire a coloro che frequentano il corso di acquisire quelle conoscenze di base dell'analisi matematica necessarie in tutti quegli ambiti applicativi che fanno utilizzo di strumenti matematici avanzato come ad esempio nell'ambito dell'informatica, della fisica, del calcolo delle probabilità e della statistica. Il totale dei 6 CFU del corso è costituita da Didattica Erogativa (DE). In questo corso verranno fornite le nozioni di base del calcolo differenziale e integrale per le funzioni reali di una variabile reale.
Programma
Il corso tratta i principali argomenti dell'Analisi Matematica per le funzioni reali di una variabile reale. Più specificamente i principali argomenti sono i seguenti: insiemi, funzioni, limite per funzioni reali di una variabile reale, continuità, calcolo differenziale e integrale.
1. Nozioni di base della teoria degli insiemi e delle funzioni: insiemi, operazioni insiemistiche, funzioni, composizione di funzioni, iniettività, suriettività, biunivocità, invertibilità, cardinalità di un insieme.
2. Calcolo dei limiti: limite di una funzione reale di una variabile reale, limiti destro e sinistro, limiti e operazioni algebriche, Teorema dei due carabinieri, Teorema di esistenza del limite per funzioni monotone, teorema di cambiamento di variabile per i limiti.
3. Continuità: continuità per funzioni reali di una variabile reale, continuità e operazioni algebriche, continuità di funzioni composte, Teorema di permanenza del segno, Teorema di Weierstrass, Teorema degli zeri e dei valori intermedi, continuità della funzione inversa.
4. Calcolo delle derivate e applicazioni: derivate e operazioni algebriche, derivata di una funzione composta, derivabilità della funzione inversa, massimi e minimi relativi, monotonia di una funzione e segno della derivata prima, Teoremi di de l'Hopital, funzioni convesse e concave, punti di flesso e legame con il segno della derivata seconda.
5. Integrazione secondo Riemann: integrabilità di somme e prodotti di funzioni integrabili, Teorema della media, funzioni integrali, Teorema fondamentale del calcolo integrale, formule di integrazione per sostituzione e per parti.
E' richiesta la conoscenza delle nozioni di base dell'algebra e della trigonometria.
Il corso è organizzato con lezioni frontali con parte teorica ed esercizi. Il totale dei 6 CFU del corso è costituita da Didattica Erogativa (DE). Ogni argomento del corso viene introdotto per mezzo di una discussione generale che ha lo scopo di renderla il più possibile comprensibile. In un secondo momento vengono introdotte le nozioni di base di ciascun argomento; esse sono successivamente seguite da esempi con lo scopo di chiarirne il significato. Il terzo passo è dedicato agli enunciati dei principali teoremi e alle loro dimostrazioni. L'ultima parte è dedicata agli esercizi. La partecipazione attiva alle lezioni viene stimolata attraverso domande che si pongono anche l'obiettivo di comprendere il livello di difficoltà incontrato nel seguire le lezioni stesse. E' previsto l'utilizzo della piattaforma di ateneo www.dir.uniupo.it sulla quale è possibile consultare materiale didattico integrativo quali dispense, esercizi vari, testi di prove scritte passate.
Modalità d'esame
L'esame è costituito da una prova scritta. La prova scritta è di solito costituita da 4-6 esercizi su diversi argomenti del corso e da una o più domande sulla parte teorica. I principali argomenti che possono comparire nei vari esercizi sono i seguenti:
a) calcolo di derivate;
b) calcolo di limiti;
c) calcolo di integrali e di primitive;
d) studio completo del grafico di una funzione;
e) studio di continuità e derivabilità di una funzione con eventuale classificazione di punti di discontinuità e non derivabilità;
f) calcolo di funzioni composte e di funzioni inverse;
g) esercizi su insiemi in campo reale con determinazione di estremo superiore e inferiore, massimo e minimo;
h) trattazione di un argomento teorico comprensivo di descrizione del suo significato e delle sue possibili applicazioni concrete, delle principali definizioni scritte in un linguaggio matematico corretto e rigoroso, di eventuali esempi ed infine dei principali risultati corredati dalle relative dimostrazioni.
Il punteggio attribuito a ciascun esercizio è variabile e dipende dalla tipologia dell'esercizio stesso e dalla sua difficoltà.
Tale punteggio viene riportato accanto al testo di ciascun esercizio.
Per il superamento dell'esame è richiesto il raggiungimento di un risultato minimo nella prova scritta. In alcune situazioni in cui non viene raggiunta la sufficienza piena nella prova scritta, è prevista una prova orale finale atta a valutare l'effettiva preparazione.
La prova orale è invece facoltativa per coloro che hanno già raggiunto la sufficienza piena nella prova scritta.
In tutti i casi la prova orale prevede una verifica sui seguenti punti:
a) comprensione degli eventuali errori commessi nella prova scritta;
b) trattazione di un argomento teorico a scelta;
c) ulteriore domanda facoltativa su un argomento scelto dal docente.
Nel caso in cui le risposte ed il linguaggio utilizzato siano soddisfacenti, è possibile raggiungere una votazione finale superiore a quella conseguita nella prova scritta. In nessun caso il punteggio finale potrà essere superiore di oltre 7 punti rispetto a quello ottenuto nella prova scritta.
Non è escluso che il voto finale sia anche inferiore a quello della prova scritta; in particolare, per i casi in cui la prova scritta non fosse stata pienamente sufficiente, una prova orale non soddisfacente comporterebbe il mancato superamento dell'esame.
Descrizione dell'assegnazione della votazione per fasce in base al livello di raggiungimento della conoscenza o della competenza:
- da 18 a 21: la capacità di risoluzione dei problemi ed il livello di conoscenza dei risultati teorici sono risultati sufficienti ma sono presenti alcune lacune;
- da 22 a 24: la capacità di risoluzione dei problemi ed il livello di conoscenza dei risultati teorici sono risultati adeguati nella maggioranza degli argomenti proposti durante l'esame;
- da 25 a 27: la capacità di risoluzione dei problemi ed il livello di conoscenza dei risultati teorici sono risultati buoni nella quasi totalità degli argomenti proposti durante l'esame;
- da 28 a 30: la capacità di risoluzione dei problemi ed il livello di conoscenza dei risultati teorici sono risultati molto buoni nella totalità degli argomenti
proposti durante l'esame; - 30 e lode: è stata mostrata, sia nella prova scritta sia in quella orale, una totale padronanza degli argomenti e capacità di esposizione degli stessi.
Il raggiungimento di un voto eccellente richiede una notevole conoscenza degli argomenti unita ad un'ottima dimestichezza nel calcolo; inoltre, una soddisfacente trattazione dell'argomento teorico è un requisito pressoché obbligatorio per poter raggiungere l'eccellenza.
Testi di riferimento
Bramanti, Pagani, Salsa, ``Analisi Matematica 1 con elementi di geometria e algebra lineare'', Ed. Zanichelli, 2014.
Codice insegnamento C142517
Architettura Degli Elaboratori 1
1° anno · 6 CFU · INFO-01/A · 0 file
In questo corso saranno introdotti i principi base che guidano il progetto dei calcolatori: definire diversi livelli di astrazione, progettare in funzione delle prestazioni, per esempio sfruttando il parallelismo e…
Scheda dell'insegnamento
Obiettivi formativi
In questo corso saranno introdotti i principi base che guidano il progetto dei calcolatori: definire diversi livelli di astrazione, progettare in funzione delle prestazioni, per esempio sfruttando il parallelismo e organizzando in modo efficiente le memorie. Saranno analizzate le differenze tra i linguaggi di programmazione di alto livello, e i linguaggi di basso livello (assembler e linguaggio macchina), la motivazione per cui sono richiesti entrambi i livelli, e i metodi per passare dal primo tipo di linguaggi al secondo. Saranno richiamate le principali tappe nella storia dei calcolatori da metà del ‘900 ad oggi (introducendo l’architettura di Von Neumann), osservando come lo sviluppo della tecnologia ha influito su dimensioni, costi, velocità ed affidabilità dei calcolatori. Si definiranno gli elementi di base della rappresentazione digitale dei dati, e successivamente saranno illustrate in modo formale e tramite esempi la rappresentazione digitale di numeri, con e senza segno, interi e frazionari (questi ultimi in virgola fissa e in virgola mobile) e del testo. Saranno forniti gli algoritmi per la codifica e decodifica dei dati dei diversi tipi. Un altro obiettivo è mostrare come utilizzando l’algebra di Boole si possano definire (in forma di espressioni algebriche) le funzioni di base che svolgono il processore o altri componenti del sistema. Sarà poi spiegato il legame tra operatori booleani e porte logiche, tra espressioni booleane e circuiti logici combinatori, anche tramite l’applicazione in esercizi. Successivamente saranno illustrati alcuni semplici circuiti sequenziali (con memoria) mostrando prima le componenti elementari e poi la loro combinazione per ottenere registri o memorie. Una volta appresi i circuiti base si svilupperanno alcuni esempi semplificati di circuiti più articolati che realizzano il cammino dei dati (data path) di un processore, in grado di eseguire alcuni tipi di istruzioni (principalmente aritmetico-logiche) sotto il controllo di opportuni segnali. Questo porrà le basi per introdurre parte della struttura del processore RISC-V che sarà approfondita in un corso successivo. Verranno poi introdotti vari tipi di memoria, ed inseriti in diverse categorie, con diverse caratteristiche di costo, velocità, dimensione, e si evidenzierà il ruolo di ciascuna di esse nell’architettura di un calcolatore, considerando anche gli aspetti legati alle prestazioni.
Programma
Il corso fornisce le basi per comprendere l'architettura dei calcolatori moderni e come questa possa influenzare le prestazioni del software. Viene analizzata l'impressionante crescita delle prestazioni e la contemporanea riduzione dei costi dei computer, offrendo anche una breve prospettiva storica di questa evoluzione. Durante il corso, si affrontano concetti chiave come i vari livelli di astrazione utilizzati per analizzare un calcolatore, i compromessi che guidano la scelta delle istruzioni elementari di un processore e l'importanza fondamentale dell'esecuzione parallela a diversi livelli per migliorare le performance. Si comprende anche il ruolo all’interno di un sistema delle memorie, che variano per dimensione, velocità e costo. Si approfondisce poi la codifica binaria di numeri interi e in virgola mobile e le relative operazioni aritmetiche. Si introducono l'algebra di Boole, le porte logiche e i circuiti logici sia combinatori che sequenziali. Infine, il corso mostra come, assemblando questi circuiti, sia possibile creare parte del cammino dei dati di un moderno processore, prendendo come riferimento l'architettura open source RISC-V. L'architettura completa del RISC-V è trattata in un corso successivo. Nessuno Gli argomenti trattati nel corso sono esposti prevalentemente tramite lezioni frontali. Durante le lezioni viene usato uno strumento (Wooclap) che permette di interagire con gli studenti tramite quiz anonimi e interattivi accessibili tramite smartphone. In questo modo è possibile stimolare la riflessione e rilevare eventuali criticità nel processo di apprendimento. Per ogni argomento trattato vengono proposti esercizi o quiz formativi. Vengono inoltre proposti incontri a piccoli gruppi alla presenza di un tutor, per svolgere e discutere esercizi (simili a quelli proposti nelle prove scritte).
Modalità d'esame
L’esame di norma è scritto ma è possibile richiedere l’orale; inoltre una integrazione orale può essere proposta (dopo lo scritto) dalla docente quando sia necessario chiarire qualche punto oscuro dello scritto. Possono essere proposte prove in itinere (come supporto al superamento dell’esame finale) che possono anche assumere la forma di esercizi da svolgere in laboratorio. La prova comprende da quattro a sei domande che possono essere articolate in sottopunti e comprendono anche esercizi di applicazione delle nozioni apprese ad esempi concreti. La prova è superata se si raggiunge un punteggio di almeno il 60% dei punti totalizzabili sull’insieme di domande.
Testi di riferimento
D.A. Patterson, J.L. Hennessy. Struttura e Progetto dei Calcolatori. Progettare con RISC-V. Seconda Edizione Italiana. Zanichelli 2023
Codice insegnamento MF0791
Architettura Degli Elaboratori 1
1° anno · 6 CFU · INFO-01/A · 0 file
Il corso introduce alcuni concetti di base che riguardano l’architettura fisica (hardware) dei calcolatori e in particolare dei processori e del sistema delle memorie. Tali concetti si ripropongono anche ad altri livelli…
Scheda dell'insegnamento
Obiettivi formativi
Il corso introduce alcuni concetti di base che riguardano l’architettura fisica (hardware) dei calcolatori e in particolare dei processori e del sistema delle memorie. Tali concetti si ripropongono anche ad altri livelli nella struttura dei sistemi di calcolo, quindi è importante che siano assimilati nei corsi di base: un obiettivo è riconoscere la presenza di diversi livelli di astrazione e comprendere come a partire da componenti semplici (per esempio le porte logiche, costruite a partire dai transistor) si possano costruire sistemi dotati di funzionalità più evolute, che corrispondono ad insiemi di istruzioni via via più complesse. I diversi modi di comporre gli elementi di base per ottenere le funzionalità desiderate possono condurre a sistemi con prestazioni diverse: vengono quindi introdotte metriche che consentono di confrontare le prestazioni di architetture diverse, ma dotate dello stesso insieme di istruzioni. Considerazioni sull’evoluzione della tecnologia alla base dei sistemi digitali e il suo impatto su costi, prestazioni e affidabilità permettono di comprendere l’impressionante sviluppo e diffusione pervasiva di tali sistemi; è interessante osservare come combinando tecnologie più performanti ma più costose ed altre meno performanti ma meno costose si possano realizzare sistemi con prestazioni soddisfacenti a costi sostenibili: la gerarchia delle memorie ne è un esempio.
Il codice binario trattato dai sistemi digitali può essere utilizzato per rappresentare dati di natura diversa, in una forma che può essere elaborata e memorizzata dai componenti fisici descritti nel corso: viene introdotta la codifica di tipi di dati base (numeri interi e frazionari, testo, immagini), mettendo in relazione la dimensione (in bit) di una rappresentazione e l’ampiezza dell’insieme di valori rappresentabili e/o la precisione della rappresentazione. La comprensione di procedure di codifica, decodifica e di elaborazione dei dati nella rappresentazione binaria consentono di sperimentare operativamente come tali dati possano essere immagazzinati nelle memorie ed elaborati dal processore. Inoltre, la corrispondenza tra espressioni dell’algebra di Boole e i circuiti logici permette di comprendere come tradurre funzioni che operano su variabili binarie nei componenti fisici che compongono i processori e le memorie, e come applicare le leggi di tale algebra per costruire circuiti ottimizzati.
Programma
Il corso fornisce le basi per comprendere l'architettura dei calcolatori moderni e come questa possa influenzare le prestazioni del software. Viene analizzata l'impressionante crescita delle prestazioni e la contemporanea riduzione dei costi dei computer, offrendo anche una breve prospettiva storica di questa evoluzione.
Durante il corso, si affrontano concetti chiave come i vari livelli di astrazione utilizzati per analizzare un calcolatore, i compromessi che guidano la scelta delle istruzioni elementari di un processore e l'importanza fondamentale dell'esecuzione parallela a diversi livelli per migliorare le performance. Si comprende anche il ruolo all’interno di un sistema delle memorie, che variano per dimensione, velocità e costo.
Si approfondisce poi la codifica binaria di numeri interi e in virgola mobile e le relative operazioni aritmetiche.
Si introducono l'algebra di Boole, le porte logiche e i circuiti logici sia combinatori che sequenziali.
Infine, il corso mostra come, assemblando questi circuiti, sia possibile creare parte del cammino dei dati di un moderno processore, prendendo come riferimento l'architettura open source RISC-V. L'architettura completa del RISC-V è trattata in un corso successivo.
Gli argomenti trattati nel corso sono principalmente tratti dal libro di testo (specifiche sezioni dei primi 4 capitoli e una appendice). Per alcuni argomenti sono forniti materiali aggiuntivi di aiuto allo studio.
1) Architettura degli elaboratori e principi di progettazione
Tipi di calcolatori e loro caratteristiche. Principi di progettazione delle architetture degli elaboratori: Utilizzo delle astrazioni per semplificare il progetto; Rendere veloci le operazioni più frequenti; Migliorare le prestazioni tramite il parallelismo, la pipeline e la predizione; sfruttare la gerarchia delle memorie.
Dai linguaggi di alto livello al linguaggio macchina.
Principali componenti di un calcolatore e in particolare del processore. Influenza dello sviluppo tecnologico sulle caratteristiche dei calcolatori elettronici. Cenni sull’evoluzione storica dei calcolatori. La macchina di von Neumann e i calcolatori moderni.
Definizione e misura degli indici di prestazione dei processori.
[Rappresentazione digitale dei dati]
Rappresentazione digitale dei dati: bit, byte e multipli. Rappresentazione di interi con e senza segno e operazioni aritmetiche sui numeri binari. Rappresentazione del testo: codici ASCII e Unicode. Numeri in virgola mobile: lo standard IEEE 754.
2) Circuiti logici e Implementazione di un processore
Algebra di Boole: variabili booleane, funzioni booleane di più variabili, espressioni booleane e principali leggi dell’algebra booleana. Le porte logiche. Dalle espressioni booleane ai circuiti logici combinatori. Alcuni circuiti combinatori utili per realizzare una Unità Aritmetico Logica (ALU). Latch e Flip Flop: i circuiti sequenziali e le memorie.
Uno schema semplice di implementazione di un primo processore ispirato al RISC-V.
3) La Gerarchia delle Memorie
La gerarchia delle memorie: le memorie volatili (Registri, Cache, RAM) e non volatili (dischi magnetici e SSD, dischi ottici). Velocità, dimensioni e costo delle memorie.
Nessuno
Gli argomenti trattati nel corso sono esposti prevalentemente tramite lezioni frontali. Durante le lezioni viene usato uno strumento (Wooclap) che permette di interagire con gli studenti tramite quiz anonimi e interattivi accessibili tramite smartphone. In questo modo è possibile stimolare la riflessione e rilevare eventuali criticità nel processo di apprendimento.
Per ogni argomento trattato vengono proposti esercizi o quiz formativi. Vengono inoltre proposti incontri a piccoli gruppi alla presenza di un tutor, per svolgere e discutere esercizi (simili a quelli proposti nelle prove scritte).
Modalità d'esame
L’esame di norma è scritto ma è possibile richiedere l’orale; inoltre una integrazione orale può essere proposta (dopo lo scritto) dalla docente quando sia necessario chiarire qualche punto oscuro dello scritto. Possono essere proposte prove in itinere come supporto al superamento dell’esame finale. La prova comprende da quattro a sei domande che possono essere articolate in sottopunti e comprendono anche esercizi di applicazione delle nozioni apprese ad esempi concreti. Le domande hanno lo scopo di verificare il grado di raggiungimento degli obiettivi formativi. Per raggiungere la sufficienza (18-21) è necessario saper enunciare le definizioni fondamentali, dimostrare di saper applicare alcune semplici procedure di codifica/decodifica di dati in binario, e saper riconoscere i circuiti combinatori o sequenziali di base e indicare le loro funzioni. Per raggiungere una buona valutazione (22-25) occorre anche dimostrare di conoscere metodi di codifica e decodifica di dati più complessi, e di aver compreso la relazione tra numero di bit di una rappresentazione e range di valori rappresentabili o precisione della rappresentazione, inoltre occorre dimostrare di conoscere le metriche relative alle prestazioni e saper confrontare le prestazioni di diversi tipi di processori o di diverse organizzazioni di memorie. Per raggiungere una valutazione ottima (26-29) in aggiunta è necessario saper applicare le leggi dell’algebra di Boole per semplificare una funzione booleana e le regole per trasformarla in un circuito logico, inoltre si deve dimostrare di conoscere i componenti della CPU semplificata introdotta nel corso e spiegare come questi interagiscono durante l’esecuzione di una istruzione in linguaggio assembler (RISC-V). La valutazione eccellente (30-30 e lode) si raggiunge dimostrando una completa assimilazione dei concetti di base, linguaggio tecnico appropriato, precisione nell’esecuzione degli esercizi con dettaglio dei passaggi, completa padronanza della materia dimostrata da un livello di approfondimento adeguato in tutte le risposte e da eventuali osservazioni su criticità e metodi per superarle.
Testi di riferimento
D.A. Patterson, J.L. Hennessy. Struttura e Progetto dei Calcolatori. Progettare con RISC-V. Seconda Edizione Italiana. Zanichelli 2023
Codice insegnamento C142521
Architettura Degli Elaboratori 2
1° anno · 6 CFU · INFO-01/A · 0 file
L'insegnamento si inserisce nell'area formativa dei fondamenti tecnologici e infrastrutturali dell'informatica. L'obiettivo principale è fornire alle studentesse e agli studenti una comprensione rigorosa e profonda…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento si inserisce nell'area formativa dei fondamenti tecnologici e infrastrutturali dell'informatica. L'obiettivo principale è fornire alle studentesse e agli studenti una comprensione rigorosa e profonda dell'organizzazione interna dei moderni sistemi di elaborazione, colmando il divario semantico (semantic gap) che separa i linguaggi di programmazione ad alto livello dallo strato hardware-cablato sottostante.
Attraverso lo studio dettagliato dell'architettura Instruction Set Architecture (ISA) open-source RISC-V, l'insegnamento mira a far acquisire la sensibilità metodologica necessaria per valutare l'impatto delle scelte di progettazione hardware sulle prestazioni del software.
In particolare, il percorso formativo è orientato al raggiungimento dei seguenti traguardi:
Comprensione dell'Astrazione: Consolidare la visione del calcolatore come una gerarchia di macchine virtuali e livelli convenzionali, analizzando i meccanismi di traduzione e interpretazione inter-livello.
Padronanza del livello ISA e Assembly: Sviluppare la capacità di analizzare, codificare e implementare programmi a basso livello, applicando rigorosamente le convenzioni ABI (Application Binary Interface) per la gestione dei registri, delle procedure e dello stack frame.
Analisi della Microarchitettura: Comprendere l'organizzazione interna del processore, analizzando criticamente i limiti strutturali del modello a ciclo singolo e i vantaggi prestazionali derivanti dall'introduzione del parallelismo temporale tramite la tecnica della Pipeline.
Ottimizzazione e Risoluzione dei Conflitti: Sviluppare la capacità di identificare i conflitti strutturali, sui dati e sul controllo (Hazard) all'interno di una pipeline a 5 stadi, comprendendo e valutando quantitativamente l'efficacia delle soluzioni hardware e software di mitigazione (stalli, reti di forwarding e predizione dei salti).
Al termine dell'insegnamento, le studentesse e gli studenti avranno sviluppato una solida forma mentis ingegneristica e computazionale, essenziale non solo per la comprensione dei moderni processori, ma anche per la progettazione di software ottimizzato, la comprensione dei sistemi operativi e l'interfacciamento con i sistemi embedded.
Programma
Il corso approfondisce lo studio dell'architettura dei calcolatori moderni, concentrandosi sull'organizzazione della microarchitettura e sul linguaggio macchina, con particolare riferimento all'Instruction Set Architecture (ISA) RISC-V.
Gli argomenti d'insegnamento possono essere raggruppati nei seguenti macro moduli:
Approccio strutturale e livelli di astrazione: Il concetto di macchina virtuale e la gerarchia dei livelli convenzionali del calcolatore (da L0 a L5). Analisi del divario semantico (semantic gap) tra linguaggi ad alto livello e hardware hardware-cablato. Tecniche di esecuzione inter-livello: traduzione e interpretazione.
L'Instruction Set Architecture (ISA) RISC-V: Filosofia e tassonomia delle architetture RISC. Studio sistematico del set di istruzioni base a 32-bit (RV32I) e delle estensioni per il calcolo matematico avanzato (RV32IM). Analisi strutturale dei formati delle istruzioni (R, I, S, B, U, J).
Programmazione Assembly e convenzioni ABI: Sintassi e semantica delle istruzioni aritmetico-logiche, di trasferimento dati (load/store) e di controllo del flusso (salti condizionati e incondizionati). Gestione delle procedure e delle funzioni: regole dell'Application Binary Interface (ABI) per l'uso dei registri, invocazione di routine, allocazione e de-allocazione nello stack frame. Introduzione all'interfacciamento con periferiche di Input/Output mediante simulatori software.
Organizzazione del processore a ciclo singolo: Modellazione strutturale del datapath logico e dell'Unità di Controllo per l'esecuzione di un sub-set di istruzioni native. Analisi dei cammini critici, dei tempi di esecuzione e dei limiti intrinseci di scalabilità prestazionale dell'approccio a ciclo singolo.
Microarchitettura e Pipeline: Il concetto di parallelismo temporale applicato a una pipeline standard a 5 stadi (IF, ID, EX, MEM, WB). Identificazione e tassonomia dei conflitti (Hazard): hazard strutturali, hazard sui dati e hazard sul controllo. Strategie hardware di mitigazione: stalli della pipeline (stalling), reti di propagazione diretta (forwarding/bypassing) e tecniche di predizione dei salti (branch prediction statica e dinamica a 1 e 2 bit).
L'insegnamento prevede un'analisi dettagliata e approfondita dei seguenti argomenti, suddivisi per macro moduli tematici:
Modulo 1: L'approccio strutturale e i livelli di astrazione
Il concetto di macchina virtuale e di astrazione hardware.
La gerarchia dei livelli convenzionali nei moderni sistemi di calcolo: dal livello logico digitale (L0) al livello applicativo (L5).
Il divario semantico (semantic gap) tra linguaggi ad alto livello e circuiti hardware.
Tecniche di esecuzione dei programmi tra livelli: processi di traduzione (compilazione) e processi di interpretazione. Il ciclo di fetch-decode-execute.
Modulo 2: L'Instruction Set Architecture (ISA) RISC-V
Filosofia di progettazione delle architetture RISC (Reduced Instruction Set Computer) rispetto a CISC.
Il set di istruzioni base a 32-bit di RISC-V: l'architettura RV32I (registri general-purpose x0-x31, program counter).
Introduzione alle estensioni per il calcolo matematico hardware (RV32IM): istruzioni di moltiplicazione e divisione.
Studio sistematico e strutturale dei formati delle istruzioni native: Tipo R (Aritmetico/Logiche), Tipo I (Immediati e Load), Tipo S (Store), Tipo B (Salti condizionati), Tipo U (Immediati superiori), Tipo J (Salti incondizionati).
Tecniche di codifica e decodifica delle istruzioni in formato binario ed esadecimale (linguaggio macchina).
Modulo 3: Programmazione in Linguaggio Assembly e convenzioni ABI
Sintassi, semantica e modalità di indirizzamento delle istruzioni Assembly RISC-V:
Operazioni aritmetico-logiche (add, sub, and, or, xor, slt e varianti con immediato).
Operazioni di trasferimento dati con la memoria centrale (lw, lh, lb, sw, sh, sb).
Operazioni di controllo del flusso: salti incondizionati (jal, jalr) e salti condizionati (beq, bne, blt, bge).
L'Application Binary Interface (ABI) di RISC-V: regole e convenzioni per l'utilizzo e la preservazione dei registri (argomenti e valori di ritorno a0-a7, registri temporanei t0-t6, registri salvati s0-s11).
Gestione hardware/software delle procedure (funzioni): il ruolo del Return Address (ra) e dello Stack Pointer (sp).
Allocazione, utilizzo e deallocazione dello Stack Frame per le chiamate a funzione annidate e ricorsive.
Mappatura dei costrutti dei linguaggi ad alto livello (if-else, cicli while/for, array e puntatori) in linguaggio Assembly.
Modulo 4: Organizzazione della CPU: Il Processore a Ciclo Singolo
Principio di funzionamento di un processore: i blocchi costruttivi del Datapath (Memoria Istruzioni, Register File, ALU, Memoria Dati, unità di estensione del segno).
Analisi della logica dell'Unità di Controllo: generazione dei segnali di controllo globali e locali in base all'Opcode e ai campi Funct3/Funct7 dell'istruzione.
Tracciamento del cammino dei dati (datapath) per le singole classi di istruzioni (R-type, Load, Store, Branch).
Analisi delle prestazioni: il cammino critico (critical path), il calcolo del tempo di ciclo di clock e i limiti intrinseci di scalabilità dell'architettura a ciclo singolo.
Modulo 5: Microarchitettura Avanzata: La Pipeline e la gestione degli Hazard
Il concetto di parallelismo temporale: introduzione alla struttura della pipeline a 5 stadi (IF: Fetch, ID: Decode, EX: Execute, MEM: Memory, WB: Write-Back).
I registri di pipeline inter-stadio (IF/ID, ID/EX, EX/MEM, MEM/WB) e la propagazione dei segnali di controllo.
Analisi prestazionale della pipeline: throughput, latenza e calcolo del fattore di accelerazione (speedup).
La problematica dei conflitti nella pipeline: tassonomia degli Hazard:
Hazard Strutturali: cause e tecniche di risoluzione hardware (separazione delle memorie istruzioni/dati).
Hazard sui Dati: dipendenze di tipo RAW (Read After Write). Tecniche di mitigazione: l'inserimento di stalli (stalling/bubble) tramite l'Hazard Detection Unit; la progettazione di reti di propagazione diretta (forwarding/bypassing) tramite la Forwarding Unit. Il caso critico della Load-use data hazard e lo stallo obbligatorio.
Hazard sul Controllo: l'impatto delle istruzioni di salto condizionato sulla pipeline. L'operazione di svuotamento (flush) dei registri.
Ottimizzazioni hardware per i salti: anticipazione della decisione sul salto allo stadio ID (test di uguaglianza veloce e calcolo dell'indirizzo di branch) e relative ripercussioni sugli hazard sui dati.
Predizione dei Salti (Branch Prediction): tecniche statiche (salto preso/non preso) e tecniche dinamiche. Struttura e logica di funzionamento della Branch History Table (BHT): predittori a 1 bit (limiti nei cicli) e predittori saturanti a 2 bit. Cenni sui predittori correlati.
Gestione hardware delle eccezioni e delle interruzioni: differenze concettuali e operative tra Interrupt (asincroni) e Trap (sincroni). Meccanismi di salvataggio dello stato della CPU e trasferimento del controllo all'Handler.
Per poter frequentare l'insegnamento con profitto, viene richiesto alle studentesse e agli studenti il possesso di precise nozioni e competenze matematico-informatiche di base, acquisite preferibilmente nei corsi del primo anno.
L'insegnamento adotta una metodologia didattica integrata che affianca alla trattazione teorica rigorosa una forte componente applicativa, con l'obiettivo fondamentale di stimolare un ruolo attivo e critico delle studentesse e degli studenti nel processo di apprendimento.
Il corso si articola nelle seguenti tipologie di attività:
Lezioni frontali interattive: Verranno presentati i fondamenti teorici dell'architettura dei calcolatori (ISA RISC-V, datapath, microarchitettura a pipeline, gestione degli hazard). La didattica frontale, supportata da presentazioni multimediali (slide), non sarà unidirezionale: verrà costantemente incoraggiata la partecipazione dell'aula tramite domande, discussioni aperte e l'analisi congiunta di specifiche scelte progettuali hardware.
Esercitazioni pratiche e Problem Solving: Ampio spazio sarà dedicato a sessioni pratiche guidate, focalizzate sulla traduzione e scrittura di codice a basso livello (Assembly RISC-V) e sull'applicazione delle convenzioni ABI. Durante queste sessioni, le studentesse e gli studenti saranno chiamati a risolvere problemi di ottimizzazione e di calcolo delle prestazioni (es. gestione dei cicli di clock e stalli nella pipeline), lavorando sia individualmente che in piccoli gruppi per favorire il peer-learning.
Utilizzo di simulatori: Per tradurre i concetti teorici in competenze operative, le esercitazioni prevedono l'impiego di simulatori software (architettura RV32) che permetteranno di testare e validare empiricamente il codice Assembly sviluppato, osservando in tempo reale il comportamento dei registri, della memoria e dei dispositivi di I/O.
Supporto e-learning e interazione asincrona: La piattaforma di Ateneo (DIR) e la cartella Google Drive condivisa istituzionalmente saranno utilizzate non solo come archivio (repository) per slide, eserciziari e dispense, ma come veri e propri ambienti di apprendimento. Le studentesse e gli studenti (inclusi i non frequentanti) potranno inserire commenti ai documenti condivisi per richiedere approfondimenti, segnalare dubbi o avviare discussioni, garantendo un canale di confronto continuo con il docente.
Modalità d'esame
L'esame è finalizzato a verificare il raggiungimento degli obiettivi formativi e dei risultati di apprendimento previsti dall'insegnamento. Le modalità di verifica sono identiche per le studentesse e gli studenti frequentanti e non frequentanti.
1. Prova scritta (obbligatoria)
La valutazione dell'apprendimento si basa principalmente su una prova scritta espressa in trentesimi. La prova consente di conseguire un punteggio massimo di 26/30; per ottenere una valutazione superiore è necessario sostenere la prova orale facoltativa.
La prova scritta si considera superata con una votazione di almeno 18/30 ed è articolata in due parti.
Prima parte – Quiz a risposta multipla (18–21 punti)
La prima parte consiste in un test di 22 domande a risposta multipla sull'intero programma del corso.
Ogni risposta corretta vale 1,1 punti.
Le risposte errate o non date valgono 0 punti (non è prevista penalizzazione).
Per superare questa parte è necessario rispondere correttamente ad almeno 16 domande.
Il punteggio massimo conseguibile è 21 punti.
Seconda parte – Domande di teoria ed esercizi (22–26 punti)
Le studentesse e gli studenti che superano la prima parte con almeno 19 risposte corrette, accedono alla seconda, composta da 5 quesiti, costituiti da domande aperte, domande a risposta chiusa e/o esercizi. Tale sezione è finalizzata a verificare la comprensione dei contenuti teorici, la capacità di applicare le conoscenze acquisite e le competenze di analisi e problem solving. Il punteggio massimo conseguibile nella prova scritta è 26/30.
2. Prova orale integrativa (facoltativa)
Le studentesse e gli studenti che conseguono una votazione di 25/30 o 26/30 nella prova scritta possono scegliere di sostenere una prova orale integrativa.
L'orale consiste in due domande di ragionamento e/o esercizi, progettati per valutare la capacità di applicare i concetti appresi a situazioni nuove, richiedendo di dedurre la soluzione sulla base delle conoscenze acquisite, anche in contesti non affrontati esplicitamente durante le lezioni.
L'esito della prova orale può comportare una variazione del voto finale fino a ±5 punti. Pertanto, il voto conseguito nella prova scritta può essere sia incrementato (fino al conseguimento del 30 e lode, ove ne ricorrano i presupposti) sia ridotto; in quest'ultimo caso, la votazione finale non potrà comunque essere inferiore a 21/30.
Testi di riferimento
Testo principale consigliato:
David A. Patterson, John L. Hennessy. Struttura e progetto dei calcolatori. Progettare con RISC-V. Zanichelli.
Materiale didattico fornito dal docente: Costituiscono parte integrante e fondamentale per la preparazione all'esame tutti i materiali di supporto utilizzati a lezione. Nello specifico:
Slide delle lezioni e dispense di approfondimento.
Eserciziari e simulazioni di programmazione Assembly RISC-V.
Documentazione tecnica integrativa.
Tutto il materiale sarà reso tempestivamente disponibile e costantemente aggiornato tramite la piattaforma e-learning di Ateneo (DIR) e all'interno della cartella Google Drive condivisa istituzionalmente con tutti gli account studenti.
Codice insegnamento MF0792
Architettura Degli Elaboratori 2
1° anno · 6 CFU · INFO-01/A · 0 file
L'insegnamento si inserisce nell'area formativa dei fondamenti tecnologici e infrastrutturali dell'informatica. L'obiettivo principale è fornire alle studentesse e agli studenti una comprensione rigorosa e profonda…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento si inserisce nell'area formativa dei fondamenti tecnologici e infrastrutturali dell'informatica. L'obiettivo principale è fornire alle studentesse e agli studenti una comprensione rigorosa e profonda dell'organizzazione interna dei moderni sistemi di elaborazione, colmando il divario semantico (semantic gap) che separa i linguaggi di programmazione ad alto livello dallo strato hardware-cablato sottostante.
Attraverso lo studio dettagliato dell'architettura Instruction Set Architecture (ISA) open-source RISC-V, l'insegnamento mira a far acquisire la sensibilità metodologica necessaria per valutare l'impatto delle scelte di progettazione hardware sulle prestazioni del software.
In particolare, il percorso formativo è orientato al raggiungimento dei seguenti traguardi:
Comprensione dell'Astrazione: Consolidare la visione del calcolatore come una gerarchia di macchine virtuali e livelli convenzionali, analizzando i meccanismi di traduzione e interpretazione inter-livello.
Padronanza del livello ISA e Assembly: Sviluppare la capacità di analizzare, codificare e implementare programmi a basso livello, applicando rigorosamente le convenzioni ABI (Application Binary Interface) per la gestione dei registri, delle procedure e dello stack frame.
Analisi della Microarchitettura: Comprendere l'organizzazione interna del processore, analizzando criticamente i limiti strutturali del modello a ciclo singolo e i vantaggi prestazionali derivanti dall'introduzione del parallelismo temporale tramite la tecnica della Pipeline.
Ottimizzazione e Risoluzione dei Conflitti: Sviluppare la capacità di identificare i conflitti strutturali, sui dati e sul controllo (Hazard) all'interno di una pipeline a 5 stadi, comprendendo e valutando quantitativamente l'efficacia delle soluzioni hardware e software di mitigazione (stalli, reti di forwarding e predizione dei salti).
Al termine dell'insegnamento, le studentesse e gli studenti avranno sviluppato una solida forma mentis ingegneristica e computazionale, essenziale non solo per la comprensione dei moderni processori, ma anche per la progettazione di software ottimizzato, la comprensione dei sistemi operativi e l'interfacciamento con i sistemi embedded.
Programma
Il corso approfondisce lo studio dell'architettura dei calcolatori moderni, concentrandosi sull'organizzazione della microarchitettura e sul linguaggio macchina, con particolare riferimento all'Instruction Set Architecture (ISA) RISC-V.
Gli argomenti d'insegnamento possono essere raggruppati nei seguenti macro moduli:
Approccio strutturale e livelli di astrazione: Il concetto di macchina virtuale e la gerarchia dei livelli convenzionali del calcolatore (da L0 a L5). Analisi del divario semantico (semantic gap) tra linguaggi ad alto livello e hardware hardware-cablato. Tecniche di esecuzione inter-livello: traduzione e interpretazione.
L'Instruction Set Architecture (ISA) RISC-V: Filosofia e tassonomia delle architetture RISC. Studio sistematico del set di istruzioni base a 32-bit (RV32I) e delle estensioni per il calcolo matematico avanzato (RV32IM). Analisi strutturale dei formati delle istruzioni (R, I, S, B, U, J).
Programmazione Assembly e convenzioni ABI: Sintassi e semantica delle istruzioni aritmetico-logiche, di trasferimento dati (load/store) e di controllo del flusso (salti condizionati e incondizionati). Gestione delle procedure e delle funzioni: regole dell'Application Binary Interface (ABI) per l'uso dei registri, invocazione di routine, allocazione e de-allocazione nello stack frame. Introduzione all'interfacciamento con periferiche di Input/Output mediante simulatori software.
Organizzazione del processore a ciclo singolo: Modellazione strutturale del datapath logico e dell'Unità di Controllo per l'esecuzione di un sub-set di istruzioni native. Analisi dei cammini critici, dei tempi di esecuzione e dei limiti intrinseci di scalabilità prestazionale dell'approccio a ciclo singolo.
Microarchitettura e Pipeline: Il concetto di parallelismo temporale applicato a una pipeline standard a 5 stadi (IF, ID, EX, MEM, WB). Identificazione e tassonomia dei conflitti (Hazard): hazard strutturali, hazard sui dati e hazard sul controllo. Strategie hardware di mitigazione: stalli della pipeline (stalling), reti di propagazione diretta (forwarding/bypassing) e tecniche di predizione dei salti (branch prediction statica e dinamica a 1 e 2 bit).
L'insegnamento prevede un'analisi dettagliata e approfondita dei seguenti argomenti, suddivisi per macro moduli tematici:
Modulo 1: L'approccio strutturale e i livelli di astrazione
Il concetto di macchina virtuale e di astrazione hardware.
La gerarchia dei livelli convenzionali nei moderni sistemi di calcolo: dal livello logico digitale (L0) al livello applicativo (L5).
Il divario semantico (semantic gap) tra linguaggi ad alto livello e circuiti hardware.
Tecniche di esecuzione dei programmi tra livelli: processi di traduzione (compilazione) e processi di interpretazione. Il ciclo di fetch-decode-execute.
Modulo 2: L'Instruction Set Architecture (ISA) RISC-V
Filosofia di progettazione delle architetture RISC (Reduced Instruction Set Computer) rispetto a CISC.
Il set di istruzioni base a 32-bit di RISC-V: l'architettura RV32I (registri general-purpose x0-x31, program counter).
Introduzione alle estensioni per il calcolo matematico hardware (RV32IM): istruzioni di moltiplicazione e divisione.
Studio sistematico e strutturale dei formati delle istruzioni native: Tipo R (Aritmetico/Logiche), Tipo I (Immediati e Load), Tipo S (Store), Tipo B (Salti condizionati), Tipo U (Immediati superiori), Tipo J (Salti incondizionati).
Tecniche di codifica e decodifica delle istruzioni in formato binario ed esadecimale (linguaggio macchina).
Modulo 3: Programmazione in Linguaggio Assembly e convenzioni ABI
Sintassi, semantica e modalità di indirizzamento delle istruzioni Assembly RISC-V:
Operazioni aritmetico-logiche (add, sub, and, or, xor, slt e varianti con immediato).
Operazioni di trasferimento dati con la memoria centrale (lw, lh, lb, sw, sh, sb).
Operazioni di controllo del flusso: salti incondizionati (jal, jalr) e salti condizionati (beq, bne, blt, bge).
L'Application Binary Interface (ABI) di RISC-V: regole e convenzioni per l'utilizzo e la preservazione dei registri (argomenti e valori di ritorno a0-a7, registri temporanei t0-t6, registri salvati s0-s11).
Gestione hardware/software delle procedure (funzioni): il ruolo del Return Address (ra) e dello Stack Pointer (sp).
Allocazione, utilizzo e deallocazione dello Stack Frame per le chiamate a funzione annidate e ricorsive.
Mappatura dei costrutti dei linguaggi ad alto livello (if-else, cicli while/for, array e puntatori) in linguaggio Assembly.
Modulo 4: Organizzazione della CPU: Il Processore a Ciclo Singolo
Principio di funzionamento di un processore: i blocchi costruttivi del Datapath (Memoria Istruzioni, Register File, ALU, Memoria Dati, unità di estensione del segno).
Analisi della logica dell'Unità di Controllo: generazione dei segnali di controllo globali e locali in base all'Opcode e ai campi Funct3/Funct7 dell'istruzione.
Tracciamento del cammino dei dati (datapath) per le singole classi di istruzioni (R-type, Load, Store, Branch).
Analisi delle prestazioni: il cammino critico (critical path), il calcolo del tempo di ciclo di clock e i limiti intrinseci di scalabilità dell'architettura a ciclo singolo.
Modulo 5: Microarchitettura Avanzata: La Pipeline e la gestione degli Hazard
Il concetto di parallelismo temporale: introduzione alla struttura della pipeline a 5 stadi (IF: Fetch, ID: Decode, EX: Execute, MEM: Memory, WB: Write-Back).
I registri di pipeline inter-stadio (IF/ID, ID/EX, EX/MEM, MEM/WB) e la propagazione dei segnali di controllo.
Analisi prestazionale della pipeline: throughput, latenza e calcolo del fattore di accelerazione (speedup).
La problematica dei conflitti nella pipeline: tassonomia degli Hazard:
Hazard Strutturali: cause e tecniche di risoluzione hardware (separazione delle memorie istruzioni/dati).
Hazard sui Dati: dipendenze di tipo RAW (Read After Write). Tecniche di mitigazione: l'inserimento di stalli (stalling/bubble) tramite l'Hazard Detection Unit; la progettazione di reti di propagazione diretta (forwarding/bypassing) tramite la Forwarding Unit. Il caso critico della Load-use data hazard e lo stallo obbligatorio.
Hazard sul Controllo: l'impatto delle istruzioni di salto condizionato sulla pipeline. L'operazione di svuotamento (flush) dei registri.
Ottimizzazioni hardware per i salti: anticipazione della decisione sul salto allo stadio ID (test di uguaglianza veloce e calcolo dell'indirizzo di branch) e relative ripercussioni sugli hazard sui dati.
Predizione dei Salti (Branch Prediction): tecniche statiche (salto preso/non preso) e tecniche dinamiche. Struttura e logica di funzionamento della Branch History Table (BHT): predittori a 1 bit (limiti nei cicli) e predittori saturanti a 2 bit. Cenni sui predittori correlati.
Gestione hardware delle eccezioni e delle interruzioni: differenze concettuali e operative tra Interrupt (asincroni) e Trap (sincroni). Meccanismi di salvataggio dello stato della CPU e trasferimento del controllo all'Handler.
Per poter frequentare l'insegnamento con profitto, viene richiesto alle studentesse e agli studenti il possesso di precise nozioni e competenze matematico-informatiche di base, acquisite preferibilmente nei corsi del primo anno.
L'insegnamento adotta una metodologia didattica integrata che affianca alla trattazione teorica rigorosa una forte componente applicativa, con l'obiettivo fondamentale di stimolare un ruolo attivo e critico delle studentesse e degli studenti nel processo di apprendimento.
Il corso si articola nelle seguenti tipologie di attività:
Lezioni frontali interattive: Verranno presentati i fondamenti teorici dell'architettura dei calcolatori (ISA RISC-V, datapath, microarchitettura a pipeline, gestione degli hazard). La didattica frontale, supportata da presentazioni multimediali (slide), non sarà unidirezionale: verrà costantemente incoraggiata la partecipazione dell'aula tramite domande, discussioni aperte e l'analisi congiunta di specifiche scelte progettuali hardware.
Esercitazioni pratiche e Problem Solving: Ampio spazio sarà dedicato a sessioni pratiche guidate, focalizzate sulla traduzione e scrittura di codice a basso livello (Assembly RISC-V) e sull'applicazione delle convenzioni ABI. Durante queste sessioni, le studentesse e gli studenti saranno chiamati a risolvere problemi di ottimizzazione e di calcolo delle prestazioni (es. gestione dei cicli di clock e stalli nella pipeline), lavorando sia individualmente che in piccoli gruppi per favorire il peer-learning.
Utilizzo di simulatori: Per tradurre i concetti teorici in competenze operative, le esercitazioni prevedono l'impiego di simulatori software (architettura RV32) che permetteranno di testare e validare empiricamente il codice Assembly sviluppato, osservando in tempo reale il comportamento dei registri, della memoria e dei dispositivi di I/O.
Supporto e-learning e interazione asincrona: La piattaforma di Ateneo (DIR) e la cartella Google Drive condivisa istituzionalmente saranno utilizzate non solo come archivio (repository) per slide, eserciziari e dispense, ma come veri e propri ambienti di apprendimento. Le studentesse e gli studenti (inclusi i non frequentanti) potranno inserire commenti ai documenti condivisi per richiedere approfondimenti, segnalare dubbi o avviare discussioni, garantendo un canale di confronto continuo con il docente.
Modalità d'esame
L'esame è finalizzato a verificare il raggiungimento degli obiettivi formativi e dei risultati di apprendimento previsti dall'insegnamento. Le modalità di verifica sono identiche per le studentesse e gli studenti frequentanti e non frequentanti.
1. Prova scritta (obbligatoria)
La valutazione dell'apprendimento si basa principalmente su una prova scritta espressa in trentesimi. La prova consente di conseguire un punteggio massimo di 26/30; per ottenere una valutazione superiore è necessario sostenere la prova orale facoltativa.
La prova scritta si considera superata con una votazione di almeno 18/30 ed è articolata in due parti.
Prima parte – Quiz a risposta multipla (18–21 punti)
La prima parte consiste in un test di 22 domande a risposta multipla sull'intero programma del corso.
Ogni risposta corretta vale 1,1 punti.
Le risposte errate o non date valgono 0 punti (non è prevista penalizzazione).
Per superare questa parte è necessario rispondere correttamente ad almeno 16 domande.
Il punteggio massimo conseguibile è 21 punti.
Seconda parte – Domande di teoria ed esercizi (22–26 punti)
Le studentesse e gli studenti che superano la prima parte con almeno 19 risposte corrette, accedono alla seconda, composta da 5 quesiti, costituiti da domande aperte, domande a risposta chiusa e/o esercizi. Tale sezione è finalizzata a verificare la comprensione dei contenuti teorici, la capacità di applicare le conoscenze acquisite e le competenze di analisi e problem solving. Il punteggio massimo conseguibile nella prova scritta è 26/30.
2. Prova orale integrativa (facoltativa)
Le studentesse e gli studenti che conseguono una votazione di 25/30 o 26/30 nella prova scritta possono scegliere di sostenere una prova orale integrativa.
L'orale consiste in due domande di ragionamento e/o esercizi, progettati per valutare la capacità di applicare i concetti appresi a situazioni nuove, richiedendo di dedurre la soluzione sulla base delle conoscenze acquisite, anche in contesti non affrontati esplicitamente durante le lezioni.
L'esito della prova orale può comportare una variazione del voto finale fino a ±5 punti. Pertanto, il voto conseguito nella prova scritta può essere sia incrementato (fino al conseguimento del 30 e lode, ove ne ricorrano i presupposti) sia ridotto; in quest'ultimo caso, la votazione finale non potrà comunque essere inferiore a 21/30.
Testi di riferimento
Testo principale consigliato:
David A. Patterson, John L. Hennessy. Struttura e progetto dei calcolatori. Progettare con RISC-V. Zanichelli.
Materiale didattico fornito dal docente: Costituiscono parte integrante e fondamentale per la preparazione all'esame tutti i materiali di supporto utilizzati a lezione. Nello specifico:
Slide delle lezioni e dispense di approfondimento.
Eserciziari e simulazioni di programmazione Assembly RISC-V.
Documentazione tecnica integrativa.
Tutto il materiale sarà reso tempestivamente disponibile e costantemente aggiornato tramite la piattaforma e-learning di Ateneo (DIR) e all'interno della cartella Google Drive condivisa istituzionalmente con tutti gli account studenti.
Codice insegnamento C142556
Conoscenze Iniziali
1° anno · 0 file
Saper interpretare testi scientifici e, in particolare, saper decodificare e manipolare scritture specifiche della matematica. Si vogliono sviluppare competenze relative alla comprensione e all’uso del linguaggio…
Scheda dell'insegnamento
Obiettivi formativi
Saper interpretare testi scientifici e, in particolare, saper decodificare e manipolare scritture specifiche della matematica. Si vogliono sviluppare competenze relative alla comprensione e all’uso del linguaggio scientifico, incluse le rappresentazioni e le notazioni della matematica.
Programma
Il corso ha lo scopo di sviluppare competenze di base e capacità relative alla comprensione dei testi scientifici, incluse le rappresentazioni e le notazioni della matematica, tenuto conto dei programmi delle Indicazioni Nazionali e Linee Guida per della scuola secondaria di secondo grado.
Il corso affronta contenuti e problemi relativi alle competenze di base necessarie per seguire con successo gli insegnamenti del primo anno del DiSIT. Nel corso si analizzano testi scientifici e problemi matematici, identificando dati e relazioni tra questi, usando anche rappresentazioni e notazioni matematiche. In particolare, sono oggetto di studio le diverse rappresentazioni di numeri, le unità di misura, le proprietà e l'uso delle notazioni algebriche, le rappresentazioni grafiche di relazioni e dati.
Competenze relative al linguaggio e alla matematica richieste al termine della scuola secondaria di secondo grado.
Lezioni in presenza e esercitazioni a distanza svolte anche attraverso l'uso della piattaforma Moodle dell’Università.
Modalità d'esame
Test finale in analogia con il test iniziale delle competenze. La prova consiste in domande di comprensione e uso del linguaggio scientifico, incluse le rappresentazioni e le notazioni della matematica. Per superare la prova è necessario ottenere più del 50% dei punti. La prova consiste in un questionario online che include 20 domande relative alla comprensione e all’uso di testi scientifici in italiano e delle rappresentazioni e notazioni della matematica. La durata massima della prova è 40’ (con l’eccezione di coloro che abbiano diritto a un tempo aggiuntivo). Ciascuna domanda vale fino a un massimo di 0,5 punti. La prova si considera superata con punteggio pari o superiore a 5,01/10 sul complesso delle 20 domande.
Testi di riferimento
Materiale didattico messo a disposizione dal docente sulla piattaforma DIR del corso.
Codice insegnamento MF0436
Conoscenze Iniziali
1° anno · 0 file
Saper interpretare testi scientifici e, in particolare, saper decodificare e manipolare scritture specifiche della matematica. Si vogliono sviluppare competenze relative all'interpretazione di testi di problemi…
Scheda dell'insegnamento
Obiettivi formativi
Saper interpretare testi scientifici e, in particolare, saper decodificare e manipolare scritture specifiche della matematica. Si vogliono sviluppare competenze relative all'interpretazione di testi di problemi matematici e all'applicazione delle strategie risolutive. Tutte le attività richiederanno una comunicazione efficace dei processi svolti e dei risultati ottenuti.
Programma
Il corso ha lo scopo di sviluppare competenze di base e capacità relative alla comprensione dei testi scientifici, incluse le rappresentazioni e le notazioni della matematica, tenuto conto dei programmi delle Indicazioni Nazionali e Linee Guida per della scuola secondaria di secondo grado. Competenze relative al linguaggio e alla matematica richieste al termine della scuola secondaria di secondo grado. Lezioni in aula e esercitazioni svolte anche attraverso l'uso della piattaforma Moodle dell’Università.
Modalità d'esame
Test finale in analogia con il test iniziale delle competenze. La prova consiste in 20 domande di comprensione e uso dei testi scientifici, incluse le rappresentazioni e le notazioni della matematica. Per superare la prova è necessario ottenere almeno il 50% dei punti.
Testi di riferimento
Materiale didattico messo a disposizione dal docente sulla piattaforma DIR del corso.
Codice insegnamento C142557
Fornire alle studentesse e agli studenti una conoscenza degli elementi di base della fisica generale e del metodo di indagine della fisica. Modellizzare semplici sistemi fisici e spiegare alcuni fenomeni…
Scheda dell'insegnamento
Obiettivi formativi
Fornire alle studentesse e agli studenti una conoscenza degli elementi di base della fisica generale e del metodo di indagine della fisica. Modellizzare semplici sistemi fisici e spiegare alcuni fenomeni dell'esperienza ordinaria.
Programma
Elementi fondamentali della fisica classica: Meccanica, Termodinamica, Elettricità e Magnetismo.
Grandezze fisiche e unità di misura. Cinematica del punto materiale. Forze. Leggi della dinamica newtoniana. Lavoro ed energia. Forza gravitazionale. Oscillatori e onde. Temperatura e calore. Principi della termodinamica. Carica elettrica. Il campo elettrico. Forza elettrica. Legge di Gauss e sue applicazioni. Potenziale elettrico. Capacità e condensatori. Corrente elettrica, effetto Joule, resistenze. Il campo magnetico. Forza di Lorentz. Legge di Ampère e sue applicazioni. Forze tra correnti. Induzione elettromagnetica e legge di Faraday-Lenz. Cenno sulle equazioni di Maxwell. Caratteristiche generali delle onde elettromagnetiche.
Analisi matematica 1
Lezioni frontali
Modalità d'esame
Prova scritta con quesiti a risposta multipla e domande aperte, consistenti in esercizi numerici e domande di teoria. E' possibile utilizzare una calcolatrice non programmabile. Il numero totale di quesiti è 10. Per il superamento dell'esame scritto è necessario raggiungere un punteggio minimo di 18/30, che si ottiene rispondendo correttamente a 4 quesiti. Le risposte corrette agli altri quesiti permettono di raggiungere il punteggio pieno, 30/30. E' previsto un quesito extra per il raggiungimento della lode.
Testi di riferimento
A. Giambattista, "Fisica generale. Principi e applicazioni", McGraw-Hill, 2021
R. Serway, J. Jewett, "Fondamenti di fisica", Edises, 2022
Halliday, Resnick, "Fondamenti di fisica", CEA, 2023
D. Giancoli, "Fisica 1" e "Fisica 2", CEA, 2023.
Codice insegnamento MF0203
Fisica
1° anno · 6 CFU · PHYS-01/A · 0 file
Fornire alle studentesse e agli studenti una conoscenza del metodo di indagine in Fisica e dei fondamenti della Fisica Classica. Modellizzare semplici sistemi e spiegare alcuni fenomeni dell'esperienza ordinaria.
Scheda dell'insegnamento
Obiettivi formativi
Fornire alle studentesse e agli studenti una conoscenza del metodo di indagine in Fisica e dei fondamenti della Fisica Classica. Modellizzare semplici sistemi e spiegare alcuni fenomeni dell'esperienza ordinaria.
Programma
Concetti fondamentali della Fisica classica: Meccanica, Calorimetria e Termodinamica, Elettricità e Magnetismo.
Richiami di matematica di base. Grandezze fisiche e unità di misura. Cinematica del punto materiale. Forze e principi della Dinamica. Lavoro ed energia. Forza gravitazionale. Elementi di meccanica dei fluidi. Temperatura, calore e principi della Termodinamica. Carica elettrica, campo elettrico, conduttori e isolanti, moto di cariche in campo elettrico. Potenziale elettrico, capacità elettrica. Corrente elettrica, effetto Joule, resistenze. Campo magnetico, effetti magnetici di una corrente, induzione magnetica. Elementi di meccanica delle onde.
Integrazione della dimensione di genere: verrà discussa l'importanza dell'integrazione di genere nella ricerca, nei programmi degli insegnamenti e nella formazione.
Analisi Matematica 1
Lezioni frontali sulla parte teorica ed esercizi numerici. Le studentesse e gli tudenti possono trovare sulla piattaforma DIR molti esercizi messi a disposizione dal Docente al fine di migliorare la preparazione all'esame.
Modalità d'esame
Prova scritta con quiz a risposta multipla e domande aperte, consistenti in esercizi numerici e domande di teoria. E' possibile utilizzare un formulario privo di testo e una calcolatrice non programmabile. Ad ogni domanda è assegnato un punteggio proporzionale alla difficoltà. Per il superamento dell'esame scritto è necessario raggiungere un punteggio minimo di 18/30. La risoluzione completa di tutti gli esercizi aenza alcun errore consente di raggiungere la lode. In caso di superamento della prova scritta, eventuale prova orale facoltativa per migliorare il voto.
Testi di riferimento
A.Giambattista, B.McCarthy, R.Richardson, Fisica generale, McGraw Hill
D.C.Giancoli, Fisica, Casa Editrice Ambrosiana
D.Halliday, R.Resnick, J.Walker, Fondamenti di Fisica, Casa Editrice Ambrosiana
J.W.Jewett, R.A.Serway, Principi di Fisica, EdiSES
Codice insegnamento C142518
Inglese (Sede Di Vercelli)
1° anno · 6 CFU · 0 file
L’insegnamento si propone di sviluppare la competenza linguistica in inglese a livello B2 del QCER, con particolare attenzione agli usi accademici e professionali della lingua. Al termine del corso, le studentesse e…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento si propone di sviluppare la competenza linguistica in inglese a livello B2 del QCER, con particolare attenzione agli usi accademici e professionali della lingua. Al termine del corso, le studentesse e gli studenti saranno in grado di comprendere e utilizzare la lingua inglese in contesti quotidiani e/o accademici, interagendo in forma orale e scritta con coerenza, accuratezza lessicale e sintattica e adeguatezza pragmatica. Svilupperanno la capacità di produrre testi scritti e orali sia in contesti formali che informali. Inoltre, le studentesse e gli studenti avranno la possibilità di utilizzare risorse digitali e materiali multimediali a supporto dell’apprendimento linguistico e della comunicazione. Saranno anche in grado di autovalutare i propri progressi e di sviluppare strategie di apprendimento autonome, in linea con i principi del Quadro Comune Europeo di Riferimento per le Lingue (QCER) e con un approccio all’insegnamento della lingua basato sulle competenze.
Programma
Il corso di inglese di livello B2 è progettato per fornire alle studentesse e agli studenti gli strumenti per sviluppare una competenza linguistica solida, flessibile e autonoma, necessaria per affrontare con successo i contesti accademici e professionali in lingua inglese. Il percorso è diviso in moduli tematici e aiuta a sviluppare in modo completo le abilità di comprensione, produzione, interazione e mediazione della lingua, in situazioni tipiche dell’ambiente accademico. La struttura a moduli permette di affrontare passo dopo passo i diversi aspetti della comunicazione accademica: dall’orientamento iniziale allo studio e all’uso della lingua, alla capacità di comunicare oralmente tramite discussioni di gruppo o presentazioni, all’analisi di testi specialistici, alla scrittura di email formali e brevi testi accademici, all’ascolto di testi audio (o audiovisivi) seguito da esercizi di presa di appunti. L’ultimo modulo è pensato per prepararsi alla prova finale, con esercizi di autovalutazione e ripasso delle competenze apprese. Ogni modulo è sviluppato facendo uso di risorse digitali, che integrano esercitazioni interattive e materiali per lo studio autonomo. Il corso di inglese si rivolge a studenti e studentesse che hanno raggiunto un livello di competenza di inglese pari almeno al livello B1 del CEFR. Tale requisito può essere attestato secondo tre modalità: 1) riconoscimento di una certificazione linguistica (vedi regolamento CLUPO link https://clupo.uniupo.it/lingua-inglese/riconoscimento-certificazioni ; 2) superamento dell’English Placement Test erogato da CLUPO; 3) frequenza e superamento del corso online di riallineamento su piattaforma Macmillan (link https://clupo.uniupo.it/lingua-inglese/english-placement-test) Lezioni frontali, esercitazioni guidate, attività collaborative e progetti individuali o di gruppo. Gli studenti e le studentesse che sono impossibilitati a seguire le lezioni regolarmente possono fare riferimento alla piattaforma DIR e alla piattaforma Macmillan per tenersi aggiornati su ciò che viene svolto in classe. Il corso si avvale di metodologie didattiche inclusive, progettate per favorire la partecipazione attiva di tutti gli studenti e delle studentesse, nel rispetto delle differenze di genere, background linguistico e stili di apprendimento.
Modalità d'esame
L’esame è organizzato in due prove distinte: la prima formativa e la seconda sommativa. La valutazione finale risulta dalla media ponderata delle due prove, con un’incidenza del 30% per la prova formativa e del 70% per quella sommativa, combinando così la rilevazione della padronanza delle competenze linguistiche e comunicative di livello B2, con l’osservazione della capacità di applicare in modo adeguato conoscenze e strategie linguistiche in contesti d’uso quotidiano e/o accademici. La prova formativa per le studentesse e gli studenti frequentanti e non frequentanti consiste in una attività orale che sarà discussa a lezione in una sessione dedicata. La prova sommativa per tutte le studentesse e gli studenti è composta da un test scritto in formato computer-based somministrato tramite la piattaforma esami.DIR. Il test è suddiviso in 3 sezioni dedicate rispettivamente alle abilità ricettive orali (ascolto), scritte (lettura) e alle competenze linguistiche (lingua in uso, grammatica e lessico). Ciascuna sezione è composta di 1-3 attività con domande a scelta multipla, abbinamento, esercizi di cloze o completamento. Il test è somministrato in presenza. La prova formativa sarà valutata come eccellente se dimostra piena padronanza dei contenuti, capacità analitiche e comunicative articolate, e adeguata autonomia nell’uso degli strumenti linguistici. Una valutazione discreta corrisponde a una conoscenza sufficiente ma limitata a contenuti essenziali, con espressione linguistica corretta ma non sempre adeguata e capacità di analisi parziale. La prova insufficiente rivela lacune rilevanti, uso inappropriato della lingua e mancanza di coerenza con il programma. Per superare la prova è necessario ottenere un punteggio pari o superiore a 18/30. Per partecipare alla sessione d’esame, le studentesse e gli studenti devono: aver soddisfatto i requisiti iniziali (EPT), svolto con successo la prova formativa durante il corso (prova in itinere) e iscriversi all’appello (entro e non oltre i tempi previsti tramite il sito dedicato ESSE3). La studentessa o lo studente può sostenere lo stesso esame per un massimo di tre volte in un anno accademico. Per la disciplina degli esami di profitto si rimanda all'art. 35 del Regolamento didattico di Ateneo.
Testi di riferimento
Risorse predisposte dal docente tramite la pagina DIR Risorse digitali Piattaforma Macmillan Materiali integrativi e di approfondimento Lessico e grammatica Raymond Murphy, English Grammar in Use, 5th Edition. Cambridge: Cambridge University Press, 2019. Michael McCarthy, Felicity O’Dell, English Collocations in Use Intermediate (Book with Answers): How Words Work Together for Fluent and Natural English. Cambridge: Cambridge University Press, 2017. Inglese per scopi accademici AA. VV. Academic English: Skills for Success, 3nd Edition. Oxford: Oxford University Press, 2025. Dick Smakman, Presenting in English: A Practical Guide. London: Routledge, 2024. Altri testi di riferimento saranno indicati dal docente.
Codice insegnamento MF0397
Inglese - Lt Informatica
1° anno · 6 CFU · 0 file
Gli scopi, gli obiettivi e le funzioni sono quelli raccomandati dal Quadro comune europeo di riferimento (CEFR) per il raggiungimento di un livello B2. Alla fine del corso, la componente studentesca sarà in grado di…
Scheda dell'insegnamento
Obiettivi formativi
Gli scopi, gli obiettivi e le funzioni sono quelli raccomandati dal Quadro comune europeo di riferimento (CEFR) per il raggiungimento di un livello B2. Alla fine del corso, la componente studentesca sarà in grado di affrontare la maggior parte delle situazioni che potrebbero presentarsi durante un viaggio e/o per lavoro dove si parla la lingua inglese. Inoltre, saprà giustificare le proprie intenzioni o decisioni e migliorerà anche le sue capacità di pronuncia e ascolto. Il tutto sarà finalizzato all'acquisizione della conoscenza e comprensione della lingua inglese generale e alle capacità di applicare tale conoscenza in ambito lavorativo in modo indipendente.
Programma
La conoscenza della lingua inglese è una competenza essenziale per professionisti. Da qui l'esigenza di offrire un corso pratico e immediato con l'obiettivo di migliorare a sviluppare le abilità di comunicazione in lingua inglese (e.g., ascolto, parlata, lettura e scrittura). L'acquisizione di tali nuove competenze linguistiche consentirà alla componente studentesca, una volta inserita nel mondo del lavoro sia in Italia che all’estero, di comunicare efficacemente in lingua inglese parlata e scritta. Si raccomanda l'acquisizione di un livello B1 (intermedio) attraverso l'English Placement Test e corsi di sostegno A2 e B1 disponibili sulla piattaforma Macmillan Education (veda altre informazioni). Certificazioni internazionali di lingua inglese sono accettate secondo i criteri della commissione linguistica del CLUPO. Lezioni frontali e esercitazioni.
Modalità d'esame
L’esame finale è volto a verificare le competenze linguistiche in lingua Inglese. L’esame consisterà di una prova scritta basata sulle competenze acquisito nel testo indicato in bibliografia e su tutto il materiale svolto in classe. Le domande verteranno sulla comprensione, grammatica, vocaboli e ascolto. L’esame sarà tarato su un livello B2 (sovra-intermedio) secondo i parametri CEFR. Il superamento dell'esame prevede l'idoneità.
Testi di riferimento
National Geographic Life Upper Intermediate Pack (Student's Book + Workbook + Ebook) By PAUL DUMMETT, John Hughes and Helen Stephenson. National Geographic Learning ISBN:9788853625168
Codice insegnamento C142527
Introduzione All'Intelligenza Artificiale
1° anno · 3 CFU · INFO-01/A · 0 file
Conoscenza e capacità di comprensione: studenti e studentesse acquisiranno una conoscenza di base dei fondamenti teorici dell’Intelligenza Artificiale, con particolare attenzione ai principali paradigmi storici e alle…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensione: studenti e studentesse acquisiranno una conoscenza di base dei fondamenti teorici dell’Intelligenza Artificiale, con particolare attenzione ai principali paradigmi storici e alle metodologie classiche (ricerca, rappresentazione della conoscenza, ragionamento, apprendimento). Comprenderanno inoltre le tappe evolutive dell’IA, i suoi ambiti applicativi e le questioni etiche e sociali ad essa associate. Capacità di applicare conoscenza e comprensione: studenti e studentesse saranno in grado di riconoscere e descrivere scenari in cui sono impiegate tecnologie di Intelligenza Artificiale. Sapranno valutare il ruolo dell’IA in contesti interdisciplinari. Autonomia di giudizio: studenti e studentesse svilupperanno capacità critiche nell’analisi delle applicazioni dell’IA. La conoscenza dei fondamenti storici e dei dibattiti contemporanei fornirà loro gli strumenti per elaborare un proprio punto di vista motivato. Abilità comunicative: studenti e studentesse saranno in grado di esporre in modo chiaro e coerente i concetti fondamentali dell’Intelligenza Artificiale, utilizzando una terminologia corretta e accessibile, anche in contesti non specialistici. Capacità di apprendimento: studenti e studentesse avranno appreso conoscenze in merito ai fondamenti dell’IA e con particolare attenzione alle criticità che hanno guidato la sua evoluzione e sviluppo. In particolare, studenti e studentesse avranno appreso le peculiarità e le differenze delle differenti tecnologie di IA con particolare rilievo a potenzialità e limiti
Programma
Il corso fornisce un'introduzione ai concetti fondamentali dell'intelligenza artificiale. Saranno trattati i principi di base, la storia, le principali tecniche e applicazioni con esempi semplici e casi di studio.
- Introduzione all’IA: definizioni, storia ed evoluzione • Rappresentazione della conoscenza e ragionamento automatico • Fondamenti di machine learning supervisionato e non supervisionato • Introduzione al deep learning • Elaborazione del linguaggio naturale • Visione artificiale • Applicazioni scientifiche e industriali dell’IA • Questioni etiche e sociali legate all’IA
Nessuno
Lezioni frontali in aula con supporto di slide. Il materiale didattico verrà fornito anche sulla piattaforma DIR.
Modalità d'esame
La valutazione si basa su una prova scritta con domande a risposta multipla e aperta, finalizzata a verificare la comprensione dei concetti di base.
Testi di riferimento
Materiale didattico fornito dal docente
Codice insegnamento MF0794
Introduzione All'Intelligenza Artificiale
1° anno · 3 CFU · INFO-01/A · 0 file
Conoscenza e capacità di comprensione: studenti e studentesse acquisiranno una conoscenza di base dei fondamenti teorici dell’Intelligenza Artificiale, con particolare attenzione ai principali paradigmi storici e alle…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensione: studenti e studentesse acquisiranno una conoscenza di base dei fondamenti teorici dell’Intelligenza Artificiale, con particolare attenzione ai principali paradigmi storici e alle metodologie classiche (ricerca, rappresentazione della conoscenza, ragionamento, apprendimento). Comprenderanno inoltre le tappe evolutive dell’IA, i suoi ambiti applicativi e le questioni etiche e sociali ad essa associate. Capacità di applicare conoscenza e comprensione: studenti e studentesse saranno in grado di riconoscere e descrivere scenari in cui sono impiegate tecnologie di Intelligenza Artificiale. Sapranno valutare il ruolo dell’IA in contesti interdisciplinari. Autonomia di giudizio: studenti e studentesse svilupperanno capacità critiche nell’analisi delle applicazioni dell’IA. La conoscenza dei fondamenti storici e dei dibattiti contemporanei fornirà loro gli strumenti per elaborare un proprio punto di vista motivato. Abilità comunicative: studenti e studentesse saranno in grado di esporre in modo chiaro e coerente i concetti fondamentali dell’Intelligenza Artificiale, utilizzando una terminologia corretta e accessibile, anche in contesti non specialistici. Capacità di apprendimento: studenti e studentesse avranno appreso conoscenze in merito ai fondamenti dell’IA e con particolare attenzione alle criticità che hanno guidato la sua evoluzione e sviluppo. In particolare, studenti e studentesse avranno appreso le peculiarità e le differenze delle differenti tecnologie di IA con particolare rilievo a potenzialità e limiti
Programma
Il corso fornisce un'introduzione ai concetti fondamentali dell'intelligenza artificiale. Saranno trattati i principi di base, la storia, le principali tecniche e applicazioni con esempi semplici e casi di studio.
- Introduzione all’IA: definizioni, storia ed evoluzione • Rappresentazione della conoscenza e ragionamento automatico • Fondamenti di machine learning supervisionato e non supervisionato • Introduzione al deep learning • Elaborazione del linguaggio naturale • Visione artificiale • Applicazioni scientifiche e industriali dell’IA • Questioni etiche e sociali legate all’IA
Nessuno
Lezioni frontali in aula con supporto di slide. Il materiale didattico verrà fornito anche sulla piattaforma DIR.
Modalità d'esame
La valutazione si basa su una prova scritta con domande a risposta multipla e aperta, finalizzata a verificare la comprensione dei concetti di base.
Testi di riferimento
Materiale didattico fornito dal docente
Codice insegnamento C142558
Matematica Discreta
1° anno · 9 CFU · MATH-01/A · 0 file
Modulo LOGICA: Introdurre le nozioni elementari di logica delle proposizioni e del primo ordine con particolare attenzione alla relazione fra verità e derivabilità ed alla rappresentabilità nel calcolo dei predicati.…
Scheda dell'insegnamento
Obiettivi formativi
Modulo LOGICA:
Introdurre le nozioni elementari di logica delle proposizioni e del primo ordine con particolare attenzione alla relazione fra verità e derivabilità ed alla rappresentabilità nel calcolo dei predicati.
Modulo ALGEBRA E GEOMETRIA:
L’insegnamento si propone di fornire alle studentesse e agli studenti le conoscenze fondamentali dell’algebra lineare e della teoria elementare dei numeri, introducendo concetti e metodi matematici essenziali per la formazione di base in Informatica. Il corso affronta gli elementi principali del calcolo vettoriale e matriciale, dei sistemi lineari, degli spazi vettoriali e delle trasformazioni lineari, insieme ai concetti fondamentali della teoria dei numeri, quali divisibilità, numeri primi, congruenze e aritmetica modulare. Al termine dell’insegnamento, le studentesse e gli studenti avranno acquisito la capacità di utilizzare un linguaggio matematico appropriato e di applicare gli strumenti algebrici introdotti per formalizzare e risolvere semplici problemi. L’obiettivo formativo dell’insegnamento è sviluppare capacità di astrazione, ragionamento logico e modellizzazione, fornendo agli studenti le basi matematiche necessarie per affrontare lo studio delle discipline informatiche successive e per comprendere l’utilizzo di strutture e metodi algebrici nella progettazione e nell’analisi di soluzioni computazionali.
Il modulo, pari a 6 CFU complessivi, è articolato in due componenti didattiche: 3 CFU dedicati all’Aritmetica Modulare e 3 CFU dedicati all’Algebra Lineare. La didattica erogativa si svolge mediante lezioni frontali alla lavagna, dedicate alla presentazione dei concetti teorici fondamentali, alla discussione dei principali risultati e allo svolgimento guidato di esempi ed esercizi applicativi. Lo svolgimento degli esercizi prevede il coinvolgimento attivo delle studentesse e degli studenti, attraverso la discussione dei procedimenti risolutivi, l’analisi critica delle strategie adottate e il confronto sulle diverse modalità di soluzione.
Programma
Modulo LOGICA:
Logica Proposizionale e relativo calcolo della Deduzione naturale. Introduzione alla Logica dei Predicati.
Logica Proposizionale:
- Sintassi.
- Semantica: interpretazione, definizioni di soddisfacibile, contraddittorio, tautologia, conseguenza semantica e risultati connessi, equivalenza semantica, completezza funzionale e forma normali.
- Deduzione naturale: regole e dimostrazioni, correttezza, enunciato di completezza.
Logica dei Predicati: - Sintassi: variabili libere e legate, sostituzione.
- Semantica: Interpretazione, definizioni di soddisfacibile, contraddittorio, tautologia, conseguenza semantica e risultati connessi.
Conoscenza matematiche di base
Lezioni frontali che includono esercitazioni.
Modulo ALGEBRA E GEOMETRIA:
Teoria elementare dei numeri. Alcune nozioni di base dell'algebra lineare.
Aritmetica Modulare:
Numeri interi.
Divisibilità e numeri primi.
Massimo comune divisore e algoritmo di Euclide.
Minimo comune multiplo.
Equazioni diofantee.
Congruenze e classi di resto.
Criteri di divisibilità.
Rappresentazione dei numeri in basi diverse dalla base dieci.
Teorema cinese del resto.
Condivisione di segreti mediante sistemi di congruenze.
Teorema di Eulero.
Problema del logaritmo discreto.
Protocollo di Diffie-Hellman.
Crittosistema RSA.
Algebra Lineare:
Matrici, determinanti, rango e matrice inversa.
Spazi vettoriali, basi e dipendenza lineare.
Applicazioni lineari e prodotto scalare.
Sistemi lineari.
Metodo di eliminazione di Gauss.
Applicazioni dell’algebra lineare ai sistemi lineari.
Conoscenze di base della matematica acquisite nella scuola secondaria superiore, con particolare riferimento alle proprietà fondamentali dei numeri interi, all’aritmetica, all’algebra elementare, alle equazioni e disequazioni, nonché alle proprietà di base del piano cartesiano e della geometria analitica. È richiesta la capacità di leggere e produrre brevi testi scritti in italiano e di comprendere semplici argomentazioni matematiche.
La didattica si svolgerà mediante lezioni frontali alla lavagna, comprensive di una parte teorica e di una parte dedicata alla discussione e allo svolgimento di esercizi. Ogni argomento del corso sarà introdotto attraverso una discussione generale finalizzata a favorire la comprensione intuitiva dei concetti e a evidenziarne il significato e le motivazioni. Successivamente saranno presentate le definizioni, i risultati fondamentali e gli strumenti metodologici propri di ciascun argomento, accompagnati da esempi volti a chiarirne l’applicazione e l’interpretazione. Parte delle lezioni sarà dedicata allo svolgimento di esercizi, proposti e discussi con il coinvolgimento attivo delle studentesse e degli studenti, al fine di sviluppare capacità di analisi, senso critico e autonomia nella risoluzione dei problemi.
Modalità d'esame
Modulo LOGICA:
La verifica finale consiste in una prova scritta della durata di mezz'ora e in una prova orale facoltativa.
Modulo ALGEBRA E GEOMETRIA:
L’esame si compone di due prove scritte, ciascuna della durata di 30 minuti: una prova contenente esercizi relativi all’Aritmetica Modulare e una prova contenente esercizi relativi all’Algebra Lineare. Ciascuna prova riguarda la maggior parte degli argomenti trattati durante il corso e può essere sostenuta anche in appelli diversi, purché entro e non oltre dicembre 2027.
Durante lo svolgimento delle prove scritte è consentito esclusivamente l’uso della calcolatrice.
La prova di Algebra Lineare è costituita da due esercizi, ciascuno valutato 16 punti. La prova di Aritmetica Modulare è costituita da tre esercizi e un quiz; sul testo d’esame sono indicati i punteggi assegnati a ciascun esercizio. Le risposte errate al quiz non comportano penalizzazioni. Anche nel caso in cui un esercizio non sia svolto completamente in modo corretto, le parti corrette del procedimento saranno comunque valutate.
La sufficienza si raggiunge con una valutazione pari o superiore a 18/30. Tale valutazione corrisponde al raggiungimento degli obiettivi formativi minimi dell’insegnamento: lo/la studente/ssa dimostra una conoscenza essenziale degli argomenti fondamentali del corso ed è in grado di applicare i principali metodi e risultati introdotti alla risoluzione di problemi standard. Sono ammesse imprecisioni o errori di calcolo non sostanziali, purché il procedimento adottato evidenzi una comprensione adeguata dei concetti e una corretta impostazione del problema.
La valutazione compresa tra 18/30 e 20/30 indica una preparazione sufficiente, con una conoscenza di base degli argomenti e una capacità ancora limitata nell’applicazione autonoma dei metodi.
La valutazione compresa tra 21/30 e 24/30 indica una preparazione discreta: lo/la studente/ssa mostra una buona conoscenza dei contenuti, sa applicare correttamente le tecniche principali e affronta gli esercizi con una discreta autonomia.
La valutazione compresa tra 25/30 e 27/30 indica una preparazione buona o molto buona: lo/la studente/ssa dimostra padronanza degli argomenti trattati, capacità di collegamento tra concetti diversi e una buona autonomia nella risoluzione dei problemi.
La valutazione compresa tra 28/30 e 30/30 indica una preparazione eccellente: lo/la studente/ssa possiede una conoscenza approfondita degli argomenti, applica gli strumenti matematici con sicurezza e rigore, risolve gli esercizi in modo completo e utilizza un linguaggio matematico appropriato.
La lode può essere attribuita agli studenti che, oltre a raggiungere una valutazione di eccellenza, dimostrano particolare padronanza dei contenuti, capacità di ragionamento autonomo e chiarezza nell’esposizione.
In caso di situazioni dubbie o qualora la valutazione delle prove scritte non consenta di determinare con sufficiente chiarezza il livello di preparazione dello studente, il docente si riserva la possibilità di richiedere un colloquio orale integrativo, finalizzato a verificare la reale acquisizione delle conoscenze e delle competenze previste dagli obiettivi formativi dell’insegnamento.
Per il superamento dell’esame del modulo è necessario conseguire una valutazione sufficiente in entrambe le prove. La valutazione finale del modulo sarà definita collegialmente e condivisa tra i docenti delle parti di Aritmetica Modulare e di Algebra Lineare, tenendo conto degli esiti delle prove scritte e degli eventuali colloqui orali integrativi, nonché del livello complessivo di acquisizione delle conoscenze e delle competenze previste dagli obiettivi formativi dell’insegnamento.
Gli appunti delle lezioni e le dispense costituiscono il principale riferimento per la preparazione dell’esame; il libro di testo è consigliato come supporto per consolidare la comprensione degli argomenti e approfondire gli aspetti teorici.
Testi di riferimento
Modulo LOGICA:
"Logica a Informatica" di A. Asperti e A. Ciabattoni, Mc Grow Hill Education (1997)
Modulo ALGEBRA E GEOMETRIA:
Testi consigliati:
+ Bramanti, Pagani, Salsa, "Analisi Matematica 1 con elementi di geometria e algebra lineare", Ed. Zanichelli.
+ Appunti del docente caricati sulla piattaforma DIR.
Codice insegnamento MF0204
Matematica Discreta
1° anno · 9 CFU · MATH-02/B · 0 file
Modulo ALGEBRA E GEOMETRIA: L'insegnamento si propone di fornire alle studentesse e agli studenti la conoscenza degli elementi principali dell'algebra, del calcolo vettoriale e matriciale e delle loro applicazioni. Scopo…
Scheda dell'insegnamento
Obiettivi formativi
Modulo ALGEBRA E GEOMETRIA:
L'insegnamento si propone di fornire alle studentesse e agli studenti la conoscenza degli elementi principali dell'algebra, del calcolo vettoriale e matriciale e delle loro applicazioni. Scopo dell'insegnamento è che le studentesse e gli studenti acquisiscano e sappiano utilizzare un linguaggio matematico appropriato in relazione agli argomenti trattati nel corso. Obiettivo formativo dell'insegnamento è quello di sviluppare la capacità di modellizzare semplici situazioni con l'aiuto di idee e metodi di base di algebra (teoria elementare dei numeri) e algebra lineare.
Modulo LOGICA:
Introdurre le nozioni elementari di logica delle proposizioni e del primo ordine con particolare attenzione alla relazione fra verità e derivabilità ed alla rappresentabilità nel calcolo dei predicati.
Programma
Modulo ALGEBRA E GEOMETRIA:
Teoria elementare dei numeri. Alcune nozioni di base dell'algebra lineare.
Numeri interi. Divisibilità e numeri primi. Massimo comune divisore. Algoritmo di Euclide. Minimo comune multiplo. Equazioni diofantee. Congruenze e classi di resto. Criteri di divisibilità. Rappresentazione di numeri con base diversa da dieci. Teorema cinese del resto. Condivisione di segreti mediante sistemi di congruenze. Il teorema di Eulero. Il problema del logaritmo discreto. Il protocollo di Diffie-Hellman. Il protocollo RSA. Sistemi lineari. Metodo di Eliminazione di Gauss. Matrici, determinanti, rango, matrice inversa. Spazi vettoriali, basi, dipendenza lineare. Applicazioni lineari, prodotto scalare. Applicazioni ai sistemi lineari.
Lettura e produzione di brevi testi scritti in italiano. Proprietà di base dei numeri interi. Proprietà di base del piano cartesiano.
La didattica si svolgerà mediante lezioni frontali alla lavagna con parte teorica ed esercizi. Ogni argomento del corso viene introdotto per mezzo di una discussione generale che ha lo scopo di renderla il più possibile comprensibile alle studentesse e agli studenti. In un secondo momento vengono introdotte le nozioni di base di ciascun argomento; esse sono successivamente seguite da esempi con lo scopo di chiarirne il significato. L'ultima parte è dedicata agli esercizi che saranno svolti dal docente con il coinvolgimento attivo delle studentesse e degli studenti per stimolarne il senso critico e l’autonomia di giudizio.
Modulo LOGICA:
Logica Proposizionale e relativo calcolo della Deduzione naturale. Introduzione alla Logica dei Predicati.
Logica Proposizionale:
- Sintassi.
- Semantica: interpretazione, definizioni di soddisfacibile, contraddittorio, tautologia, conseguenza semantica e risultati connessi, equivalenza semantica, completezza funzionale e forma normali.
- Deduzione naturale: regole e dimostrazioni, correttezza, enunciato di completezza.
Logica dei Predicati: - Sintassi: variabili libere e legate, sostituzione.
- Semantica: Interpretazione, definizioni di soddisfacibile, contraddittorio, tautologia, conseguenza semantica e risultati connessi.
Conoscenza matematiche di base
Lezioni frontali che includono esercitazioni.
Modalità d'esame
Modulo ALGEBRA E GEOMETRIA:
L'esame è costituito da una prova scritta contenente quattro esercizi di cui due su argomenti di Aritmetica Modulare e due su argomenti di Algebra Lineare. In ogni prova scritta, la maggior parte degli argomenti contenuti nel corso viene coperta. La presenza di domande sulla parte teorica non è esclusa. La prova scritta ha la durata di un'ora e si considera superata se si svolgono correttamente almeno un esercizio di Aritmetica Modulare e un esercizio di Algebra Lineare. Durante la prova scritta è consentito l'uso di una calcolatrice.
Modulo LOGICA:
La verifica finale consiste in una prova scritta della durata di mezz'ora e in una prova orale facoltativa.
Testi di riferimento
Modulo ALGEBRA E GEOMETRIA:
Testi consigliati:
+ Bramanti, Pagani, Salsa, "Analisi Matematica 1 con elementi di
geometria e algebra lineare", Ed. Zanichelli.
+ Appunti del docente caricati sulla piattaforma DIR.
Modulo LOGICA:
"Logica a Informatica" di A. Asperti e A. Ciabattoni, Mc Grow Hill Education (1997)
Codice insegnamento C142545
Programmazione 1
1° anno · 9 CFU · INFO-01/A · 0 file
La Studentessa/lo Studente deve conoscere i costrutti di base della programmazione, le strutture dati di base (variabili, costanti, array) e l'organizzazione del programma in più funzioni. Dato un problema di media…
Scheda dell'insegnamento
Obiettivi formativi
La Studentessa/lo Studente deve conoscere i costrutti di base della programmazione, le strutture dati di base (variabili, costanti, array) e l'organizzazione del programma in più funzioni.
Dato un problema di media complessità, la Studentessa/lo Studente deve essere in grado di individuare i possibili dati di input, i possibili dati di output e l'algoritmo che risolve il problema. Inoltre la Studentessa/lo Studente deve essere in grado di scrivere un programma in linguaggio C corrispondente all'algoritmo, di compilarlo ed eseguirlo.
Programma
Il corso ha la finalità di introdurre i fondamenti della programmazione degli elaboratori elettronici, partendo dal concetto di algoritmo e dalla descrizione dei concetti di base di un programma, per arrivare a concetti avanzati di strutture dati e di controllo dei linguaggi di programmazione.
Il corso si propone, inoltre, di presentare i concetti di base del linguaggio di programmazione C impiegato a supporto dell’insegnamento della programmazione, nonché per lo svolgimento di esercitazioni pratiche in laboratorio.
- introduzione alla programmazione ed al linguaggio C (algoritmi, primi programmi, compilazione, comandi da terminale);
- variabili, costanti, tipi di dato, operatori aritmetici, operatori di input/output;
- costrutto di selezione (if...else) con condizioni Booleane semplici e composte;
- costrutti di iterazione (while, for, do-while);
- funzioni, passaggio dei parametri per valore e per riferimento tramite puntatori;
- array (vettori, matrici, stringhe, vettori di stringhe);
- aritmetica dei puntatori;
- tipi di dato estesi e conversioni di tipo;
- operazioni di lettura e scrittura di file di testo;
- argomenti da riga di comando.
Nessuno
Il corso si articola in lezioni frontali in aula e in esercitazioni al calcolatore in laboratorio.
Le lezioni frontali occupano circa 48 ore.
Le esercitazioni occupano circa 24 ore.
Modalità:
durante le lezioni frontali si presentano gli aspetti teorici della programmazione (algoritmi, costrutti, strutture dati, ecc.). Inoltre, tramite un calcolatore collegato ad un proiettore, si mostra come tali aspetti si possono implementare al calcolatore.
Per ogni argomento vengono presentati vari esempi di problemi ed i corrispondenti algoritmi e programmi.
Durante le lezioni in laboratorio si richiede alle Studentesse/agli Studenti di realizzare gli stessi programmi visti in aula, e di realizzarne altri che risolvono problemi analoghi.
Strumenti:
per assimilare in modo graduale i concetti di algoritmo e di programma, e i relativi costrutti, all'inizio del corso gli algoritmi vengono definiti tramite vari livelli di astrazione: diagramma di flusso, pseduo-codice, linguaggio di programmazione.
Dato che si tratta di un corso di programmazione di base, i programmi vengono scritti al calcolatore tramite un comune editor di testo. Per abituare le Studentesse/gli Studenti all'uso del terminale (utile per insegnamenti successivi), la compilazione e l'esecuzione dei programmi avviene dalla riga di comando del terminale. Oltre ai comandi di compilazione ed esecuzione, vengono presentati ed applicati i principali comandi da terminale.
Durante il corso, l'apprendimento viene verificato tramite lo svolgimento di una serie di esercizi per ogni argomento del corso. Ogni esercizio richiede la definizione di un algoritmo e la scrittura in linguaggio C del programma corrispondente.
Durante le lezioni di laboratorio, ogni esercizio viene introdotto, si definisce sommariamente la struttura del programma, si richiede alle Studentesse/agli Studenti di completare in modo autonomo il programma entro un certo periodo di tempo, dopodiché si fornisce la soluzione dell'esercizio per verificare la correttezza.
Alla fine del corso vengono svolte alcune simulazioni di esame, al calcolatore, per consentire alle Studentesse/agli Studenti di rendersi conto di quanto richiesto effettivamente all'esame.
Oltre alle ore di laboratorio, il corso prevede delle ore di tutorato in cui le Studentesse/gli Studenti possono continuare gli esercizi, chiarire eventuali dubbi, o richiedere che un argomento venga spiegato una seconda volta.
Il corso ha una propria pagina nella piattaforma DIR (Didattica in Rete), che contiene le slide del corso, i programmi presentati in aula, i programmi preparati in laboratorio, i programmi preparati durante il tutorato, le prove d'esame del passato, ecc.
Modalità d'esame
La Studentessa/lo Studente può scegliere tra l'esame standard e l'esame semplificato.
ESAME STANDARD:
consiste di due prove che si tengono in due giorni diversi: 1) prova pratica; 2) prova orale.
1.
Durante la prova pratica la Studentessa/lo Studente, dato un determinato problema, deve essere in grado di:
a) scrivere un programma in linguaggio C che contiene le strutture dati (variabili, costanti, array) e gli algoritmi che risolvono il problema;
b) compilare con successo il programma;
c) verificare la corretta esecuzione del programma.
Il programma deve essere strutturato in 5 funzioni:
- una funzione che carica un array (vettore, matrice, stringa o vettore di stringhe);
- una funzione che visualizza l'array;
- due funzioni che effettuano operazioni sull'array;
- la funzione main che raccoglie i dati di input, invoca le altre funzioni e visualizza i risultati.
Ogni funzione vale 6 punti, per un totale di 30 punti.
Ogni funzione viene valutata da 0 a 6 punti in base al livello di correttezza logica.
La prova pratica è fallita se - il programma non è compilabile (non è formalmente corretto);
- il programma è compilabile (è formalmente corretto), ma il punteggio complessivo è meno di 18.
In questo caso l'esame termina direttamente con esito insufficiente.
La prova pratica è superata se il programma è compilabile e il punteggio complessivo è almeno 18. In questo caso la Studentessa/lo Studente accede alla successiva prova orale.
La prova pratica dura 2 ore e può riguardare qualunque argomento del corso.
Prove pratiche del passato, con le soluzioni, sono presenti sulla piattaforma DIR.
2.
La prova orale riguarda il programma consegnato al termine della prova pratica.
In particolare prevede: - domande sulle strutture dati usate nel programma (circa 2);
- domande sugli algoritmi implementati nel programma (circa 2);
- domande sui comandi e i costrutti del linguaggio C presenti nel programma (circa 2);
- richieste di modifica del programma per modificarne il comportamento (circa 2).
La prova orale ha lo scopo di verificare che la Studentessa/lo Studente sia consapevole di tutto ciò che ha scritto nel programma (strutture dati, algoritmi, comandi, costrutti) e sia in grado di modificare il programma per ottenere un risultato diverso.
La prova orale è superata se la Studentessa/lo Studente risponde correttamente e prontamente a tutte le domande.
In questo caso l'esame è superato e il voto finale è lo stesso della prova pratica.
Se la prova orale non è superata l'esame si conclude con esito insufficiente.
La prova orale dura circa 15 minuti.
ESAME SEMPLIFICATO:
prevede solo la prova pratica.
La Studentessa/lo Studente deve essere in grado di:
a) implementare un programma in linguaggio C che contiene le strutture dati (variabili, costanti, array) e gli algoritmi necessari;
b) compilare con successo il programma;
c) verificare la corretta esecuzione del programma.
Il programma deve essere strutturato in 3 funzioni: - una funzione che carica un array (vettore, matrice, stringa o vettore di stringhe);
- una funzione che visualizza l'array;
- la funzione main che invoca le altre funzioni.
Ogni funzione vale 6 punti, per un totale di 18 punti.
Ogni funzione viene valutata da 0 a 6 punti in base al livello di correttezza logica.
L'esame è fallito se - il programma non è compilabile;
- il programma è compilabile, ma il punteggio complessivo è meno di 18.
L'esame è superato se il programma è compilabile e il punteggio complessivo è 18.
L'esame dura un'ora.
Durante l'esame non è consentita la consultazione del materiale del corso o di manuali.
Si usano i calcolatori presenti nel laboratorio informatico.
E' vietato l'uso di qualunque altro dispositivo (computer portatili, smartphone, occhiali smart, auricolari, ecc.).
L'uso di tali dispositivi causerà l'immediato annullamento dell'esame.
Testi di riferimento
- Kelley, Pohl, “C: didattica e programmazione”, Pearson Italia, 2a edizione, 2018, https://he.pearson.it/bundle/654?isbn=9788891908216
- P. Deitel, H. Deitel, “Il linguaggio C: Fondamenti e tecniche di programmazione”, Pearson Italia, 9a edizione, 2022, https://he.pearson.it/bundle/500?isbn=9788891906236
- Kernighan, Ritchie, “Il linguaggio C: Principi di programmazione e manuale di riferimento”, Pearson Italia, 2a edizione, 2018, https://he.pearson.it/bundle/679?isbn=9788891908230
Codice insegnamento MF0207
Programmazione 1
1° anno · 9 CFU · INFO-01/A · 0 file
Le studentesse e gli studenti devono essere capace di usare la metodologia top-down nell’analisi dei problemi. In particolare, deve aver acquisito la capacita di • determinare input e output; • sviluppare diagrammi di…
Scheda dell'insegnamento
Obiettivi formativi
Le studentesse e gli studenti devono essere capace di usare la metodologia top-down nell’analisi dei problemi. In particolare, deve aver acquisito la capacita di • determinare input e output; • sviluppare diagrammi di flusso; • sviluppare programmi nel linguaggio C utilizzando le nozioni di: variabili, tipi di dato; costrutto di selezione (if..else) e condizioni booleane; iterazione e costrutto while; cicli for e do-while; funzioni e passaggio dei parametri; passaggio dei parametri per valore e per riferimento; array e algoritmi su array; il tipo stringa; gestione dei files; • Deve inoltre aver acquisito la capacità di analizzare la complessità di un algoritmo, compilare, verificare ed eseguire programmi.
Programma
Il corso ha la finalità di introdurre i fondamenti della programmazione degli elaboratori elettronici, partendo dal concetto di algoritmo e dalla descrizione dei concetti di base di un programma, per arrivare a concetti avanzati di strutture dati e di controllo dei linguaggi di programmazione. Il corso si propone, inoltre, di presentare i concetti di base del linguaggio di programmazione C impiegato a supporto dell’insegnamento della programmazione, nonché per lo svolgimento di esercitazioni pratiche in laboratorio. Il materiale presentato durante le lezioni (slides, esercizi, soluzioni, esempi di codice), sarà disponibile sulla pagina DIR del corso per l'a.a. corrente.
- introduzione alla programmazione strutturata- metodologia top-down nell’analisi dei problemi e nello sviluppo dei diagrammi di flusso (e dei programmi) - concetti di base della programmazione (espressi mediante il linguaggio C): - variabili, tipi di dato; - input e output ; - primi programmi C con il solo uso di sequenze; - costrutto di selezione (if..else) e condizioni booleane; - iterazione e costrutto while; cicli for e do-while; invarianti di ciclo (informali) - funzioni e passaggio dei parametri; passaggio dei parametri per valore e per riferimento; - array e algoritmi su array; - il tipo stringa- gestione dei files; - analisi di complessità di un algoritmo.- Introduzione al sistema operativo Linux e principali comandi per la gestione dei file e dei processi, e per la compilazione ed esecuzione di programmi.
Nessuno
Lezioni tradizionali e esercitazioni nel laboratorio informatico.
Modalità d'esame
La prova d'esame di Programmazione 1 si articola in due parti, una relativa a Fondamenti (6 CFU) e l’altra di Sperimentazioni (3 CFU). Entrambe le parti devono essere superate (voto >= 18), ed il voto finale è ottenuto come media pesata (rispetto alle CFU) delle due parti.
L’esame relativo alla parte di Fondamenti è in forma scritta (cartacea), e prevede un esercizio da svolgere tramite sviluppo di un Diagramma di Flusso Strutturato, un esercizio da svolgere tramite lo sviluppo di una o più funzioni in C, ed infine una o più domande di teoria (risposta aperta).
La prova d'esame relativa alla parte di Sperimentazioni si svolge presso il laboratorio informatico e consiste nella scrittura di due o tre funzioni in linguaggio C mediante l’utilizzo del modulo CodeRunner, disponibile sulla piattaforma esami.dir, in modalità di correzione automatica.
Per ciascuna funzione richiesta (2-3 funzioni), il sistema esegue automaticamente una serie di test case finalizzati a verificarne la correttezza. A ogni test case è associato un punteggio, determinato in funzione della difficoltà del test stesso e della complessità dell’esercizio proposto. La soluzione deve essere formalmente corretta e compilabile. Eventuali errori di compilazione o di sintassi che impediscano l’esecuzione della funzione comportano il mancato superamento dei relativi test case. Il punteggio viene attribuito automaticamente sulla base del numero e della tipologia dei test superati. La studentessa o lo studente può conseguire un punteggio massimo pari a 24/30. Per coloro che intendono ottenere una valutazione superiore a 24/30, è necessario esprimere la propria preferenza aggiungendo una nota al momento dell'iscrizione all'esame sulla piattaforma ESSE3. In questo caso, è previsto lo svolgimento di un esercizio aggiuntivo, caratterizzato da un livello di difficoltà maggiore. Lo svolgimento corretto di tale esercizio consente di raggiungere un punteggio massimo pari a 30/30 e lode. Anche in questo caso, errori in compilazione dell'esercizio, determineranno l'insufficienza della prova. A discrezione, al fine di integrare la prova scritta, il docente potrà convocare all'orale sottoponendo alcune domande di verifica.
La prova pratica ha una durata di circa 1 ora e mezza e può riguardare tutti gli argomenti affrontati durante il corso. Sulla piattaforma DIR sono disponibili esempi di prove pratiche precedentemente assegnate, corredati dalle relative soluzioni in codice C commentato.
Durante la prova non è consentita la consultazione del materiale didattico, di appunti, manuali o altre risorse. La prova deve essere svolta utilizzando esclusivamente i calcolatori messi a disposizione nel laboratorio informatico. Non è consentito utilizzare dispositivi mobili, computer portatili personali o altri dispositivi elettronici. Il docente si riserverà procedimenti in linea con il regolamento etico di Ateneo.
Testi di riferimento
P. Deitel, H. Deitel Il linguaggio C. Fondamenti e tecniche di programmazione, Pearson.Materiale integrativo fornito dai docenti su DIR
Codice insegnamento C142523
Programmazione 2
1° anno · 6 CFU · INFO-01/A · 0 file
Al termine del corso, le studentesse e gli studenti devono essere in grado, dato un problema di programmazione (per gestire la struttua dinamica lista), di individuarne un algoritmo risolutivo sia iterazione sia in…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, le studentesse e gli studenti devono essere in grado, dato un problema di programmazione (per gestire la struttua dinamica lista), di individuarne un algoritmo risolutivo sia iterazione sia in ricorsione, implementarlo in linguaggio C, eseguirlo al calcolatore. Conoscenza e comprensione: programmazione in iterazione, programmazione in ricorsione, la struttura dinamica lista. Capacità di applicare conoscenza e comprensione: dato un problema inerente alla struttura dinamica lista, - definire un algoritmo iterativo che trasforma i dati di input nei dati di output, seguendo i costrutti della programmazione; - definire un algoritmo ricorsivo che trasforma i dati di input nei dati di output, seguendo i costrutti della programmazione; - scrivere al calcolatore il programma sorgente che implementa l'algoritmo, utilizzando un linguaggio di programmazione (C); - compilare, eseguire e testare tale programma al calcolatore. Autonomia di giudizio: in modo autonomo le studentesse e gli studenti devono riuscire definire ed implementare un'algoritmo per risolvere un problema inerenti alla gestione di strutture dinamiche nel linguaggio di programmazione (C), a valutarne la complessità, e compilare ed eseguire il programma. Abilità comunicative: le studentesse e gli studenti devono riuscire a definire un algoritmo sia in iterazione sia in ricorsione, e deve sapere presentare il suo costo espresso come complessità in tempo e spazio. Capacità di apprendimento: le studentesse e gli studenti devono essere capaci di apprendere come si definiscae un algoritmo a partire dal problema sia in iterazione sia in ricorsione, valutarne i costi (complessità in tempo e spazio) e come si implementa tale algoritmo in C.
Programma
Gestione di stutture dati dinamiche. Iterazione. Ricorsione. Algoritmi classici di ordinamento
- puntatori in C e loro uso per la realizzazione di liste - funzioni interattive sulla liste: - gestione di una singola lista - gestione di più liste - ricorsione: - definizione e concetti di base - simulazione di funzione ricorsive mediante record di attivazione - un esempio complesso: le torri di Hanoi - funzioni ricorsive su liste: - gestione di una singola lista - gestione di più liste - funzioni ricorsive di ordinamento: - QuickSort - MergeSort
Agli studenti e alle studentesse, è caldamente consigliato il superamento dell'esame di Programmazione 1
Lezioni frontali, esercitazioni in aula e in laboratorio
Circa metà delle lezioni sono in aula mentre le rimanenti le lezioni sono in laboratorio.
Modalità d'esame
Esame in laboratorio: Quiz su moodle per verifica conoscenze di base e sviluppo in laboratorio di codice contenente funzioni iterative e ricorsive in linguaggio C. A discrezione del docente, l'esame può anche essere in forma di orale.
Testi di riferimento
Paul Deitel, Harvey Deitel “Il linguaggio C. Fondamenti e tecniche di programmazione”. Pearson Italia, 2013 Brian W. Kernighan, Dennis M. Ritchie "Il linguaggio C. Principi di programmazione e manuale di riferimento" Pearson Italia
Codice insegnamento MF0796
Programmazione 2
1° anno · 6 CFU · INFO-01/A · 0 file
Al termine del corso, le studentesse e gli studenti devono essere in grado, dato un problema di programmazione (per gestire la struttua dinamica lista), di individuarne un algoritmo risolutivo sia iterazione sia in…
Scheda dell'insegnamento
Obiettivi formativi
Al termine del corso, le studentesse e gli studenti devono essere in grado, dato un problema di programmazione (per gestire la struttua dinamica lista), di individuarne un algoritmo risolutivo sia iterazione sia in ricorsione, implementarlo in linguaggio C, eseguirlo al calcolatore. Conoscenza e comprensione: programmazione in iterazione, programmazione in ricorsione, la struttura dinamica lista. Capacità di applicare conoscenza e comprensione: dato un problema inerente alla struttura dinamica lista, - definire un algoritmo iterativo che trasforma i dati di input nei dati di output, seguendo i costrutti della programmazione; - definire un algoritmo ricorsivo che trasforma i dati di input nei dati di output, seguendo i costrutti della programmazione; - scrivere al calcolatore il programma sorgente che implementa l'algoritmo, utilizzando un linguaggio di programmazione (C); - compilare, eseguire e testare tale programma al calcolatore. Autonomia di giudizio: in modo autonomo le studentesse e gli studenti devono riuscire definire ed implementare un'algoritmo per risolvere un problema inerenti alla gestione di strutture dinamiche nel linguaggio di programmazione (C), a valutarne la complessità, e compilare ed eseguire il programma. Abilità comunicative: le studentesse e gli studenti devono riuscire a definire un algoritmo sia in iterazione sia in ricorsione, e deve sapere presentare il suo costo espresso come complessità in tempo e spazio. Capacità di apprendimento: le studentesse e gli studenti devono essere capaci di apprendere come si definiscae un algoritmo a partire dal problema sia in iterazione sia in ricorsione, valutarne i costi (complessità in tempo e spazio) e come si implementa tale algoritmo in C.
Programma
Gestione di stutture dati dinamiche. Iterazione. Ricorsione. Algoritmi classici di ordinamento
- puntatori in C e loro uso per la realizzazione di liste - funzioni interattive sulla liste: - gestione di una singola lista - gestione di più liste - ricorsione: - definizione e concetti di base - simulazione di funzione ricorsive mediante record di attivazione - un esempio complesso: le torri di Hanoi - funzioni ricorsive su liste: - gestione di una singola lista - gestione di più liste - funzioni ricorsive di ordinamento: - QuickSort - MergeSort
Agli studenti e alle studentesse, è caldamente consigliato il superamento dell'esame di Programmazione 1
Lezioni frontali, esercitazioni in aula e in laboratorio
Circa metà delle lezioni sono in aula mentre le rimanenti le lezioni sono in laboratorio.
Modalità d'esame
Esame in laboratorio: Quiz su moodle per verifica conoscenze di base e sviluppo in laboratorio di codice contenente funzioni iterative e ricorsive in linguaggio C. A discrezione del docente, l'esame può anche essere in forma di orale.
Testi di riferimento
Paul Deitel, Harvey Deitel “Il linguaggio C. Fondamenti e tecniche di programmazione”. Pearson Italia, 2013 Brian W. Kernighan, Dennis M. Ritchie "Il linguaggio C. Principi di programmazione e manuale di riferimento" Pearson Italia
Codice insegnamento C142551
Tecniche Di Comunicazione E Scrittura
1° anno · 3 CFU · LIFI-01/A · 0 file
Alla fine del corso, ci si aspetta che gli studenti inizino a cogliere l’importanza di una comunicazione corretta, chiara e funzionale come aspetto imprescindibile della loro formazione scientifica e della loro…
Scheda dell'insegnamento
Obiettivi formativi
Alla fine del corso, ci si aspetta che gli studenti inizino a cogliere l’importanza di una comunicazione corretta, chiara e funzionale come aspetto imprescindibile della loro formazione scientifica e della loro professione futura. Inoltre, dovranno saper applicare alla redazione di un testo le indicazioni fornite ed esercitate durante il corso, in modo adeguato alle diverse tipologie e generi testuali (con attenzione particolare al saggio scientifico). Infine, dovranno aver in gran parte colmato le lacune grammaticali di base e, soprattutto, dovranno aver accresciuto la loro sensibilità a cogliere e a risolvere le proprie difficoltà linguistico-comunicative.
Programma
Il corso punta a fornire una buona conoscenza delle principali tecniche di comunicazione e di scrittura, tenendo in particolare considerazione il tipo di formazione scientifica degli studenti e le loro più frequenti occasioni di scrittura in campo accademico e professionale. Per questo, sono esaminati i principali modelli della comunicazione, compresi i principi e le massime del comunicare. Inoltre, sono precisate le fasi della scrittura ed è approfondita la strutturazione del testo in capoversi e paragrafi. Il corso include anche una descrizione delle principali caratteristiche della lingua italiana, e un esame dei più ricorrenti errori di grammatica e scrittura; questi saranno rilevati e monitorati attraverso diverse modalità durante gli incontri, al fine di promuoverne un recupero consapevole e autonomo da parte degli studenti. Nessuno Lezioni frontali Laboratori di scrittura Apprendimento cooperativo
Modalità d'esame
In sede d’esame allo studente è richiesto di comporre per iscritto un testo e di rispondere a 15 domande (tempo: 2h30).
Testi di riferimento
Testo di riferimento: Dario Corno, Scrivere e comunicare. La scrittura in lingua italiana in teoria e in pratica. Pearson (ed. digitale: https://he.pearson.it/catalogo/4306). Ulteriori riferimenti: Luca Cignetti, Simone Fornara, Il piacere di scrivere. Guida all’italiano del Terzo millennio. Roma: Carocci, 2014. Luca Cignetti, Silvia Demartini, L’ortografia. Roma: Carocci, 2016. Giuseppe Patota, L’italiano dalla A alla X. Prontuario di grammatica. Roma-Bari: Laterza, 2013.
Codice insegnamento MF0396
Tecniche Di Comunicazione E Scrittura
1° anno · 3 CFU · LIFI-01/A · 0 file
Il corso punta a formare una buona competenza: - nell’uso analitico dei modelli della comunicazione - nell’uso delle massime del comunicare - di scrittura verificata in tutte le sue componenti (documentazione,…
Scheda dell'insegnamento
Obiettivi formativi
Il corso punta a formare una buona competenza: - nell’uso analitico dei modelli della comunicazione - nell’uso delle massime del comunicare - di scrittura verificata in tutte le sue componenti (documentazione, pianificazione, stesura, revisione, editing, pubblicazione) - della lingua italiana scritta - nella progettazione di testi scritti - nella realizzazione scritta di testi scientifici.
Programma
Il corso punta a fornire una buona conoscenza delle principali tecniche di comunicazione e di scrittura, tenendo in particolare considerazione il tipo di formazione scientifica degli studenti e le loro più frequenti occasioni di scrittura in campo accademico e professionale. Per questo, sono esaminati i principali modelli della comunicazione, compresi i principi e le massime del comunicare. Inoltre, sono precisate le fasi della scrittura ed è approfondita la strutturazione del testo in capoversi e paragrafi. Il corso include anche una descrizione delle principali caratteristiche della lingua italiana, e un esame dei più ricorrenti errori di grammatica e scrittura; questi saranno rilevati e monitorati attraverso diverse modalità durante gli incontri, al fine di promuoverne un recupero consapevole e autonomo da parte degli studenti. È richiesta la conoscenza della lingua italiana, almeno a livello C1. Sono presentate lezioni frontali con l’ausilio di slides (ppt).
Modalità d'esame
In sede d’esame allo studente è richiesto di comporre per iscritto un testo e di rispondere a 15 domande (tempo: 2h30).
Testi di riferimento
Testo di riferimento: Dario Corno, Scrivere e comunicare. La scrittura in lingua italiana in teoria e in pratica. Pearson (ed. digitale: https://he.pearson.it/catalogo/4306). Ulteriori riferimenti: Luca Cignetti, Simone Fornara, Il piacere di scrivere. Guida all’italiano del Terzo millennio. Roma: Carocci, 2014. Luca Cignetti, Silvia Demartini, L’ortografia. Roma: Carocci, 2016. Giuseppe Patota, L’italiano dalla A alla X. Prontuario di grammatica. Roma-Bari: Laterza, 2013.
Codice insegnamento C142522
Algoritmi
2° anno · 15 CFU · INF/01 · 0 file
Il modulo Algoritmi 1 si propone di insegnare a: enunciare la definizione delle strutture dati fondamentali essendo in grado di adottarle in problemi proposti; analizzare un algoritmo dato, sia esso ricorsivo che…
Scheda dell'insegnamento
Obiettivi formativi
Il modulo Algoritmi 1 si propone di insegnare a:
enunciare la definizione delle strutture dati fondamentali essendo in grado di adottarle in problemi proposti;
analizzare un algoritmo dato, sia esso ricorsivo che iterativo;
descrivere gli algoritmi di ricerca e di ordinamento, applicare un algoritmo specifico, tra quelli visti, ad un problema dato, darne un'implementazione in C.
Il modulo Algoritmi 2 si propone di:
introdurre grafi, insegnare come modellare problemi con grafi e fornire strumenti per gestirli;
insegnare strategie algoritmiche greedy e di programmazione dinamica, e introdurre tecniche di approssimazione di soluzioni di algoritmi di ottimizzazione;
affinare le capacità nel problem solving e nella valutazione della complessità delle soluzioni.
Programma
Metodi di analisi degli algoritmi. Strutture dati fondamentali. Algoritmi fondamentali (ricerca e ordinamento).
Tecniche algoritmiche greedy e programmazione dinamica, nozione di grafo e algoritmi su grafi
Modulo Algoritmi 1:
Introduzione agli algoritmi.
Modelli di analisi. notazioni asintotiche (notazioni O, Omega e Theta), limiti inferiori, teorema Master.
Tipi di dati astratti: pile, code, alberi.
Algoritmi di ordinamento: insertion sort, selection sort, merge sort, quicksort, heap sort, integer sort, radix sort
Alberi binari di ricerca. alberi AVL, alberi 2-3.
Tabelle hash.
Code con priorità.
Tali aspetti sono poi meglio studiati in pratica durante le esercitazioni tenute in laboratorio. In particolare in laboratorio verranno implementati esercizi relativi ai seguenti argomenti:
Ricerca binaria e Algoritmi di ordinamento: Insertion sort, selection sort, merge sort, heap sort, quicksort;
Strutture dati dinamiche: liste, code, pile;
Strutture dati per problemi di ricerca: alberi binari di ricerca, Tabelle hash.
Modulo Algoritmi 2:
Grafi:
definizioni e terminologia: grafi non orientati, grafi orientati, archi pesati, cammini, cicli, componenti connesse e fortemente connesse: significato e utilizzo delle diverse varianti per modellare diverse situazioni;
rappresentazioni di grafi: matrici e liste di adiacenza e loro impatto dal punto di vista dell'implementazione
visita di grafi in ampiezza e in profondità, caratteristiche comuni e differenze delle varie visite proposte e loro applicazioni
Tecnica golosa (greedy):
introduzione e algoritmi di esempio;
cammini minimi su grafo pesato da un nodo sorgente: algoritmo di Dijkstra e applicazioni
minimo albero ricoprente: algoritmi di Prim e Kruskal e loro utilizzo per risolvere problemi pratici
tecniche di dimostrazione di correttezza e loro funzione in relazione alla progettazione di algoritmi greedy
limiti della tecnica golosa
Tecnica di programmazione dinamica
introduzione alla tecnica e proprietà della sottostruttura ottima; confronto con la tecnica golosa e con il divide et impera
aspetti e scelte di impementazione: algoritmi ricorsivi e iterativi, memoization
utilizzo dei teoremi della sottostruttura ottima per l'analisi di problemi e la progettazione di algoritmi di programmazione dinamica; analisi di problemi classici (massimo sottoinsieme indipendente, zaino, sottosequenza comune di lunghezza massima);
cammini minimi da un nodo sorgente: algoritmo di Bellman-Ford
cammini minimi da tutti i nodi: algoritmo di Floyd-Warshall
Cenni sui problemi intrattabili:
classi P, NP ed NP completezza
algoritmi di complessità pseudopolinomiale
introduzione alle tecniche per affrontare i problemi difficili.
Prerequisiti formali: Non è possibile accedere alle prove d'esame senza aver già sostenuto e verbalizzato gli esami di Programmazione 1 e Programmazione 2.
Prerequisiti sostanziali: Nozioni di programmazione insegnate nei corsi di Programmazione 1 e 2. Principi e linguaggi di programmazione insegnati nei corsi di semestri precedenti.
Lezioni in aula (eventualmente in modalità blended) e in laboratorio.
Nelle lezioni in aula vengono esposte le nozioni fondamentali, corredate di esempi. Vengono confrontate diverse strutture dati e diversi algoritmi mirati a risolvere problemi della stessa classe. Le dimostrazioni vengono presentate come strumento di analisi del problema per la progettazione degli algoritmi e come strumento di approfondimento delle tecniche, facendo leva sull'analogia tra gli algoritmi che utilizzano una stessa tecnica. Viene discussa l'utilità ai fini pratici dei diversi algoritmi per risolvere specifiche tipologie di problemi. Sulla piattaforma DIR sono indicati i libri di testo suggeriti ed è a disposizione del materiale che ricalca gli argomenti trattati a lezione, risultando di aiuto anche per chi non fosse stato presente. Sono inoltre forniti alcuni esercizi ed esempi di temi d’esame. In laboratorio le persone presenti vengono guidate nell'implementazione degli algoritmi visti a lezione, realizzando per ciascun algoritmo alcune varianti, come esercizio propedeutico all'uso degli algoritmi per la soluzione di problemi. Sul DIR sono a disposizione, per ogni argomento trattato nelle lezioni in laboratorio, delle slide come riferimento e guida sia per chi ha seguito la lezione che per chi era assente.
Modalità d'esame
La votazione finale si basa sulle conoscenze, competenze e capacità dimostrate in sede d'esame, e viene determinata in modo collegiale, pesando i risultati coerentemente con il numero di CFU di ciascun modulo.
Precisamente, i voti vengono assegnati secondo la seguente griglia di valutazione:
Testi di riferimento
Algoritmi e strutture dati 3/ed, Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano, MC Graw Hill
oppure in alternativa, per il modulo di Algoritmi 2:
P. Crescenzi, G. Gambosi, R. Grossi, G. Rossi Strutture di dati e algoritmi, Seconda edizione, Pearson
oppure Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest and Clifford Stein Introduzione agli algoritmi e strutture dati, terza edizione, McGraw-Hill, 2010
Codice insegnamento C137631
Algoritmi
2° anno · 15 CFU · INF/01 · 0 file
Il modulo Algoritmi 1 si propone di insegnare a: enunciare la definizione delle strutture dati fondamentali essendo in grado di adottarle in problemi proposti; analizzare un algoritmo dato, sia esso ricorsivo che…
Scheda dell'insegnamento
Obiettivi formativi
Il modulo Algoritmi 1 si propone di insegnare a:
enunciare la definizione delle strutture dati fondamentali essendo in grado di adottarle in problemi proposti;
analizzare un algoritmo dato, sia esso ricorsivo che iterativo;
descrivere gli algoritmi di ricerca e di ordinamento, applicare un algoritmo specifico, tra quelli visti, ad un problema dato, darne un'implementazione in C.
Il modulo Algoritmi 2 si propone di:
introdurre grafi, insegnare come modellare problemi con grafi e fornire strumenti per gestirli;
insegnare strategie algoritmiche greedy e di programmazione dinamica, e introdurre tecniche di approssimazione di soluzioni di algoritmi di ottimizzazione;
affinare le capacità nel problem solving e nella valutazione della complessità delle soluzioni.
Programma
Metodi di analisi degli algoritmi. Strutture dati fondamentali. Algoritmi fondamentali (ricerca e ordinamento). Tecniche algoritmiche, nozione di grafo e algoritmi su grafi
Introduzione agli algoritmi. Modelli di analisi. Algoritmi di ordinamento e di ricerca. Algoritmi su grafi. Tecniche algoritmiche.
Aver superato l’esame di Programmazione 1 e 2.
Didattica Erogativa in aula (eventualmente in modalità blended) e Didattica Interattiva in laboratorio.
Modalità d'esame
La votazione finale avviene in modo collegiale e si basa sulle conoscenze, competenze e capacità dimostrate in sede d'esame, pesando i risultati coerentemente con il numero di CFU di ciascun modulo.
Precisamente, i voti vengono assegnati secondo la seguente griglia di valutazione:
Meno di 18: Lacune importanti nei contenuti, mancate risposte o risposte non adeguate
18–22: Preparazione accettabile, ma con lacune significative o argomenti non studiati adeguatamente. Sufficiente capacità di applicazione. Utilizzo basilare del lessico tecnico
23-25: Conoscenze appropriate con alcune lacune, discreta capacità di applicazione; presentazione articolata e utilizzo appropriato del linguaggio tecnico
26–28: Buona conoscenza dei contenuti e capacità di stabilire collegamenti fra le diverse parti del programma. Utilizzo solido del linguaggio tecnico.
29–30 e lode: Preparazione completa e approfondita, con visione chiara e coerente degli argomenti trattati. Utilizzo preciso del linguaggio tecnico.
Teoria primo modulo: Esame scritto, eventualmente in forma di quiz. L'esame prevede tipicamente 4 esercizi, che verteranno su argomenti svolti in una parte diversa del programma: un esercizio riguarderà l’analisi della complessità, mentre gli altri riguarderanno argomenti tra: strutture dati fondamentali, algoritmi di ordinamento, algoritmi di ricerca tramite alberi, tabelle hash, code con priorità. Gli esercizi saranno volti a valutare le conoscenze teorico/pratiche e le capacità di giudizio (esercizi in cui viene richiesto allo studente/studentessa di esprimere una scelta o un giudizio) Il voto terra' conto dei risultati parziali ottenuti nei singoli esercizi. La stessa tipologia di esame potra' essere svolta oralmente, o integrata da una prova orale. Il quiz permette di raggiungere il voto di 24/30. Facoltativamente, si potrà anche completare una dimostrazione, arrivando potenzialmente al punteggio di 30 e lode (eccellenza in caso di dimostrazione corretta e completa). Tramite la dimostrazione si valuteranno le capacità comunicative (lessico e chiarezza nell’esposizione) e la capacità di apprendere (motivare i vari passi con senso critico). Chi supera la parte di teoria (ottenendo un punteggio pari ad almeno 18/30) è ammessa/o immediatamente alla prova di laboratorio, che si svolge nella stessa giornata. Laboratorio primo modulo: Esame pratico. L'esame prevede due esercizi in cui si richiede l'implementazione di due programmi in linguaggio C. I due esercizi valgono 15 punti l'uno. La sufficienza richiede di raggiungere almeno 18 punti complessivi, mentre il corretto sviluppo di entrambi gli algoritmi e relativo programma permette di raggiungere 30 punti. La votazione finale terrà conto dei risultati finali ottenuti nelle prove d'esame di Teoria e di Laboratorio, pesando 2/3 la parte di teoria, consistentemente con il numero di crediti erogati. Secondo modulo: Esame scritto seguito da orale (con valutazione degli esercizi svolti in laboratorio) L’esame scritto è solitamente composto da 6 domande. Lo studente che supera l’esame scritto (con votazione almeno pari a 18) può accedere alla prova orale. L’esame orale verifica le competenze teoriche. In particolare, si verifica che lo studente abbia acquisito la terminologia formale e la capacità di analisi. Vengono poste delle domande (solitamente 3, il cui numero può variare in base alle risposte date) che hanno come obbiettivo: (i) verifica della familiarità con il concetto di grafo nelle sue varianti, (ii) capacità di analisi di algoritmi di visita di grafi, (iii) capacità di analisi di algoritmi greedy e di programmazione dinamica, (iv) basilare sensibilità su come affrontare problemi difficili. Al termine della prova orale viene espresso un voto che tiene conto per il 50% della prova scritta e per l’altro 50% della prova orale.
Testi di riferimento
- Camil Demetrescu, Irene Finocchi, Giuseppe F. Italiano Algoritmi e strutture dati 2/ed MacGraw-Hill, 2008; ISBN: 978 88 386 64687
- Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest and Clifford Stein Introduction to Algorithms, third edition
McGraw-Hill, 2010. (presente anche in italiano)
Codice insegnamento C137637
Basi Di Dati E Sistemi Informativi
2° anno · 9 CFU · INF/01 · 0 file
Obiettivo del corso è fornire gli strumenti metodologici e formali per progettare le strutture logiche e fisiche di una base di dati relazionale a partire dai requisiti del sistema informatico espressi dagli utenti.…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivo del corso è fornire gli strumenti metodologici e formali per progettare le strutture logiche e fisiche di una base di dati relazionale a partire dai requisiti del sistema informatico espressi dagli utenti. Favorire lo sviluppo da parte degli studenti di abilità pratiche nella progettazione concettuale e logica di una base di dati. Sviluppare competenze nell'uso del linguaggio SQL sia negli aspetti DDL che DML.
Programma
Dei principali modelli dei dati adottati dai sistemi di gestione delle basi di dati (DBMS) viene approfondito il modello relazionale, in particolare sono presentati gli aspetti teorici di tale modello. Le strutture logiche di una base di dati sono progettate con modelli semantici ed analizzate alla luce di opportune forme normali.
La parte di sperimentazioni comprende lo sviluppo di casi di studio di progettazione concettuale e logica, un'introduzione al linguaggio SQL e sue applicazioni alla gestione di una base di dati.
Fondamenti: dei principali modelli dei dati adottati dai sistemi di gestione delle basi di dati (DBMS) viene approfondito il modello relazionale, in particolare sono presentati gli aspetti teorici di tale modello. Le strutture logiche di una base di dati sono progettate con modelli semantici ed analizzate alla luce di opportune forme normali. Il corso si articola nelle seguenti parti: Modello Relazionale; Algebra Relazionale;
Modello Entità-Relazione; Traduzione del Modello ER nel modello Relazionale; Normalizzazione. Viene inoltre descritta brevemente l'architettura di un DBMS, che viene presentata succintamente seguendo lo schema di descrizione generale a tre livelli di astrazione: esterno,
logico e fisico. Vengono introdotte le nozioni di base sugli indici e sulle transazioni.
Sperimentazioni: Progettazione concettuale e logica: presentazione di casi di studio. Introduzione al linguaggio SQL: Data Definition Language, Data Manipulation Language e Query Language. Implementazione e gestione di una base dati relazionale usando SQL mediante la realizzazione di alcuni casi di studio in laboratorio. Utilizzo del DBMS PostgreSQL.
Gli studenti e le studentesse devono avere seguito i corsi di Programmazione e di Architettura degli elaboratori del I anno.
Lezioni frontali in aula e esercitazioni in aula e in laboratorio informatico.
I 2/3 delle lezioni del corso sono lezioni in aula e 1/3 sono in laboratorio.
Modalità d'esame
Fondamenti: un esame scritto ed un'orale opzionale. La prova prevede diverse domande, riguardanti argomenti svolti in parti diverse del programma. La valutazione complessiva terrà conto dei risultati conseguiti nelle singole domande. Per la prova di Sperimentazioni: La verifica dell’apprendimento consiste nello svolgimento individuale di una prova sulla piattaforma esami dir e con il supporto del DBMS PostgreSQL disponibile sulle macchine del laboratorio di informatica. La prova prevede diverse domande, riguardanti argomenti svolti nell’ambito del corso, e anche la risoluzione di query SQL, da svolgere singolarmente in laboratorio, utilizzando il database relazionale sviluppato come esercizio di laboratorio oppure fornito dal docente. La prova d’esame può anche prevedere la discussione orale di un progetto di laboratorio (che prevede la progettazione di una base di dati a partire dai requisiti). Il punteggio complessivo massimo di ciascuna delle due parti del corso (Fondamenti e Sperimentazioni) sarà pari a 30 punti (più l'eventuale lode). La valutazione complessiva terrà conto dei punteggi parziali conseguiti nelle due parti del corso.
Testi di riferimento
Atzeni, Ceri, Fraternali, Paraboschi, Torlone, Basi di Dati: Modelli e Linguaggi di Interrogazione, Mc Graw-Hill, sesta edizione, 2023
Codice insegnamento C137627
Basi Di Dati E Sistemi Informativi
2° anno · 9 CFU · INF/01 · 0 file
Obiettivo del corso è fornire gli strumenti metodologici e formali per progettare le strutture logiche e fisiche di una base di dati relazionale a partire dai requisiti del sistema informatico espressi dagli utenti.…
Scheda dell'insegnamento
Obiettivi formativi
Obiettivo del corso è fornire gli strumenti metodologici e formali per progettare le strutture logiche e
fisiche di una base di dati relazionale a partire dai requisiti del sistema informatico espressi dagli utenti.
Favorire lo sviluppo da parte degli studenti di abilità pratiche nella progettazione concettuale e logica di
una base di dati. Sviluppare competenze nell'uso del linguaggio SQL sia negli aspetti DDL che DML
Programma
Dei principali modelli dei dati adottati dai sistemi di gestione delle basi di dati (DBMS) viene
approfondito il modello relazionale, in particolare sono presentati gli aspetti teorici di tale modello. Le
strutture logiche di una base di dati sono progettate con modelli semantici ed analizzate alla luce di
opportune forme normali.
La parte di sperimentazioni comprende lo sviluppo di casi di studio di progettazione concettuale e
logica, un'introduzione al linguaggio SQL e sue applicazioni alla gestione di una base di dati.
Fondamenti: dei principali modelli dei dati adottati dai sistemi di gestione delle basi di dati (DBMS)
viene approfondito il modello relazionale, in particolare sono presentati gli aspetti teorici di tale
modello. Le strutture logiche di una base di dati sono progettate con modelli semantici ed analizzate alla
luce di opportune forme normali. Il corso si articola nelle seguenti parti: Modello Relazionale; Algebra
Relazionale; Modello Entità-Relazione; Traduzione del Modello ER nel modello Relazionale; Normalizzazione.
Viene inoltre descritta brevemente l'architettura di un DBMS, che viene presentata succintamente
seguendo lo schema di descrizione generale a tre livelli di astrazione: esterno, logico e fisico. Vengono
introdotte le nozioni di base sugli indici e sulle transazioni.
Sperimentazioni: Progettazione concettuale e logica: presentazione di casi di studio. Introduzione al
linguaggio SQL: Data Definition Language, Data Manipulation Language e Query Language.
Implementazione e gestione di una base dati relazionale usando SQL mediante la realizzazione di alcuni
casi di studio in laboratorio. Utilizzo del DBMS PostgreSQL.
Gli studenti e le studentesse, devono aver seguito i corsi di Programmazione e di Architettura degli elaboratori del I anno.
Lezioni frontali in aula e esercitazioni in aula e in laboratorio informatico.
2/3 delle lezioni del corso sono lezioni in aula, mentre 1/3 delle lezioni sono in laboratorio
Modalità d'esame
Fondamenti: un esame scritto ed un'orale opzionale. La prova prevede diverse domande, riguardanti argomenti svolti in parti diverse del programma. La valutazione complessiva terrà conto dei risultati conseguiti nelle singole domande. Per la prova di Sperimentazioni: La verifica dell’apprendimento consiste nello svolgimento individuale di una prova sulla piattaforma esami dir e con il supporto del DBMS PostgreSQL disponibile sulle macchine del laboratorio di informatica. La prova prevede diverse domande, riguardanti argomenti svolti nell’ambito del corso, e anche la risoluzione di query SQL, da svolgere singolarmente in laboratorio, utilizzando il database relazionale sviluppato come esercizio di laboratorio oppure fornito dal docente. La prova d’esame può anche prevedere la discussione orale di un progetto di laboratorio (che prevede la progettazione di una base di dati a partire dai requisiti). Il punteggio complessivo massimo di ciascuna delle due parti del corso (Fondamenti e Sperimentazioni) sarà pari a 30 punti (più l'eventuale lode). La valutazione complessiva terrà conto dei punteggi parziali conseguiti nelle due parti del corso.
Testi di riferimento
Atzeni, Ceri, Fraternali, Paraboschi, Torlone, Basi di Dati: Modelli e Linguaggi di Interrogazione, Mc Graw-Hill, sesta edizione, 2023
Codice insegnamento C137633
Calcolo Delle Probabilità E Statistica
2° anno · 6 CFU · MAT/06 · 0 file
Il corso intende avviare le studentesse e gli studenti alla teoria e alla pratica del Calcolo delle Probabilità, approfondendo le principali distribuzioni notevoli, e introdurre le basi della Statistica con particolare…
Scheda dell'insegnamento
Obiettivi formativi
Il corso intende avviare le studentesse e gli studenti alla teoria e alla pratica del Calcolo delle Probabilità, approfondendo le principali distribuzioni notevoli, e introdurre le basi della Statistica con particolare attenzione alla stima dei parametri. Al termine del corso le studentesse e gli studenti saranno in grado di formalizzare problemi incerti mediante modelli probabilistici e variabili aleatorie, applicare i principali teoremi limite, calcolare proprietà statistiche campionarie ed effettuare stime parametriche su insiemi di dati
Programma
Introduzione alla teoria del Calcolo delle Probabilità e dell'Inferenza Statistica
- Elementi di teoria della probabilità: assiomi fondamentali, esiti equiprobabili e calcolo combinatorio, probabilità condizionata, teorema di Bayes, eventi indipendenti e affidabilità dei sistemi
- Variabili aleatorie: variabili discrete e continue, sistemi di variabili aleatorie, variabili indipendenti, valore atteso, varianza e covarianza
- Teoremi limite: disuguaglianza di Chebyshev, legge dei grandi numeri e teorema del limite centrale
- Variabili aleatorie notevoli: variabili di Bernoulli, binomiali, geometriche, di Pascal, esponenziali, Gamma, di Poisson, uniformi e gaussiane
- Statistica inferenziale di base: campioni statistici e stimatori, stimatori per media e varianza, intervalli di confidenza, modelli statistici parametrici e verosimiglianza
Prerequisito fondamentale è la conoscenza del calcolo differenziale e integrale per funzioni di una variabile reale. In particolare, è richiesta la capacità di derivare, integrare e individuare i punti di massimo e minimo delle principali funzioni trascendenti elementari e loro combinazioni
Lezioni frontali alla lavagna ed esercitazioni con la partecipazione delle studentesse e degli studenti
Modalità d'esame
L'esame si compone di una prova scritta seguita da una prova orale. La prova scritta è volta a valutare la capacità delle studentesse e degli studenti di applicare le nozioni apprese durante il corso ed è articolata in 2 esercizi, uno di Calcolo delle Probabilità e uno di Statistica. Ciascun esercizio comprende 5 quesiti di difficoltà crescente. A ogni quesito risolto in modo corretto e completo vengono attribuiti 3 punti (per un totale massimo di 30 punti) e la prova si intende superata con un punteggio cumulativo non inferiore a 18. Durante lo scritto le studentesse e gli studenti possono consultare qualsiasi materiale cartaceo. La prova orale prevede la discussione dello scritto e l'approfondimento della teoria sottostante. Essa è finalizzata a verificare il livello di conoscenza e comprensione dei contenuti del corso, nonché a valutare l'autonomia di giudizio e la proprietà di linguaggio della studentessa o dello studente. La votazione finale è
- sufficiente (18 - 21) se la studentessa o lo studente supera la prova scritta, dimostra la conoscenza e la comprensione dei concetti fondamentali del Calcolo delle Probabilità e della Statistica, è in grado di riconoscere ed emendare i propri errori se opportunamente guidata o guidato ed è in grado di esporre gli argomenti in modo chiaro e comprensibile
- discreta/buona (22 - 27) se la studentessa o lo studente mostra un'ampia comprensione del programma, è in grado di collegare argomenti trattati in capitoli diversi ed evidenzia una maggiore autonomia nell'individuare e correggere eventuali inesattezze
- ottima/eccellente (28 - 30 e lode) se la studentessa o lo studente domina autonomamente la materia, è in grado di sostenere una discussione approfondita sugli aspetti più critici del programma e di argomentare le proprie conclusioni con logica rigorosa e proprietà di linguaggio
Testi di riferimento
Note del docente ed esercizi svolti caricati sulla piattaforma DIR
Codice insegnamento C137634
Calcolo Delle Probabilità E Statistica
2° anno · 6 CFU · MAT/06 · 0 file
Fornire agli studenti e alle studentesse le competenze fondamentali della teoria della probabilità e della statistica inferenziale, necessarie per la modellizzazione formale e l'analisi quantitativa dei dati in ambito…
Scheda dell'insegnamento
Obiettivi formativi
Fornire agli studenti e alle studentesse le competenze fondamentali della teoria della probabilità e della statistica inferenziale, necessarie per la modellizzazione formale e l'analisi quantitativa dei dati in ambito informatico, in coerenza con gli obiettivi formativi del Corso di Studi. Al termine del corso lo/la studente/ssa sarà in grado di:
-Formalizzare problemi incerti mediante modelli probabilistici e variabili aleatorie (discrete e continue).
-Calcolare parametri statistici campionari, applicare i principali teoremi limite ed effettuare stime parametriche e test d'ipotesi su insiemi di dati reali.
Programma
Elementi di Probabilità: assiomi della probabilità, diagrammi di Venn, spazi equiprobabili, probabilità condizionata, Teorema di Bayes.
Variabili aleatorie discrete e continue, variabili aleatorie indipendenti, valore atteso. Varianza e covarianza.
Modelli di variabili aleatorie: variabili di Bernoulli e binomiali, ipergeometriche, geometriche. Distribuzione di Poisson, variabili aleatorie uniformi,
variabili aleatorie normali, variabili aleatorie esponenziali. Teorema del Limite Centrale. Statistica di base. Gruppi di dati, media, mediana, quartili. Definizione delle statistiche campionarie. Valori attesi, varianza campionaria. Stime dei parametri. Verifica delle ipotesi e applicazioni.
Elementi di Probabilità: assiomi della probabilità, diagrammi di Venn, spazi equiprobabili, probabilità condizionata, Teorema di Bayes.
Variabili aleatorie discrete e continue, variabili aleatorie indipendenti, valore atteso. Varianza e covarianza.
Modelli di variabili aleatorie: variabili di Bernoulli e binomiali, ipergeometriche, geometriche. Distribuzione di Poisson, variabili aleatorie uniformi,
variabili aleatorie normali, variabili aleatorie esponenziali.
Teorema del Limite Centrale. Statistica di base. Gruppi di dati, media, mediana, quartili. Definizione delle statistiche campionarie. Valori attesi, varianza campionaria. Stima dei parametri. Stimatori di massima verosomiglianza, derivazione delle principali distribuzioni. Stima per la media, per la varianza e stime parametriche. Intervalli di confidenza. Verifica delle ipotesi e applicazioni.
Conoscenza dei principali contenuti dei corsi di Analisi Matematica I e Matematica Discreta.
Lezioni frontali ed esercitazioni in classe.
Durante le esercitazioni, il docente stimola la partecipazione attiva degli studenti, guidandoli nella risoluzione degli esercizi e affrontando con loro i diversi passaggi necessari per giungere alla soluzione.
Modalità d'esame
L'esame è composto da una prova scritta e da un'eventuale prova orale facoltativa.
1. Struttura delle prove e RAA verificati:
Prova Scritta: 3-4 esercizi e 1-2 domande di teoria. Verifica la Conoscenza e capacità di comprensione e la Capacità di applicare conoscenza e comprensione su probabilità e statistica, nonché l'Autonomia di giudizio nella scelta della risoluzione.
Prova Orale:
-Facoltativa: Accessibile su richiesta dello/della studente/ssa che abbia superato la prova scritta con un punteggio di almeno 18/30, per migliorare la valutazione.
-Obbligatoria/Su convocazione: Il docente si riserva la facoltà di convocare direttamente lo/la studente/ssa a sostenere una prova orale di verifica, qualora lo ritenga opportuno per accertare e verificare l'autenticità e la paternità dell'elaborato scritto.
La prova orale consiste nella discussione dell'elaborato scritto e in domande teoriche volte a verificare le Abilità comunicative, il rigore formale e la profondità di comprensione.
2. Criteri di valutazione e fasce di punteggio:
18 - 21/30 (Sufficienza): Conoscenza base dei concetti teorici; capacità essenziale di applicare formule ed eseguire calcoli negli esercizi standard, pur con qualche incertezza formale.
22 - 26/30 (Discreto/Buono): Buona conoscenza della materia; corretta e autonoma risoluzione degli esercizi; esposizione chiara e appropriata dei passaggi teorici e pratici.
27 - 30/30 (Ottimo/Eccellente): Piena padronanza teorica e metodologica; impeccabile esecuzione degli esercizi applicativi; spiccata capacità di ragionamento critico e rigore formale nell'esposizione.
30 e lode: Eccellenza assoluta, autonomia completa nella risoluzione dei problemi e brillantezza espositiva sia nello scritto sia nell'orale.
Testi di riferimento
Sheldon M. Ross: Probabilità e Statistica per l'Ingegneria e le Scienze, Apogeo Education – Seconda Edizione 2008
Codice insegnamento C137628
Paradigmi Di Programmazione
2° anno · 9 CFU · INF/01 · 0 file
Scopo dell’insegnamento è quello di fornire alla classe, attraverso lezioni che combinano metodi di didattica erogativa e interattiva, fondamenti teorici della programmazione a oggetti e di quella funzionale. Ci si…
Scheda dell'insegnamento
Obiettivi formativi
Scopo dell’insegnamento è quello di fornire alla classe, attraverso lezioni che combinano metodi di didattica erogativa e interattiva, fondamenti teorici della programmazione a oggetti e di quella funzionale. Ci si aspetta che la classe, una volta superato l'esame, sia in grado di:
modellare un applicativo individuandone le componenti e il paradigma migliore per la loro descrizione;
progettare ed implementare la soluzione scelta usando sia Java che Python;
realizzare test;
avere padronanza del Collections framework di Java;
saper riconoscere e gestire i casi non standard tramite eccezioni.
Programma
L'insegnamento si compone di due parti. Nella prima viene introdotta la programmazione ad oggetti e la metodologia di sviluppo di programmi basata su Test. Nella seconda parte viene introdotta la programmazione funzionale. I linguaggi usati a livello sperimentale per illustrare i due principali paradigmi di programmazione introdotti in queste lezioni sono rispettivamente Java e e Python.
Paradigma OO
Introduzione alla Programmazione Orientata agli Oggetti e a Java
Oggetti, classi, metodi
Tipi fondamentali, strutture sintattiche per controllo di flusso, array.
Tipi involucro (per tipi primitivi) e auto-boxing/unboxing
Interfacce, polimorfismo, ereditarietà
Programmazione parametrica
Gestione di eccezioni
Panoramica delle librerie di base
Caratteristiche funzionali di Java 8 e 9 e nuove librerie di collezioni
Sviluppo guidato dai Test Pattern di programmazione Model-View-Controller.
Paradigma Funzionale
Introduzione alla programmazione funzionale e a Python.
Funzioni come valori
Funzioni di ordine superiore
Dati immutabili
Valutazione lazy
Lavorare con le Collezioni: ricorsione e riduzione
Prerequisiti formali: superamento dei corsi di Programmazione 1 e 2.
Prerequisiti sostanziali: padronanza dei principi della programmazione imperativa.
Lezioni che introducono i concetti teorici ed esercitazioni in laboratorio che li applicano. Nelle lezioni si affrontano gli argomenti di teoria tramite presentazioni, con esempi e alcune domande per verificare l’apprendimento della classe. Nelle esercitazioni in laboratorio la classe viene guidata nella realizzazione di semplici esercizi volti a mettere in pratica le conoscenze teoriche acquisite.
Modalità d'esame
L'esame valuta le competenze attraverso una prova scritta obbligatoria della durata massima di due ore e una discussione di progetto orale e facoltativa della durata massima di un'ora.
Testi di riferimento
Paul J. Deitel - Harvey M. Deitel Programmare in Java, 11° edizione, Pearson.
Luciano Ramalho, Fluent Python, 2nd Edition, O'Reilly
Materiale fornito dai docenti
Testo alternativo parte OO:
Programmazione Java Claudio De Sio Cesari, Nuove Tecniche e Paradigmi, Hoepli
Codice insegnamento C137635
Paradigmi Di Programmazione
2° anno · 9 CFU · INF/01 · 0 file
Scopo dell’insegnamento è quello di fornire alla classe, attraverso lezioni che combinano metodi di didattica erogativa e interattiva, fondamenti teorici della programmazione a oggetti e di quella funzionale. Ci si…
Scheda dell'insegnamento
Obiettivi formativi
Scopo dell’insegnamento è quello di fornire alla classe, attraverso lezioni che combinano metodi di didattica erogativa e interattiva, fondamenti teorici della programmazione a oggetti e di quella funzionale. Ci si aspetta che la classe, una volta superato l'esame, sia in grado di:
- modellare un applicativo individuandone le componenti e il paradigma migliore per la loro descrizione;
- progettare ed implementare la soluzione scelta usando sia Java che Python;
- avere padronanza del Collections framework di Java e di Python;
- saper riconoscere e gestire i casi non standard tramite eccezioni.
Programma
Il corso si compone di due parti. Nella prima viene introdotta la programmazione ad oggetti in Java e la metodologia di sviluppo di programmi basata su Test. Nella seconda parte viene introdotta la programmazione funzionale usando il linguaggio Python.
Introduzione a Java. Oggetti, classi, metodi Tipi fondamentali, strutture sintattiche per controllo di flusso, array. Tipi involucro (per tipi primitivi) e auto-boxing/unboxing Interfacce, polimorfismo, ereditarietà Programmazione parametrica Gestione di eccezioni Panoramica delle librerie di base Caratteristiche funzionali di Java 8 e 9 e nuove librerie di collezioni Sviluppo guidato dai Test Pattern di programmazione Model-View-Controller Introduzione alla programmazione funzionale in Python. Funzioni come valori Funzioni di ordine superiore Dati immutabili Valutazione lazy Lavorare con le Collezioni: ricorsione e riduzione
Prerequisiti formali: superamento dei corsi di Programmazione 1 e 2.
Prerequisiti sostanziali: padronanza dei principi della programmazione imperativa.
Lezioni che introducono i concetti teorici ed esercitazioni in laboratorio che li applicano. Nelle lezioni si affrontano gli argomenti di teoria tramite presentazioni, con esempi e alcune domande per verificare l’apprendimento della classe. Nelle esercitazioni in laboratorio la classe viene guidata nella realizzazione di semplici esercizi volti a mettere in pratica le conoscenze teoriche acquisite.
Modalità d'esame
L'esame valuta le competenze attraverso una prova scritta obbligatoria di durata massima pari a due ore e riguarda i principi teorici e pratici della programmazione orientata agli oggetti e funzionale e dei linguaggi di programmazione Java e Python.
La prova scritta si svolge il giorno dell'appello mediante una piattaforma informatica (ove possibile) e si articola in un quiz con domande di difficoltà variabile corrispondenti ai seguenti livelli di punteggio espresso in trentesimi per un totale di 30 e lode:
- 0-17/30: determina l'insufficienza della prova e attesta il mancato raggiungimento della comprensione minima degli argomenti del corso (preparazione limitata a nozioni frammentarie, l’incapacità di applicare i procedimenti fondamentali o errori concettuali).
- 18-20/30: garantisce la sufficienza e attesta la comprensione minima degli argomenti del corso (conoscenze di base complessivamente corrette, applicazione dei procedimenti standard con errori non gravi, motivazioni ed esposizione sufficienti).
- 21-23/30: dimostra una conoscenza discreta degli argomenti del corso (conoscenze abbastanza complete, applicazione generalmente corretta, capacità di collegamento e terminologia adeguate).
- 24-26/30: attesta una conoscenza buona degli argomenti del corso (conoscenze solide, procedimenti corretti, motivazioni chiare e capacità di confrontare le principali alternative).
- 27-29/30: dimostra una conoscenza molto buona degli argomenti del corso (conoscenze approfondite e integrate, autonomia nell'analisi, elevata correttezza metodologica ed espositiva).
- 30-30 e lode: attesta una conoscenza eccellente degli argomenti del corso (padronanza completa e critica dei contenuti, capacità di affrontare autonomamente quesiti complessi o non ripetitivi, argomentazione rigorosa, precisa e particolarmente chiara). La lode è attribuita quando la prova evidenzia, oltre alla piena correttezza, un livello di approfondimento, autonomia e pensiero critico particolarmente elevato.
Per la preparazione all'esame, è indicato lo studio sistematico del libro di testo e dei materiali didattici pubblicati sulla piattaforma DIR. Inoltre, sulla medesima piattaforma, verranno resi disponibili esempi di prove d'esame.
Testi di riferimento
Paul J. Deitel, Harvey M. Deitel, "Programmare in Java, 11° edizione", Pearson (testo alternativo: Claudio De Sio Cesari, "Programmazione Java, Nuove Tecniche e Paradigmi", Hoepli).
Luciano Ramalho, "Fluent Python, 2nd Edition", O'Reilly.
Materiale fornito dai docenti.
Codice insegnamento C137629
Reti
2° anno · 9 CFU · INF/01 · 0 file
Approfondire le tematiche relative alle reti informatiche. Conoscere le principali tecniche e protocolli alla base del funzionamento delle reti locali con e senza fili. Conoscere le principali caratteristiche e i…
Scheda dell'insegnamento
Obiettivi formativi
Approfondire le tematiche relative alle reti informatiche.
Conoscere le principali tecniche e protocolli alla base del funzionamento delle reti locali con e senza fili.
Conoscere le principali caratteristiche e i protocolli specifici delle applicazioni multimediali in rete.
Programma
Il tema del corso è la rete Internet, affrontato secondo un approccio che partendo dalle applicazioni di rete scende via via in profondità, descrivendo il livello "trasporto" e quindi il livello "rete" dei protocolli TCP/IP. Verranno inoltre trattati gli aspetti relativi alle architetture delle reti informatiche locali, incluse reti wireless e i servizi multimediali in rete.
Il corso tratta i seguenti argomenti:
− Introduzione intuitiva alla rete, descrivendone in modo qualitativo la struttura e le funzionalità.
− Livello applicazione: protocolli per la gestione della posta elettronica, del WEB e del DNS.
− Livello sessione: i socket, programmazione dei socket.
− Livello trasporto: protocolli TCP e UDP
− Livello rete: protocolli IP e ICMP.
− Protocolli di instradamento: algoritmi di instradamento, nozione di Sistema Autonomo, protocolli RIP, OSPF, BGP.
- Livello link: Datalink, ARP, rilevazione e correzione di errori
- Introduzione alle reti cablate: Tecniche di condivisione del mezzo trasmissivo, protocollo Ethernet in versione BUS e tramite switch
- Introduzione alle reti wireless: trasmissione dei segnali via radio, protocolli wi-fi, bluetooth, rete telefonica 4G e 5G
- Trasmissione multimediale su rete Internet: streaming audio e video, protocolli per video-conferenze
Oltre alla descrizione dei protocolli succitati, il corso si propone di fornire allo studente anche un'esperienza diretta delle problematiche connesse con la gestione delle reti informatiche.
Pertanto, durante il percorso di studio, vengono tenute anche lezioni pratiche in cui vengono assegnati esercizi da svolgere in aula o a casa.
Conoscenze acquisite nei corsi di Architetture e Sistemi operativi.
Lezioni frontali in aula ed in laboratorio. Durante il corso verranno proposti agli studenti esercitazioni sia di teoria che di pratica.
Modalità d'esame
Reti I: Esame scritto. La prova prevede 8 domande, riguardanti argomenti svolti a lezione: 4 domande di teoria (ognuna con voto massimo 4 punti), 2 domande sul laboratorio (ognuna con voto massimo di 4 punti) e 2 domande con esercizi (ognuna con un voto massimo di 5 punti). La valutazione complessiva terrà conto dei punteggi parziali conseguiti nelle singole domande.
Reti II: Esame scritto, suddiviso in tre parti (una per ogni parte del corso: reti cablate, reti wireless e protocolli multimediali). Ogni parte è a sua volta suddivisa in domande ed esercizi.
Il voto finale tiene conto del risultato raggiunto nella verifica di entrambi i corsi (Reti 1 e Reti 2).
La votazione è espressa in trentesimi secondo il seguente schema:
- Non idoneo
Conoscenza e comprensione argomento: significative carenze e imprecisioni Capacità di analisi e sintesi: irrilevanti, frequenti generalizzazioni Utilizzo di riferimenti: completamente inappropriato - 18–20
Conoscenza e comprensione argomento: molto modesto, imperfezioni evidenti Capacità di analisi e sintesi: appena sufficienti Utilizzo di riferimenti: appena appropriato - 21–23
Conoscenza e comprensione argomento: conoscenza poco più che sufficiente Capacità di analisi e sintesi: discreta capacità di analisi e sintesi, argomenta in modo logico e coerente Utilizzo di riferimenti: utilizza le referenze standard - 24–26
Conoscenza e comprensione argomento: conoscenza buona Capacità di analisi e sintesi: ha buone capacità di analisi e di sintesi, gli argomenti sono esposti coerentemente Utilizzo di riferimenti: utilizza le referenze standard - 27–29
Conoscenza e comprensione argomento: conoscenza più che buona Capacità di analisi e sintesi: ha notevoli capacità di analisi e di sintesi Utilizzo di riferimenti: ha approfondito gli argomenti - 30–30 e lode
Conoscenza e comprensione argomento: conoscenza ottima Capacità di analisi e sintesi: ha notevoli capacità di analisi e di sintesi Utilizzo di riferimenti: significativi approfondimenti
Testi di riferimento
Autori: James F. Kurose, Keith W. Ross Titolo: RETI DI CALCOLATORI E INTERNET - Un approccio top-down 8/ed, Casa editrice: Addison Wesley (2022), ISBN 9788891916013.
Codice insegnamento C137638
Reti
2° anno · 9 CFU · INF/01 · 0 file
Approfondire le tematiche relative alle reti informatiche. Conoscere le principali tecniche e protocolli alla base del funzionamento delle reti locali con e senza fili. Conoscere le principali caratteristiche e i…
Scheda dell'insegnamento
Obiettivi formativi
Approfondire le tematiche relative alle reti informatiche.
Conoscere le principali tecniche e protocolli alla base del funzionamento delle reti locali con e senza fili.
Conoscere le principali caratteristiche e i protocolli specifici delle applicazioni multimediali in rete.
Programma
Il tema del corso è la rete Internet, affrontato secondo un approccio che partendo dalle applicazioni di rete scende via via in profondità, descrivendo il livello "trasporto" e quindi il livello "rete" dei protocolli TCP/IP. Verranno inoltre trattati gli aspetti relativi alle architetture delle reti informatiche locali, incluse reti wireless e i servizi multimediali in rete.
Il corso tratta i seguenti argomenti:
− Introduzione intuitiva alla rete, descrivendone in modo qualitativo la struttura e le funzionalità.
− Livello applicazione: protocolli per la gestione della posta elettronica, del WEB e del DNS.
− Livello sessione: i socket, programmazione dei socket.
− Livello trasporto: protocolli TCP e UDP
− Livello rete: protocolli IP e ICMP.
− Protocolli di instradamento: algoritmi di instradamento, nozione di Sistema Autonomo, protocolli RIP, OSPF, BGP.
- Livello link: Datalink, ARP, rilevazione e correzione di errori
- Introduzione alle reti cablate: Tecniche di condivisione del mezzo trasmissivo, protocollo Ethernet in versione BUS e tramite switch
- Introduzione alle reti wireless: trasmissione dei segnali via radio, protocolli wi-fi, bluetooth, rete telefonica 4G e 5G
- Trasmissione multimediale su rete Internet: streaming audio e video, protocolli per video-conferenze
Oltre alla descrizione dei protocolli succitati, il corso si propone di fornire allo studente anche un'esperienza diretta delle problematiche connesse con la gestione delle reti informatiche.
Pertanto, durante il percorso di studio, vengono tenute anche lezioni pratiche in cui vengono assegnati esercizi da svolgere in aula o a casa.
Conoscenze acquisite nei corsi di Architetture e Sistemi operativi.
Lezioni frontali in aula ed in laboratorio. Durante il corso verranno proposti agli studenti esercitazioni sia di teoria che di pratica.
Modalità d'esame
Reti I: Esame scritto. La prova prevede 8 domande, riguardanti argomenti svolti a lezione: 4 domande di teoria (ognuna con voto massimo 4 punti), 2 domande sul laboratorio (ognuna con voto massimo di 4 punti) e 2 domande con esercizi (ognuna con un voto massimo di 5 punti). La valutazione complessiva terrà conto dei punteggi parziali conseguiti nelle singole domande.
Reti II: Esame scritto, suddiviso in tre parti (una per ogni parte del corso: reti cablate, reti wireless e protocolli multimediali). Ogni parte è a sua volta suddivisa in domande ed esercizi.
Il voto finale tiene conto del risultato raggiunto nella verifica di entrambi i corsi (Reti 1 e Reti 2).
La votazione è espressa in trentesimi secondo il seguente schema:
- Non idoneo
Conoscenza e comprensione argomento: significative carenze e imprecisioni Capacità di analisi e sintesi: irrilevanti, frequenti generalizzazioni Utilizzo di riferimenti: completamente inappropriato - 18–20
Conoscenza e comprensione argomento: molto modesto, imperfezioni evidenti Capacità di analisi e sintesi: appena sufficienti Utilizzo di riferimenti: appena appropriato - 21–23
Conoscenza e comprensione argomento: conoscenza poco più che sufficiente Capacità di analisi e sintesi: discreta capacità di analisi e sintesi, argomenta in modo logico e coerente Utilizzo di riferimenti: utilizza le referenze standard - 24–26
Conoscenza e comprensione argomento: conoscenza buona Capacità di analisi e sintesi: ha buone capacità di analisi e di sintesi, gli argomenti sono esposti coerentemente Utilizzo di riferimenti: utilizza le referenze standard - 27–29
Conoscenza e comprensione argomento: conoscenza più che buona Capacità di analisi e sintesi: ha notevoli capacità di analisi e di sintesi Utilizzo di riferimenti: ha approfondito gli argomenti - 30–30 e lode
Conoscenza e comprensione argomento: conoscenza ottima Capacità di analisi e sintesi: ha notevoli capacità di analisi e di sintesi Utilizzo di riferimenti: significativi approfondimenti
Testi di riferimento
Autori: James F. Kurose, Keith W. Ross Titolo: RETI DI CALCOLATORI E INTERNET - Un approccio top-down 8/ed, Casa editrice: Addison Wesley (2022), ISBN 9788891916013.
Codice insegnamento C137632
Sistemi Operativi
2° anno · 12 CFU · INF/01 · 0 file
Modulo SISTEMI OPERATIVI: SISTEMI OPERATIVI 1: Lo scopo del modulo è presentare le caratteristiche dei moderni sistemi operativi, illustrarne i principali compenenti, la loro organizzazione e i servizi forniti. In…
Scheda dell'insegnamento
Obiettivi formativi
Modulo SISTEMI OPERATIVI: SISTEMI OPERATIVI 1:
Lo scopo del modulo è presentare le caratteristiche dei moderni sistemi operativi, illustrarne i principali compenenti, la loro organizzazione e i servizi forniti. In particolare verranno analizzati (1) la gestione dei processi e thread, (2) la loro comunicazione e sincronizzazione e (3) la gestione della memoria.
Modulo SISTEMI OPERATIVI: SISTEMI OPERATIVI 2:
Il corso si propone di fornire gli strumenti concettuali e metodologici necessari per comprendere la progettazione e la realizzazione dei file system e dei sottosistemi di input/output nei sistemi operativi moderni. Particolare attenzione sarà dedicata alle principali soluzioni tecniche utilizzate per l'organizzazione, la gestione e l'astrazione delle risorse hardware e delle memorie secondarie. In tale contesto verranno inoltre introdotti i principi e le tecniche di virtualizzazione, intesi come estensione dei meccanismi di astrazione e condivisione delle risorse offerti dal sistema operativo.
Programma
Modulo SISTEMI OPERATIVI: SISTEMI OPERATIVI 1:
- Introduzione ai sistemi operativi
- Gestione e sincronizzazione dei processi e programmazione concorrente,
- Gestione della memoria.
- Gestione di processi e memoria in ambienti Unix.
Nozioni fondamentali sull'architettura del sistema operativo di un elaboratore multiutente.
Nucleo del sistema operativo. Gestione di processi e threads. Sincronizzazione di processi e threads e programmazione concorrente.
Deadlocks. Gestione della memoria. Processi nel sistema Unix. Generalità sull'utilizzo delle chiamate di sistema Unix; chiamate di sistema per gestione di processi, libreria per threads.
Chiamate di sistema e funzioni di libreria per sincronizzazione di processi e threads.
I concetti spiegati durante Programmazione 1 e 2, Architetture degli Elaboratori.
Lezioni frontali ed esercitazione in laboratorio.
Modulo SISTEMI OPERATIVI: SISTEMI OPERATIVI 2:
Il corso approfondisce aspetti avanzati dei sistemi operativi con particolare attenzione alle tecnologie di virtualizzazione, file system e gestione dell'input/output.
1) Sottosistema di input/output: classificazione delle periferiche, caratteristiche prestazionali, architettura hardware e software dell’I/O, tecniche di interazione tra CPU e dispositivi, gestione degli interrupt, Direct Memory Access e driver.
2) Memorie secondarie e sistemi di memorizzazione: dischi magnetici e SSD, organizzazione fisica e logica dei dati, prestazioni, scheduling degli accessi, RAID e tecniche di gestione dell’affidabilità.
3) File system: concetti di file e directory, linking, tecniche di accesso ai dati, allocazione dei file, gestione delle directory, organizzazione interna dei file system e procedure di utilizzo.
4) Virtual File System (VFS): architettura, pathname traversal, caching, buffering e valutazione delle prestazioni.
5) File system speciali e distribuiti: FUSE, Google File System e Hadoop Distributed File System.
6) Virtualizzazione delle risorse hardware: requisiti della virtualizzazione, hypervisor, virtualizzazione di CPU, memoria, dispositivi di I/O e networking.
7) Virtualizzazione a livello di sistema operativo: container, namespaces, cgroups, container runtime e container engine.
8) Cloud computing: relazione tra cloud e virtualizzazione, modelli di servizio e modelli di deployment.
Architetture degli Elaboratori 1 e 2, Sistemi Operativi 1.
Lezioni frontali in aula nelle quali vengono esposti i concetti teorici fondamentali corredati da esempi. Gli argomenti trattati sono inoltre approfonditi mediante dimostrazioni pratiche ed esercizi, finalizzati a mostrare concretamente il funzionamento delle tecniche e delle soluzioni presentate a lezione. Durante il corso vengono discussi quesiti ed esempi analoghi a quelli proposti nelle prove d’esame. Sulla piattaforma DIR sono resi disponibili i riferimenti bibliografici, il materiale didattico utilizzato durante le lezioni, esercizi ed esempi di prove d’esame.
Modalità d'esame
Modulo SISTEMI OPERATIVI: SISTEMI OPERATIVI 1:
Esame scritto obbligatorio con alcune domande a scelta multipla (circa 15) e esercizi sui diversi argomenti trattati nel corso e riguardanti le esercitazioni pratiche svolte in laboratorio (circa 7). Ad ogni domanda è associato un punteggio (1, 2 o 3 punti) in base alla correttezza e completezza della risposta data dalla studentessa / dallo studente. Il voto finale è calcolato come somma dei punteggi ottenuti sulle singole domande ed esercizi. L’esame è superato solo se si raggiunge il punteggio minimo di 18. La lode si ottiene con il punteggio di 31.
Importante : la prova include domande di teoria e domande di laboratorio, per superare l'esame è necessario ottenere almeno la metà dei punti in entrambe le categorie
Modulo SISTEMI OPERATIVI: SISTEMI OPERATIVI 2:
L’esame consiste in una prova scritta obbligatoria ed in una prova orale facoltativa. La prova scritta comprende quesiti di natura teorica e applicativa finalizzati a verificare la comprensione dei principi e delle soluzioni tecniche trattate nel corso e la capacità di applicarli all’analisi di casi concreti. Alla prova orale sono ammessi gli studenti che abbiano conseguito almeno 15/30 nella prova scritta. Gli studenti che ottengano una valutazione compresa tra 18/30 e 27/30 possono, a richiesta, rinunciare alla prova orale e registrare il voto conseguito nello scritto.
La prova orale consente di accertare una più approfondita padronanza degli argomenti trattati, valutando la capacità di collegare tra loro i diversi meccanismi studiati, di motivare le scelte progettuali adottate e di inquadrarle nel contesto complessivo del sistema operativo.
La valutazione finale, espressa in trentesimi, tiene conto della correttezza e completezza delle risposte fornite, della capacità di organizzare ed esporre le conoscenze acquisite, della capacità di applicare i concetti teorici all'analisi di situazioni concrete e di ragionare criticamente sulle soluzioni proposte, nonché dell'uso appropriato della terminologia specialistica.
Durante la prova d'esame non sarà consentita la consultazione di libri di testo, dispense del docente, e altro materiale didattico. I risultati delle prove scritte saranno comunicati mediante l'invio di un messaggio sulla piattaforma DIR.
Testi di riferimento
Modulo SISTEMI OPERATIVI: SISTEMI OPERATIVI 1:
Andrew S. Tanenbaum & Herbert Bos, "Modern Operating Systems: Global Edition, 5/E", Pearson, 2023. ISBN-13: 9781292459660.
Disponibile anche in italiano: Andrew S. Tanenbaum & Herbert Bos, "I moderni sistemi operativi, 5/Ed," Pearson, 2023. ISBN: 9788891931955.
Modulo SISTEMI OPERATIVI: SISTEMI OPERATIVI 2:
Andrew S. Tanenbaum & Herbert Bos, "I moderni sistemi operativi, 5/Ed," Pearson, 2023. Disponibile anche in versione inglese "Modern Operating Systems" Fifth edition.
Jim Doherty, "SDN and NFV simplified", Pearson, 2016.
Abraham Silberschatz, Peter Baer Galvin, Greg Gagne, "Sistemi operativi. Concetti ed esempi", Pearson, 2019.
Shashank Mohan Jain, "Linux Containers and Virtualization - A Kernel Perspective", Apress, 2020.
Codice insegnamento C137636
Sistemi Operativi
2° anno · 12 CFU · INF/01 · 0 file
L’insegnamento integrato concorre agli obiettivi formativi del Corso di Studio in Informatica fornendo conoscenze e strumenti metodologici per comprendere, analizzare, utilizzare e progettare componenti software di…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento integrato concorre agli obiettivi formativi del Corso di Studio in Informatica fornendo conoscenze e strumenti metodologici per comprendere, analizzare, utilizzare e progettare componenti software di sistema.
Al termine dell’insegnamento, la studentessa o lo studente dovrà essere in grado di:
1. descrivere e mettere in relazione l’architettura generale di un sistema operativo e i meccanismi impiegati per la gestione di processi, thread, memoria, input/output, dispositivi di memorizzazione e file;
2. utilizzare e analizzare chiamate di sistema e primitive di libreria Unix per la creazione, il coordinamento e la sincronizzazione di processi e thread;
3. analizzare i requisiti di uno scenario realistico e individuare meccanismi, politiche, algoritmi e strutture dati appropriati;
4. applicare metodi e tecniche per risolvere problemi relativi a concorrenza, sincronizzazione, deadlock, gestione della memoria, scheduling del disco, organizzazioni RAID, allocazione dei file e gestione dello spazio libero;
5. confrontare soluzioni alternative in termini di correttezza, prestazioni, affidabilità, complessità e impiego delle risorse;
6. motivare le scelte compiute e comunicarle con terminologia tecnica appropriata.
L’insegnamento integrato attribuisce complessivamente 12 CFU ed è articolato in due moduli da 6 CFU ciascuno. Le attività comprendono didattica erogativa, didattica interattiva, esercitazioni, attività di laboratorio e studio individuale.
Programma
L’insegnamento integrato presenta i principi, i meccanismi e le principali scelte progettuali alla base dei sistemi operativi moderni. Il primo modulo affronta l’architettura generale del sistema operativo, la gestione di processi e thread, la sincronizzazione, la programmazione concorrente, i deadlock, la gestione della memoria e l’impiego delle chiamate di sistema Unix. Il secondo modulo approfondisce il sottosistema di input/output, i dispositivi di memorizzazione, lo scheduling del disco, i sistemi RAID, i driver di periferica e la progettazione e implementazione dei file system.
I contenuti teorici sono affiancati da esercizi, analisi di scenari, attività di programmazione e confronto tra soluzioni alternative, con particolare attenzione alla correttezza, alle prestazioni, all’affidabilità, alla complessità e all’impiego delle risorse.
MODULO 1 – SISTEMI OPERATIVI 1
1. Introduzione e architettura dei sistemi operativi
- Ruolo e finalità del sistema operativo.
- Architettura di un sistema operativo per elaboratori multiutente.
- Nucleo del sistema operativo.
- Interazione tra applicazioni, sistema operativo e hardware.
2. Processi e thread - Concetto di processo e relativo stato.
- Creazione, terminazione e gestione dei processi.
- Concetto di thread e modelli multithread.
- Scheduling e principali criteri di gestione.
3. Sincronizzazione e programmazione concorrente - Concorrenza e condizioni di competizione.
- Sezioni critiche e requisiti di correttezza.
- Primitive e meccanismi di sincronizzazione.
- Sincronizzazione di processi e thread.
- Problemi classici della programmazione concorrente.
4. Deadlock - Condizioni necessarie per il deadlock.
- Prevenzione, elusione, rilevamento e recupero.
- Analisi di scenari e confronto tra strategie.
5. Gestione della memoria - Spazi di indirizzamento e rilocazione.
- Allocazione della memoria.
- Paginazione e segmentazione.
- Memoria virtuale e principali politiche di gestione.
6. Processi e thread in Unix - Generalità sull’uso delle chiamate di sistema Unix.
- Chiamate di sistema per la gestione dei processi.
- Librerie per la gestione dei thread.
- Chiamate di sistema e funzioni di libreria per la sincronizzazione.
- Analisi e sviluppo di semplici programmi concorrenti.
MODULO 2 – SISTEMI OPERATIVI 2
7. Architettura del sottosistema di input/output - Ruolo e organizzazione del sottosistema di I/O.
- Interfaccia di I/O per le applicazioni e chiamate di sistema.
- Sottosistema di I/O del kernel.
- Interrupt, polling, buffering, caching, spooling e gestione degli errori.
- Criteri di confronto tra soluzioni progettuali alternative.
8. Dispositivi di memorizzazione e gestione del disco - Struttura e caratteristiche dei dispositivi di memorizzazione.
- Organizzazione logica e fisica dei dischi.
- Tempi di accesso e metriche di prestazione.
- Politiche di disk scheduling e loro valutazione.
- Gestione delle unità a disco.
- Sistemi RAID: livelli principali, affidabilità, capacità e prestazioni.
9. Driver di periferica - Ruolo e struttura di un driver.
- Interazione tra driver, kernel, controller e dispositivo.
- Gestione delle richieste, degli interrupt e degli errori.
- Organizzazione dei driver nel sistema operativo xv6.
- Analisi del driver IDE di xv6 come caso di studio.
10. Concetti e architettura dei file system - Concetto di file e attributi dei file.
- Operazioni sui file e modalità di accesso.
- Directory, gerarchie di nomi e struttura del disco.
- Condivisione dei file e meccanismi di protezione.
- Struttura a livelli del file system.
11. Implementazione dei file system - Implementazione di file e directory.
- Metodi di allocazione contigua, concatenata e indicizzata.
- Strutture di metadati e traduzione degli indirizzi logici in indirizzi fisici.
- Gestione dello spazio libero.
- Efficienza e prestazioni.
- Coerenza, affidabilità e recupero dopo un guasto.
- Backup e ripristino.
12. Attività applicative e confronto tra soluzioni - Risoluzione guidata e autonoma di esercizi quantitativi, algoritmici e progettuali.
- Analisi di requisiti e scelta motivata di meccanismi e politiche.
- Confronto tra alternative in termini di correttezza, prestazioni, affidabilità, complessità e uso delle risorse.
- Discussione di quesiti analoghi a quelli delle prove d’esame.
Integrazione della dimensione di genere
Durante l’insegnamento si richiama l’attenzione sull’uso di un linguaggio tecnico inclusivo e sull’impatto che le scelte di progettazione del software di sistema possono avere sull’accessibilità e sull’inclusione delle diverse categorie di persone utilizzatrici.
Per affrontare proficuamente l’insegnamento è necessario possedere le conoscenze e le abilità acquisite negli insegnamenti di Architetture degli Elaboratori e Programmazione 1 e 2.
In particolare, è richiesto di saper:
- rappresentare dati e indirizzi in formato binario ed esadecimale;
- descrivere il funzionamento di CPU, memoria principale, bus, interrupt e accesso diretto alla memoria;
- comprendere il ruolo del set di istruzioni, dei livelli di privilegio e dell’interazione tra hardware e software;
- sviluppare, leggere e analizzare programmi nei linguaggi impiegati negli insegnamenti di programmazione;
- comprendere strutture dati fondamentali, puntatori, gestione dinamica della memoria e modularizzazione del codice;
- leggere semplici frammenti di codice e pseudocodice relativi a componenti di basso livello.
Per affrontare il secondo modulo è inoltre necessario possedere le conoscenze e le abilità maturate nel primo modulo, con particolare riferimento a processi, thread, concorrenza, sincronizzazione, gestione della memoria e chiamate di sistema.
Eventuali propedeuticità formali sono quelle previste dal Regolamento didattico del Corso di Studio.
L’insegnamento combina didattica erogativa e didattica interattiva nei due semestri.
La didattica erogativa comprende lezioni in presenza dedicate alla presentazione dei concetti fondamentali, delle architetture, delle strutture dati, degli algoritmi e delle principali alternative progettuali. Le spiegazioni sono corredate da esempi, schemi, frammenti di codice e confronti tra differenti soluzioni implementative.
La didattica interattiva comprende:
- esercizi quantitativi e metodologici svolti e discussi in aula;
- esercitazioni di programmazione basate su chiamate di sistema e primitive di libreria Unix;
- attività di laboratorio dedicate all’osservazione e all’uso di meccanismi del sistema operativo;
- analisi di scenari nei quali occorre individuare requisiti, formulare ipotesi e scegliere soluzioni progettuali;
- quesiti teorici e applicativi analoghi a quelli utilizzati nelle prove d’esame;
- momenti di confronto nei quali le studentesse e gli studenti sono invitati a motivare le proprie scelte e a valutare criticamente soluzioni alternative.
La piattaforma DIR mette a disposizione materiali coerenti con l’intero programma, utilizzabili anche da chi non frequenta. Le attività sono progettate per sviluppare conoscenza e comprensione, capacità applicative, autonomia di giudizio, capacità comunicative e capacità di apprendimento autonomo.
Modalità d'esame
L’apprendimento è verificato mediante due prove distinte, una per ciascun modulo, svolte secondo le modalità indicate nelle rispettive schede. Entrambe devono essere superate con una votazione almeno pari a 18/30.
Le prove comprendono quesiti teorici, metodologici e applicativi. Nel primo modulo possono includere esercizi di programmazione basati su chiamate di sistema e primitive Unix; nel secondo, domande ed esercizi su sottosistema di input/output, dispositivi di memorizzazione, driver e file system.
Nel complesso, le prove verificano:
- conoscenza e comprensione di concetti, architetture, strutture, algoritmi e meccanismi dei sistemi operativi;
- capacità di applicare le conoscenze mediante uso di chiamate di sistema, analisi di codice, calcoli, algoritmi, procedure e risoluzione di problemi;
- autonomia di giudizio nell’individuare informazioni rilevanti, formulare ipotesi, confrontare alternative e motivare le scelte;
- abilità comunicative nell’organizzare risposte chiare, rigorose e coerenti, con lessico tecnico appropriato;
- capacità di integrare concetti diversi e applicarli a quesiti non meramente ripetitivi.
La valutazione di ciascun modulo è espressa in trentesimi e considera:
1. correttezza delle conoscenze;
2. completezza delle risposte;
3. correttezza di procedimenti, calcoli, codice e metodi;
4. capacità di motivare le scelte e confrontare soluzioni;
5. chiarezza, organizzazione logica e proprietà terminologica.
Livelli di valutazione: - 18-20/30: conoscenze essenziali complessivamente corrette e applicazione dei procedimenti fondamentali con errori non gravi;
- 21-23/30: conoscenze abbastanza complete, applicazione generalmente corretta e terminologia adeguata;
- 24-26/30: conoscenze solide, procedimenti corretti e motivazioni chiare;
- 27-29/30: conoscenze approfondite e integrate, autonomia di analisi ed elevata correttezza metodologica ed espositiva;
- 30/30 e 30 e lode: padronanza completa e critica, capacità di affrontare problemi complessi o non ripetitivi e argomentazione rigorosa e particolarmente chiara. La lode richiede piena correttezza, approfondimento, autonomia e qualità espositiva particolarmente elevati.
Una preparazione frammentaria, l’incapacità di applicare i procedimenti fondamentali o errori concettuali rilevanti comportano una valutazione insufficiente.
Il voto finale dell’insegnamento integrato è formulato dopo il superamento di entrambi i moduli ed è pari alla media aritmetica delle due votazioni. Se la media non è intera, è arrotondata all’intero più vicino: per difetto quando la parte decimale è inferiore a 0,5 e per eccesso quando è pari o superiore a 0,5.
L’eventuale lode è attribuita collegialmente dalle docenti e dai docenti dei due moduli in presenza di risultati eccellenti in entrambe le prove e di una media finale pari a 30/30 dopo l’arrotondamento.
Per la preparazione delle domande teoriche è indicato lo studio del libro di testo e dei materiali pubblicati sulla piattaforma DIR. Per le domande applicative sono particolarmente utili esercizi, esempi di programmazione, attività di laboratorio e tracce di prove d’esame disponibili sulla stessa piattaforma.
Testi di riferimento
Testo principale: Andrew S. Tanenbaum, Herbert Bos, Modern Operating Systems: Global Edition, 5th edition, Pearson, 2023, ISBN 9781292459660.
Edizione italiana: Andrew S. Tanenbaum, Herbert Bos, I moderni sistemi operativi, 5a edizione, Pearson, 2023, ISBN 9788891931955.
Il testo è adatto allo studio sistematico dei principi, delle architetture, dei meccanismi e delle principali soluzioni progettuali trattate nei due moduli.
La piattaforma DIR mette inoltre a disposizione materiale integrativo, comprendente presentazioni, esempi, frammenti di codice, esercizi, attività di laboratorio e tracce di prove d’esame. Il libro di testo e i materiali teorici sono particolarmente indicati per la preparazione delle domande di conoscenza e comprensione; gli esercizi, gli esempi di programmazione e le tracce d’esame sono particolarmente utili per la preparazione delle domande applicative.
Codice insegnamento C137630
Applicazioni Mobili
3° anno · 6 CFU · INF/01 · 0 file
Il corso si prefigge di fornire allo/alla studente/studentessa nozioni sia teoriche che sperimentali di come si progetta e sviluppa una applicazione per i dispositivi mobili.
Scheda dell'insegnamento
Obiettivi formativi
Il corso si prefigge di fornire allo/alla studente/studentessa nozioni sia teoriche che sperimentali di come si progetta e sviluppa una applicazione per i dispositivi mobili.
Programma
Durante il corso lo/la studente/studentessa avrà modo di conoscere e sperimentare tutti i principali layout e widget che il sistema operativo Android oltre che sfruttare i servizi cloud.
Nella parte finale del corso, verrà introdotto il sistema operativo iOS attraverso lo sviluppo di semplici app.
0- Informazioni generali sul corso
1- Il linguaggio Kotlin
2- Concetti base
3- Piattaforma Android
4- Emulatore Android
5- XML-based Layout
6- Widget di base
7- Lavorare con i container
8- Metodi di input: Framework
9- Messaggi Pop-up
10- Gestione delle Thread
11- Ciclo di vita di una app
12- Creazione di Intent filter
13- Gestione schermi
14 -Menus & Preferences
15 - Accessing Files
16 -Notification
17 - Maps
18 - Firebase services
19 - Manage picture
20 - iOS first apps
Conoscenze acquisite dai corsi di algoritmi.
Lezioni frontali e sperimentazione in laboratorio che possono essere erogate in modalità in presenza.
Modalità d'esame
Consegna di un progetto Android e di un progetto iOS.
Testi di riferimento
Android and iOS sono sistemi operativi ancora molto in evoluzione, quindi oltre alle slide del corso, il docente fornirà link alla documentazione ufficiale online.
Codice insegnamento C143505
Calcolo Delle Probabilità E Statistica
3° anno · 6 CFU · MAT/06 · 0 file
Il corso intende avviare le studentesse e gli studenti alla teoria e alla pratica del Calcolo delle Probabilità, approfondendo le principali distribuzioni notevoli, e introdurre le basi della Statistica con particolare…
Scheda dell'insegnamento
Obiettivi formativi
Il corso intende avviare le studentesse e gli studenti alla teoria e alla pratica del Calcolo delle Probabilità, approfondendo le principali distribuzioni notevoli, e introdurre le basi della Statistica con particolare attenzione alla stima dei parametri. Al termine del corso le studentesse e gli studenti saranno in grado di formalizzare problemi incerti mediante modelli probabilistici e variabili aleatorie, applicare i principali teoremi limite, calcolare proprietà statistiche campionarie ed effettuare stime parametriche su insiemi di dati
Programma
Introduzione alla teoria del Calcolo delle Probabilità e dell'Inferenza Statistica
- Elementi di teoria della probabilità: assiomi fondamentali, esiti equiprobabili e calcolo combinatorio, probabilità condizionata, teorema di Bayes, eventi indipendenti e affidabilità dei sistemi
- Variabili aleatorie: variabili discrete e continue, sistemi di variabili aleatorie, variabili indipendenti, valore atteso, varianza e covarianza
- Teoremi limite: disuguaglianza di Chebyshev, legge dei grandi numeri e teorema del limite centrale
- Variabili aleatorie notevoli: variabili di Bernoulli, binomiali, geometriche, di Pascal, esponenziali, Gamma, di Poisson, uniformi e gaussiane
- Statistica inferenziale di base: campioni statistici e stimatori, stimatori per media e varianza, intervalli di confidenza, modelli statistici parametrici e verosimiglianza
Prerequisito fondamentale è la conoscenza del calcolo differenziale e integrale per funzioni di una variabile reale. In particolare, è richiesta la capacità di derivare, integrare e individuare i punti di massimo e minimo delle principali funzioni trascendenti elementari e loro combinazioni
Lezioni frontali alla lavagna ed esercitazioni con la partecipazione delle studentesse e degli studenti
Modalità d'esame
L'esame si compone di una prova scritta seguita da una prova orale. La prova scritta è volta a valutare la capacità delle studentesse e degli studenti di applicare le nozioni apprese durante il corso ed è articolata in 2 esercizi, uno di Calcolo delle Probabilità e uno di Statistica. Ciascun esercizio comprende 5 quesiti di difficoltà crescente. A ogni quesito risolto in modo corretto e completo vengono attribuiti 3 punti (per un totale massimo di 30 punti) e la prova si intende superata con un punteggio cumulativo non inferiore a 18. Durante lo scritto le studentesse e gli studenti possono consultare qualsiasi materiale cartaceo. La prova orale prevede la discussione dello scritto e l'approfondimento della teoria sottostante. Essa è finalizzata a verificare il livello di conoscenza e comprensione dei contenuti del corso, nonché a valutare l'autonomia di giudizio e la proprietà di linguaggio della studentessa o dello studente. La votazione finale è
- sufficiente (18 - 21) se la studentessa o lo studente supera la prova scritta, dimostra la conoscenza e la comprensione dei concetti fondamentali del Calcolo delle Probabilità e della Statistica, è in grado di riconoscere ed emendare i propri errori se opportunamente guidata o guidato ed è in grado di esporre gli argomenti in modo chiaro e comprensibile
- discreta/buona (22 - 27) se la studentessa o lo studente mostra un'ampia comprensione del programma, è in grado di collegare argomenti trattati in capitoli diversi ed evidenzia una maggiore autonomia nell'individuare e correggere eventuali inesattezze
- ottima/eccellente (28 - 30 e lode) se la studentessa o lo studente domina autonomamente la materia, è in grado di sostenere una discussione approfondita sugli aspetti più critici del programma e di argomentare le proprie conclusioni con logica rigorosa e proprietà di linguaggio
Testi di riferimento
Note del docente ed esercizi svolti caricati sulla piattaforma DIR
Codice insegnamento C135788
Calcolo Delle Probabilità E Statistica
3° anno · 6 CFU · MAT/06 · 0 file
Fornire agli studenti e alle studentesse le competenze fondamentali della teoria della probabilità e della statistica inferenziale, necessarie per la modellizzazione formale e l'analisi quantitativa dei dati in ambito…
Scheda dell'insegnamento
Obiettivi formativi
Fornire agli studenti e alle studentesse le competenze fondamentali della teoria della probabilità e della statistica inferenziale, necessarie per la modellizzazione formale e l'analisi quantitativa dei dati in ambito informatico, in coerenza con gli obiettivi formativi del Corso di Studi. Al termine del corso lo/la studente/ssa sarà in grado di:
-Formalizzare problemi incerti mediante modelli probabilistici e variabili aleatorie (discrete e continue).
-Calcolare parametri statistici campionari, applicare i principali teoremi limite ed effettuare stime parametriche e test d'ipotesi su insiemi di dati reali.
Programma
Elementi di Probabilità: assiomi della probabilità, diagrammi di Venn, spazi equiprobabili, probabilità condizionata, Teorema di Bayes.
Variabili aleatorie discrete e continue, variabili aleatorie indipendenti, valore atteso. Varianza e covarianza.
Modelli di variabili aleatorie: variabili di Bernoulli e binomiali, ipergeometriche, geometriche. Distribuzione di Poisson, variabili aleatorie uniformi,
variabili aleatorie normali, variabili aleatorie esponenziali. Teorema del Limite Centrale. Statistica di base. Gruppi di dati, media, mediana, quartili. Definizione delle statistiche campionarie. Valori attesi, varianza campionaria. Stime dei parametri. Verifica delle ipotesi e applicazioni.
Elementi di Probabilità: assiomi della probabilità, diagrammi di Venn, spazi equiprobabili, probabilità condizionata, Teorema di Bayes.
Variabili aleatorie discrete e continue, variabili aleatorie indipendenti, valore atteso. Varianza e covarianza.
Modelli di variabili aleatorie: variabili di Bernoulli e binomiali, ipergeometriche, geometriche. Distribuzione di Poisson, variabili aleatorie uniformi,
variabili aleatorie normali, variabili aleatorie esponenziali.
Teorema del Limite Centrale. Statistica di base. Gruppi di dati, media, mediana, quartili. Definizione delle statistiche campionarie. Valori attesi, varianza campionaria. Stima dei parametri. Stimatori di massima verosomiglianza, derivazione delle principali distribuzioni. Stima per la media, per la varianza e stime parametriche. Intervalli di confidenza. Verifica delle ipotesi e applicazioni.
Conoscenza dei principali contenuti dei corsi di Analisi Matematica I e Matematica Discreta.
Lezioni frontali ed esercitazioni in classe.
Durante le esercitazioni, il docente stimola la partecipazione attiva degli studenti, guidandoli nella risoluzione degli esercizi e affrontando con loro i diversi passaggi necessari per giungere alla soluzione.
Modalità d'esame
L'esame è composto da una prova scritta e da un'eventuale prova orale facoltativa.
1. Struttura delle prove e RAA verificati:
Prova Scritta: 3-4 esercizi e 1-2 domande di teoria. Verifica la Conoscenza e capacità di comprensione e la Capacità di applicare conoscenza e comprensione su probabilità e statistica, nonché l'Autonomia di giudizio nella scelta della risoluzione.
Prova Orale:
-Facoltativa: Accessibile su richiesta dello/della studente/ssa che abbia superato la prova scritta con un punteggio di almeno 18/30, per migliorare la valutazione.
-Obbligatoria/Su convocazione: Il docente si riserva la facoltà di convocare direttamente lo/la studente/ssa a sostenere una prova orale di verifica, qualora lo ritenga opportuno per accertare e verificare l'autenticità e la paternità dell'elaborato scritto.
La prova orale consiste nella discussione dell'elaborato scritto e in domande teoriche volte a verificare le Abilità comunicative, il rigore formale e la profondità di comprensione.
2. Criteri di valutazione e fasce di punteggio:
18 - 21/30 (Sufficienza): Conoscenza base dei concetti teorici; capacità essenziale di applicare formule ed eseguire calcoli negli esercizi standard, pur con qualche incertezza formale.
22 - 26/30 (Discreto/Buono): Buona conoscenza della materia; corretta e autonoma risoluzione degli esercizi; esposizione chiara e appropriata dei passaggi teorici e pratici.
27 - 30/30 (Ottimo/Eccellente): Piena padronanza teorica e metodologica; impeccabile esecuzione degli esercizi applicativi; spiccata capacità di ragionamento critico e rigore formale nell'esposizione.
30 e lode: Eccellenza assoluta, autonomia completa nella risoluzione dei problemi e brillantezza espositiva sia nello scritto sia nell'orale.
Testi di riferimento
Sheldon M. Ross: Probabilità e Statistica per l'Ingegneria e le Scienze, Apogeo Education – Seconda Edizione 2008
Codice insegnamento C135787
Calcolo Numerico
3° anno · 6 CFU · MAT/08 · 0 file
L’insegnamento si propone di fornire alle studentesse e agli studenti le conoscenze fondamentali del calcolo numerico, introducendo metodi e algoritmi per la soluzione approssimata di problemi matematici mediante…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento si propone di fornire alle studentesse e agli studenti le conoscenze fondamentali del calcolo numerico, introducendo metodi e algoritmi per la soluzione approssimata di problemi matematici mediante strumenti computazionali. Il corso affronta i principali aspetti dell’analisi degli errori, dell’aritmetica di macchina, del condizionamento e della stabilità numerica, fornendo gli strumenti necessari per comprendere l’affidabilità dei risultati prodotti dai calcolatori.
Il corso introduce inoltre metodi numerici per la soluzione di equazioni non lineari, sistemi di equazioni lineari, problemi di approssimazione di funzioni e integrazione numerica. Particolare attenzione è dedicata alla comprensione dei principi alla base degli algoritmi numerici, alla loro efficienza computazionale e alla scelta del metodo più appropriato in relazione al problema considerato.
L’insegnamento è articolato in 6 CFU complessivi, corrispondenti a 48 ore di attività didattica, così organizzate:
28 ore di didattica erogativa, dedicate alla presentazione dei concetti teorici fondamentali, alla derivazione e discussione dei metodi numerici e all’analisi delle proprietà degli algoritmi introdotti;
20 ore di didattica interattiva in laboratorio, dedicate all’applicazione dei metodi numerici mediante implementazione e utilizzo di strumenti computazionali. Le attività di laboratorio prevedono il coinvolgimento attivo delle studentesse e degli studenti nella progettazione, realizzazione, verifica e analisi critica di semplici algoritmi numerici.
Al termine dell’insegnamento, le studentesse e gli studenti avranno acquisito la capacità di comprendere e applicare metodi numerici di base, valutare l’accuratezza e l’affidabilità delle soluzioni ottenute, analizzare il comportamento degli algoritmi e utilizzare strumenti computazionali per affrontare semplici problemi di calcolo scientifico.
L’obiettivo formativo dell’insegnamento è sviluppare capacità di modellizzazione numerica, ragionamento algoritmico e analisi critica dei risultati computazionali, fornendo competenze rilevanti per il percorso formativo in Informatica e per lo studio e l’applicazione di metodi computazionali in ambiti quali simulazione, elaborazione dei dati, ottimizzazione e calcolo scientifico.
Programma
Il corso fornisce nozioni sull'analisi degli errori, l'aritmetica di macchina, l'approssimazione numerica della soluzione di equazioni non lineari, metodi efficienti per la soluzione di sistemi di equazioni lineari. Il corso affronta anche le principali questioni relative all'approssimazione delle funzioni e all'integrazione numerica.
ANALISI DELL'ERRORE: errore assoluto ed errore relativo. Tipologie di errore. Numeri di macchina. Rappresentazione mediante troncamento ed arrotondamento. Precisione di macchina. Overflow ed Underflow. Aritmetica finita. Condizionamento di un problema. Condizionamento delle quattro operazioni algebriche fondamentali.
APPROSSIMAZIONE DI ZERI DI FUNZIONE: Il metodo di bisezione: criteri di arresto, condizionamento del problema ed ordine di convergenza. Il metodo di Newton: convergenza locale ed ordine di convergenza quadratico per radici semplici. Il caso di radici multiple: convergenza lineare e ripristino dell'ordine quadratico per il caso di molteplicità esatta nota a priori. Metodi quasi-Newton.
RISOLUZIONE DI SISTEMI LINEARI: Casi semplici. Fattorizzazione LU: esistenza, unicità e costo computazionale. Matrici a diagonale dominante. Matrici simmetriche e definite positive: metodo di Cholesky. Pivoting. Condizionamento del problema. Metodi iterativi di base. Sistemi lineari sovradeterminati: soluzione nel senso dei minimi quadrati, metodo delle equazioni normali e cenni sul metodo basato sulla fattorizzazione QR.
APPROSSIMAZIONE DI FUNZIONI: Interpolazione polinomiale: esistenza ed unicità del polinomio interpolante. Forma di Lagrange. Cenni sulla analisi dell'errore. Il metodo dei minimi quadrati nel discreto.
INTEGRAZIONE NUMERICA: Formule di quadratura di tipo interpolatorio. Formule di Newton-Cotes: il metodo dei trapezi ed il metodo di Simpson semplici. Analisi dell'errore. Grado di precisione di una formula di quadratura. Analisi del condizionamento di un integrale definito e di una formula di quadratura. Metodo dei trapezi e di Simpson compositi e relativa analisi dell'errore.
AMBIENTE DI CALCOLO OCTAVE/MATLAB: Definizione di variabili scalari, vettori e matrici. Tipo di una variabile. Operatore due punti. Sottovettori e sottomatrici. Operatori aritmetici, relazionali e logici. Espressioni. Principali funzioni built-in. M-files di tipo script. Comandi per l'input e l'output dei dati. Comandi per il controllo del flusso di esecuzione. M-files di tipo function: parametri di input e di output. Principali comandi per la grafica in 2D.
È richiesta la conoscenza delle nozioni fondamentali di matematica acquisite negli insegnamenti di base del percorso di studi, con particolare riferimento a:
- algebra elementare;
- funzioni reali di una variabile reale;
- concetti fondamentali di limite, continuità e derivabilità;
- sviluppo in serie di Taylor e calcolo differenziale e integrale in una variabile;
- elementi di algebra lineare, con particolare riferimento a vettori, matrici e sistemi di equazioni lineari.
È richiesta la capacità di leggere e comprendere semplici testi matematici e di formalizzare problemi mediante il linguaggio matematico.
La didattica si svolgerà mediante lezioni frontali alla lavagna ed esercitazioni in laboratorio informatico.
Le lezioni frontali saranno dedicate alla presentazione dei concetti teorici fondamentali, alla derivazione e discussione dei metodi numerici e all’analisi delle proprietà degli algoritmi introdotti. Le attività di laboratorio informatico saranno finalizzate all’applicazione pratica degli argomenti trattati, attraverso l’implementazione, la sperimentazione e l’analisi dei metodi numerici mediante strumenti computazionali.
Durante le esercitazioni in laboratorio, le studentesse e gli studenti saranno coinvolti attivamente nella risoluzione di problemi, nella progettazione e verifica degli algoritmi e nell’interpretazione critica dei risultati ottenuti. I concetti introdotti durante le lezioni teoriche saranno discussi e applicati attraverso esempi ed esercizi, con l’obiettivo di sviluppare capacità di analisi, senso critico e autonomia di giudizio nell’utilizzo dei metodi numerici.
Frequenza: consigliata.
Modalità d'esame
La verifica dell’apprendimento consiste in una prova orale sugli argomenti trattati durante le lezioni teoriche e le attività pratiche svolte in laboratorio informatico.
Durante la prova orale, la studentessa/lo studente dovrà dimostrare di aver acquisito le conoscenze e le competenze previste dagli obiettivi formativi dell’insegnamento, utilizzando un linguaggio matematico e computazionale appropriato e mostrando la capacità di descrivere, applicare e discutere criticamente i metodi numerici introdotti durante il corso.
La valutazione complessiva terrà conto del livello di acquisizione dei seguenti risultati di apprendimento:
- conoscenza e comprensione dei principi fondamentali del calcolo numerico e delle problematiche connesse al calcolo scientifico;
- capacità di applicare metodi numerici per la soluzione approssimata di problemi matematici;
- capacità di analizzare accuratezza, stabilità e affidabilità dei risultati prodotti dagli algoritmi numerici;
- capacità di scegliere e motivare l’utilizzo di un metodo numerico in relazione al problema considerato;
- capacità di comunicare in modo chiaro e rigoroso procedimenti, risultati e osservazioni critiche.
Il voto finale sarà determinato sulla base del grado di raggiungimento degli obiettivi formativi dell’insegnamento, considerando la conoscenza dei contenuti teorici, la capacità di applicare i metodi numerici, la padronanza degli strumenti computazionali utilizzati in laboratorio e la capacità di argomentare in modo autonomo e critico.
La sufficienza (18/30) viene raggiunta quando la studentessa/lo studente dimostra una conoscenza essenziale degli argomenti fondamentali del corso ed è in grado di: - descrivere i principali concetti e metodi numerici introdotti;
- applicare correttamente procedure standard a semplici problemi numerici;
- interpretare i risultati ottenuti, anche con eventuali imprecisioni non sostanziali;
- utilizzare una terminologia matematica e computazionale di base adeguata.
Una valutazione superiore alla sufficienza riflette un progressivo miglioramento nella capacità di collegare concetti, applicare autonomamente i metodi e analizzare criticamente le soluzioni ottenute:
18–20/30: conoscenza essenziale dei contenuti, capacità di applicare metodi standard con limitata autonomia e presenza di alcune imprecisioni non sostanziali.
21–24/30: buona conoscenza degli argomenti, corretta applicazione dei principali metodi numerici e discreta capacità di analisi dei risultati.
25–27/30: padronanza dei contenuti, capacità di collegamento tra aspetti teorici e computazionali, autonomia nell’utilizzo dei metodi numerici.
28–30/30: conoscenza approfondita degli argomenti, capacità di analisi critica delle proprietà degli algoritmi, scelta consapevole dei metodi più adeguati e uso rigoroso del linguaggio matematico e computazionale.
30/30 e lode: raggiungimento di un livello di eccellenza caratterizzato da particolare autonomia di giudizio, capacità di approfondimento, padronanza dei contenuti e chiarezza nell’esposizione.
La modalità di verifica è progettata per stimolare un ruolo attivo della studentessa e dello studente nel processo di apprendimento, valorizzando non solo la conoscenza dei risultati finali, ma anche la comprensione dei procedimenti, la capacità di motivare le scelte effettuate e l’interpretazione critica delle soluzioni numeriche.
Per la preparazione della prova orale si consiglia l’utilizzo dei seguenti materiali: - appunti delle lezioni;
- dispense e materiale didattico fornito dal docente;
- esercitazioni svolte durante il corso e materiale relativo alle attività di laboratorio informatico;
- libri di testo di Calcolo Numerico indicati dal docente, utili per consolidare la comprensione teorica degli argomenti e approfondire gli aspetti metodologici.
Testi di riferimento
Appunti del docente caricati sulla piattaforma DIR.
Codice insegnamento C143506
Computazione Quantistica
3° anno · 3 CFU · FIS/02 · 0 file
Cybersecurity
3° anno · 6 CFU · INF/01 · 0 file
Scopo dell'insegnamento è -sviluppare sensibilità sui rischi di sicurezza, sulla base di conoscenze di vulnerabilità e tipi di attacchi e di trasferire agli studenti -comprendere i principi della sicurezza informatica;…
Scheda dell'insegnamento
Obiettivi formativi
Scopo dell'insegnamento è
-sviluppare sensibilità sui rischi di sicurezza, sulla base di conoscenze di vulnerabilità e tipi di attacchi e di trasferire agli studenti
-comprendere i principi della sicurezza informatica;
-acquisire gli strumenti fondamentali per garantire requisiti di sicurezza.
Programma
Introduzione ai principi fondamentali di sicurezza delle reti e di crittografia, descrizione delle tecniche fondamentali, ed esempi di applicazioni e protocolli.
-Introduzione alla sicurezza. Vulnerabilità e requisiti di sicurezza. - Politica di sicurezza - Crittografia a chiave simmetrica. Sistemi di cifratura a blocchi e a flusso. Principi di confusione e diffusione. DES e 3DES, AES, RC4. Cifratura di messaggi lunghi. - Crittografia a chiave pubblica. RSA, Diffie-Hellman e DSA: uso, attacchi, protocolli e standard.Introduzione alla crittografia a curve ellittiche: ECDH ed ECDSA. - Confronto tra i sistemi di crittografia a chiave pubblica e a chiave simmetrica. Schema ibrido. Scambio di segreti e generazione di chiavi simmetriche. IES ed ECIES. - Funzioni di hash crittograficamente sicure. Collisioni. Struttura delle funzioni hash. Esempi di funzioni hash. - Message Authentication Codes. Confronto con le funzioni hash. HMAC. - Autenticazione di messaggi a chiave pubblica e non ripudiabilità. - Il tempo: nonce e timestamp. Sincronizzazione. - Certificati digitali. Autorità di certificazione e Registration Authority. Liste di revoca. Protocollo OCSP. - Schema Autentication Authorization Accounting (AAA). Autenticazione: paradigmi login/password, challenge/response e timestamp. - VPN. Cenni su IPsec. Come applicazione dei principi studiati: SSL/TLS, SSH. - Firewall. Architettura di un firewall. Principi fondamentali. Bastion Host. DMZ. - Filtri di pacchetti statici e dinamici. Access list. Proxy.
Conoscenza del funzionamento delle reti di calcolatori, programmazione in Java, nozioni base di utilizzo di Unix.
Il corso è insegnato interamente in laboratorio. Ciascuna lezione è costituita da una presentazione degli argomenti nella quale gli aspetti tecnici vengono arricchiti da ampi riferimenti ad incidenti informatici recenti, seguita da attività pratica; l'attività in laboratorio guida nella realizzazione di attacchi informatici, per fornire sensibilità riguardo alle vulnerabilità e comprensione delle caratteristiche e dei limiti delle tecnologie e dei meccanismi di sicurezza presentati; si propone implementazione di software crittografico, e configurazione di sistemi di sicurezza per fornire familiarità con gli strumenti software e il loro utilizzo.
Gli argomenti trattati in ogni lezione insieme alle appropriate indicazioni bibliografiche e le indicazioni sull'attività pratica sono riportate sulla piattaforma DIR per permettere a coloro che seguono il corso di rivedere o completare le attività proposte e di mantenersi al passo con il corso in caso perdano qualche lezione; inoltre questo permette a coloro che non frequentano di svolgere autonomamente l'attività di laboratorio, e di seguire pur a distanza il corso delle lezioni.
Inoltre sul DIR sono presenti documenti e link aggiuntivi a protocolli in uso, a notizie di cronaca sulla sicurezza informatica, ad organizzazioni che si occupano di sicurezza ecc, per stimolare la curiosità e mantenerw aggiornati in un campo in veloce evoluzione. Poiché tale documentazione è per la maggior parte in inglese, lo studio sarà anche uno strumento per migliorare la propria padronanza del linguaggio tecnico informatico in inglese.
Infine sono a disposizione sul DIR quiz di autovalutazione che hanno lo scopo di incoraggiare il ragionamento autonomo sugli argomenti presentati.
Durante la lezione viene usato lo strumento wooclap in modalità anonima per per porre domande al fine di verificare la comprensione degli argomenti e per stimolare una partecipazione attiva.
Modalità d'esame
I voti vengono assegnati secondo la seguente griglia di valutazione:
inferiore a18: Lacune importanti nei contenuti, mancate risposte o risposte non adeguate
18–22: Preparazione accettabile, ma con lacune significative o argomenti non studiati adeguatamente. Sufficiente capacità di applicazione. Utilizzo basilare del lessico tecnico
23-25: Conoscenze appropriate con alcune lacune, discreta capacità di applicazione; presentazione articolata e utilizzo appropriato del linguaggio tecnico
26–28: Buona conoscenza dei contenuti e capacità di stabilire collegamenti fra le diverse parti del programma. Utilizzo solido del linguaggio tecnico.
29–30 e lode: Preparazione completa e approfondita, con visione chiara e coerente degli argomenti trattati. Utilizzo preciso del linguaggio tecnico.
L'esame è orale, ma è offerta una modalità alternativa (si veda sotto).
Durante l'esame orale vengono poste in generale domande su tre argomenti (il numero di domande può variare ove necessario in base alle risposte, per verificare che gli obiettivi formativi siano stati raggiunti). Il colloquio si basa su due strumenti di verifica: la richiesta di descrizione di meccanismi o tecnologie presentate nel corso, al fine di verificare che siano stati appresi i principi e i meccanismi fondamentali; la discussione di semplici problemi di sicurezza o di variazioni di protocolli noti, per verificare che siano stati acquisiti la sensibilità ai rischi di sicurezza e una certa autonomia e senso critico nell'utilizzo degli strumenti appresi. La sufficienza si ottiene dimostrando la comprensione dei principi fondamentali, con capacità di esprimersi in linguaggio tecnico. L'eccellenza si ottiene mostrando di avere acquisito capacità di individuare rischi di sicurezza in semplici problemi e autonomia di giudizio nel proporre soluzioni, essendo in grado di utilizzare con precisione il linguaggio tecnico.
In alternativa è possibile scegliere di sostenere l'esame solo rispondendo a domande di un quiz di 20 domande a correzione automatica, svolto in laboratorio. Si ottiene la sufficienza rispondendo all' 70% delle domande correttamente. Il voto massimo che si può ottenere con il quiz è 22/30, con il 90% di risposte corrette.
Testi di riferimento
William Stallings, Cryptography and Network Security, qualunque edizione a partire dalla quinta, Pearson
oppure
Maurizio Cinotti, Internet Security, terza edizione, Hoepli Informatica, ISBN 978-88-203-3895-4 (questo libro è fuori catalogo ma ancora valido sotto molti aspetti; è disponibile presso la biblioteca del Dipartimento)
Del materiale aggiuntivo è fornito sul sito online del corso.
Codice insegnamento C135792
Cybersecurity
3° anno · 6 CFU · INF/01 · 0 file
Conoscenza e capacità di comprensione: conoscere i principi basilari della sicurezza informatica, le tecniche crittografiche fondamentali e i dispositivi essenziali per la protezione di una rete di calcolatori.…
Scheda dell'insegnamento
Obiettivi formativi
Conoscenza e capacità di comprensione: conoscere i principi basilari della sicurezza informatica, le tecniche crittografiche fondamentali e i dispositivi essenziali per la protezione di una rete di calcolatori. Applicazione di conoscenza e comprensione: saper analizzare il problema proposto e proporre strumenti di analisi e protezione. Autonomia di giudizio: corretta percezione dei rischi di sicurezza e del modo in cui gli aspetti di sicurezza informatica si intrecciano con l'organizzazione di una rete. Abilità comunicative: acquisizione della terminologia tecnica specifica dell'area e capacità di discutere di aspetti di sicurezza, e di meccanismi di protezione. Inoltre la studentessa/lo studente migliorerà la propria padronanza della lingua inglese a livello tecnico informatico. Capacità di apprendere: avendo appreso i principi fondamentali, la studentessa/lo studente sarà in grado in futuro di apprezzare e valutare tecnologie e protocolli nuovi che si basano sugli stessi principi.
Programma
Introduzione ai principi fondamentali di sicurezza delle reti e di crittografia, descrizione delle tecniche fondamentali, ed esempi di applicazioni e protocolli.
-Introduzione alla sicurezza. Vulnerabilità e requisiti di sicurezza. - Politica di sicurezza - Crittografia a chiave simmetrica. Sistemi di cifratura a blocchi e a flusso. Principi di confusione e diffusione. DES e 3DES, AES, RC4. Cifratura di messaggi lunghi. - Crittografia a chiave pubblica. RSA, Diffie-Hellman e DSA: uso, attacchi, protocolli e standard.Introduzione alla crittografia a curve ellittiche: ECDH ed ECDSA. - Confronto tra i sistemi di crittografia a chiave pubblica e a chiave simmetrica. Schema ibrido. Scambio di segreti e generazione di chiavi simmetriche. IES ed ECIES. - Funzioni di hash crittograficamente sicure. Collisioni. Struttura delle funzioni hash. Esempi di funzioni hash. - Message Authentication Codes. Confronto con le funzioni hash. HMAC. - Autenticazione di messaggi a chiave pubblica e non ripudiabilità. - Il tempo: nonce e timestamp. Sincronizzazione. - Certificati digitali. Autorità di certificazione e Registration Authority. Liste di revoca. Protocollo OCSP. - Schema Autentication Authorization Accounting (AAA). Autenticazione: paradigmi login/password, challenge/response e timestamp. - VPN. Cenni su IPsec, SSL/TLS, SSH. - Firewall. Architettura di un firewall. Principi fondamentali. Bastion Host. DMZ. - Filtri di pacchetti statici e dinamici. Access list. Proxy.
Conoscenza del funzionamento delle reti di calcolatori, programmazione in Java, nozioni base di utilizzo di Unix.
Lezioni Frontali e Laboratori Didattici
Modalità d'esame
L’esame è scritto. L’esame è costituito da 6 domande a risposta aperta, per un totale di 32 punti. Il voto 30 e lode è assegnato al raggiungimento di 31 punti.
Testi di riferimento
William Stallings, Cryptography and Network Security, quinta o sesta edizione, Pearson
Codice insegnamento C135793
Discrete Event Simulation
3° anno · 4 CFU · INF/01 · 0 file
Si tratta di un corso introduttivo sulla simulazione ad eventi discreti Si focalizza sullo scopo e le possibili applicazioni della simulazione. Introduce i concetti di modello discreto e dinamico, di stato di un…
Scheda dell'insegnamento
Obiettivi formativi
Si tratta di un corso introduttivo sulla simulazione ad eventi discreti Si focalizza sullo scopo e le possibili applicazioni della simulazione. Introduce i concetti di modello discreto e dinamico, di stato di un modello e delle leggi operazionali che definiscono il comportamento dinamico dei modelli. Lo scopo di uno studio basato su modelli di simulazione viene presentato attraverso esempi in diversi domini applicativi caratterizzati da diversi tipi di proprietà (misure) di interesse. Viene discusso il problema della scelta del livello di astrazione appropriato in funzione dei risultati attesi e delle informazioni disponibili sul sistema oggetto dello studio.
Viene poi presentata la differenza tra modelli deterministici e stocastici; vengono quindi illustrati alcuni importanti aspetti che riguardano i modelli stocastici come la generazione di valori casuali, la caratterizzazione probabilistica del flusso di lavoro in input al sistema, e l’analisi statistica dei dati prodotti tramite gli esperimenti di simulazione
Vengono inoltre presentati alcuni strumenti software per la progettazione e l’esecuzione di modelli di simulazione discreti e dinamici sottolineandone le similitudini e le differenze. Tra gli obiettivi del corso vi è anche l’apprendimento delle funzionalità e dei meccanismi di funzionamento di diversi strumenti software di simulazione e la loro sperimentazione attraverso lo sviluppo dei principali passi di uno studio di simulazione da condurre realizzando un progetto sufficientemente semplice ma realistico.
Programma
Il corso fornisce le motivazioni per lo studio di prestazione di sistemi tramite modelli di simulazione; illustra i principali concetti e metodi per la costruzione di modelli di simulazione, la loro esecuzione e l’analisi dell’output. I concetti sono illustrati attraverso numerosi esempi applicativi e proponendo esercizi pratici da realizzare tramite ambienti di simulazione software open source. Le nozioni di probabilità e statistica di base, necessarie ad effettuare l’analisi dei risultati degli esperimenti di simulazione, sono brevemente trattate nel corso.
Motivazioni che giustificano lo studio di sistemi tramite simulazione, con esempi di diversi campi applicativi. Simulazione ad eventi discreti: definizione dello stato di un modello e delle regole operazionali che ne regolano l’evoluzione nel tempo (discreto). Definizione di misure di prestazione / affidabilità. Simulazione manuale di alcuni semplici esempi.
Algoritmo di base per la simulazione ad eventi discreti di tipo Next Event Time Advance (la Future Event List, i metodi per la gestione degli eventi e per la raccolta le misure da cui si deriva l’output degli esperimenti di simulazione. Vengono proposti esercizi di laboratorio da sviluppare tramite strumenti software open source (come JaamSim e Omnet++). Revisione dei concetti di base su probabilità e statistica. Metodi per la generazione di numeri pseudo-casuali e campionamento di valori dalle distribuzioni che caratterizzano le variabili casuali nei modelli stocastici. Esperimenti con modelli stocastici: osservazione della variabilità dell’input e dell’output. Dedurre la distribuzione di variabili casuali a partire da dati in input. Analisi dell’output di esperimenti di simulazione (di modelli stocastici): calcolo di intervalli di confidenza su campioni ottenuti attraverso esecuzioni ripetute. Analisi delle misure in transitorio e a regime. Presentazione di alcuni casi di studio attraverso esperimenti guidati su diversi strumenti software. Assegnazione di un progetto finale: si tratta di un caso di studio (variazione sul tema di un caso di studio presentato nelle precedenti fasi); lo studio dovrà essere sviluppato all’interno di gruppi di 3-4 studenti, descritto in una relazione finale ed in una presentazione da discutere con tutti/e i/le partecipanti.
Matematica, statistica e programmazione di base.
Questo è un corso blended, composto da una prima parte da svolgere on-line ed una finale in presenza. Nella parte On-line si svolgeranno lezioni a distanza sincrone (con l’uso di slide e di strumenti per il coinvolgimento dei/delle partecipanti come Wooclap), saranno forniti materiali di studio pubblicati on-line per consentire l’interiorizzazione e la sperimentazione dei concetti introdotti nelle lezioni sincrone, quiz di autovalutazione, esercizi che utilizzano strumenti software open source per le attività di laboratorio. Sarà inoltre incoraggiata la partecipazione attiva e l’uso di vari strumenti on-line per la comunicazione e l’apprendimento collaborativo tra pari.
La fase in presenza sarà dedicata principalmente allo sviluppo di un progetto in gruppo che sarà presentato a presentato a tutte le studentesse e a tutti gli studenti al termine del corso.
Modalità d'esame
La valutazione si baserà su tre aspetti: (1) la qualità degli artefatti prodotti durante tutto lo svolgimento del corso (30%), (2) la qualità dell’interazione, specialmente per quanto riguarda le discussioni on-line e il lavoro collaborativo in gruppo. (10%); (3) la qualità del progetto finale, sviluppato in gruppo principalmente durante la settimana intensiva di fine corso, ed illustrato tramite una presentazione finale (60%).
Testi di riferimento
Libro di testo (Open Access): Manuel D. Rosetti, Simulation Modeling and Arena.
https://rossetti.github.io/RossettiArenaBook/
Libri di consultazione:
J. Banks, J. S. Carson II, B. L. Nelson, David M. Nicol, Discrete-Event System Simulation , Fifth edition, Pearson Education 2010
Simulation Modeling and Analysis, 5th Edition, A. Law, Mc Graw Hill, 2015
Codice insegnamento C143503
Etica Digitale
3° anno · 3 CFU · M-FIL/02 · 0 file
Introduzione all’etica digitale e ai suoi fondamenti concettuali Promozione dell'auto-riflessione e della consapevolezza critica sull'impatto etico delle proprie azioni digitali Analisi delle principali teorie etiche e…
Scheda dell'insegnamento
Obiettivi formativi
- Introduzione all’etica digitale e ai suoi fondamenti concettuali
- Promozione dell'auto-riflessione e della consapevolezza critica sull'impatto etico delle proprie azioni digitali
- Analisi delle principali teorie etiche e dei loro applicazioni nel contesto digitale
- Sviluppo di capacità di argomentazione etica basata su una solida comprensione dei principi etici e delle loro applicazioni nel mondo digitale
Programma
Il corso verterà su alcuni dei principali problemi etici legati alla trasformazione digitale e alla diffusione dell'Intelligenza artificiale, e sulle possibilità di affrontare tali problemi con gli strumenti teorici dell'etica contemporanea. Tra i temi affrontati vi saranno il modo in cui la digitalizzazione modifica la percezione che abbiamo di noi stessi, le relazioni sociali, il possesso delle informazioni che ci riguardano e l’ambiente, sia virtuale che reale. Discuteremo inoltre quali decisioni possiamo affidare ad agenti artificiali e analizzeremo alcuni casi esemplari di conflitto tra principi etici.Verranno anche esaminati casi reali e si metterà in luce la relazione tra diversi orientamenti etici e la produzione di leggi, atti regolativi e codici deontologici in ambito digitale.
1. Etica digitale: che cosa è e perché è importante. Gli strumenti dell'etica contemporanea per i problemi della società digitali. Esempio di dilemma morale e due tipi di soluzione. Dal 'problema del vagone ferroviario' ai veicoli a guida autonoma ai sistemi d'arma autonomi. 2. Noi e i nostri dati: identità dell'individuo (dati informativi e dati biometrici); nudge, deep nudge e autonomia decisionale. 3. L'ambiente: a) l'ambiente digitale: come i large language models inquinano il web;b) l'ambientel fisico: la sostenibilità dei big data. 4. Noi e gli altri nell'infosfera: hate speech e polarizzazione; socialità e affettività nell'infosfera; luci ed ombre della 'gamificazione'. 5. La società: il capitalismo della sorveglianza; stereotipi e pregiudizi; la crescita delle disuguaglianze; artefatti e responsabilità. 6. La conoscenza: Large Language Models e post-verità; bias cognitivi e bias algoritmici. 7. Dall'etica alle norme: il dibattito sulla regolamentazione; leggi, regolamenti e codici deontologici; i diversi approcci di EU, USA, CINA. Cenni sul GDPR e sull'AI-ACT europeo. NOTA:Integrazione della dimensione di genere: nella parte dedicata ai bias algoritmici saranno illustrati casi di discriminazione basata sul genere.
Il corso non richiede conoscenze filosofiche preliminari.
Lezioni frontali, discussione in classe, uso di strumenti audiovisivi. Nelle lezioni in aula saranno introdotti i concetti fondamentali e i problemi oggetto delle letture in programma. Saranno inoltre presentati e sottoposti a discussione case studies che esemplificano le tematiche affrontate.
Modalità d'esame
Esame Orale. L'esame consisterà in quattro domande sugli argomenti del corso, oppure, per chi lo desidera, in tre domande e la presentazione in classe di una relazione di approfondimento su uno degli argomenti trattati nel corso. Per ottenere la sufficienza occorre mostrare occorre rispondere in maniera corretta, anche se non necessariamente completa, ad almeno tre delle domande, mostrando di avere compreso le tematiche e i problemi trattati. L'eccellenza (30 e lode) corrisponde a una trattazione corretta ed estesa dei temi oggetto delle quattro domande (o delle tre domande più relazione in classe), corredata da qualche considerazione critica o aggiornamento personale.
Testi di riferimento
Fabio Fossa, Viola Schiaffonati e Guglielmo Tamburrini (a cura di), Automi e persone. Introduzione all'etica dell'intelligenza artificiale e della robotica. Carocci 2021, cinque capitoli a scelta. Slides e altre letture di aggiornamento sugli argomenti trattati nel volume di Fossa, Schiaffonati e Tamburrini inserite dalla docente su DIR.
Codice insegnamento C143510
Fondamenti, Linguaggi E Traduttori
3° anno · 9 CFU · INF/01 · 0 file
Le seguenti conoscenze e capacita': modellare linguaggi regolari e linguaggi context free (tramite espressioni regolari, e grammatiche context free, eventualmente lineari) riconoscere linguaggi regolari e context free…
Scheda dell'insegnamento
Obiettivi formativi
Le seguenti conoscenze e capacita':
- modellare linguaggi regolari e linguaggi context free (tramite espressioni regolari, e grammatiche context free, eventualmente lineari)
- riconoscere linguaggi regolari e context free mediante automi (a stati finiti e a pila)
- conoscere il parsing LR(0) ed SLR(1), sviluppare parser LR(0) e SLR(1) a partire da grammatiche context-free,
- conoscere i metodi per la traduzione diretta dalla sintassi e le condizioni per la loro applicazione: durante l’analisi LR, come attraversamento dell'albero di derivazione, del grafo delle dipendenze
- conoscere come la traduzione diretta dalla sintassi viene applicata alla traduzione dei linguaggi di programmazione per la traduzione di espressioni numeriche, istruzioni di controllo ed espressioni booleane
Programma
Linguaggi formali, grammatiche context free, automi riconoscitori, parsing LR. Traduzione guidata dalla sintassi e suo utilizzo per la traduzione dei linguaggi imperativi di programmazione.
- Linguaggi ed espressioni regolari
- Linguaggi e grammatiche context free
- Grammatiche lineari, e loro relazioni con i linguaggi regolari
- Grammatiche context sensitive (cenni)
- Principali strutture sintattiche e regole grammaticali per generale
- Automi a stati finite e loro relazione con i linguaggi regolari
- Automi a pila (deterministici e non) e loro relazioni con i linguaggi context free
- Principi del parsing bottom up, focalizzandosi sul parsing LR (LR(0) e SLR(1)).
- Traduzione guidata dalla sintassi: grammatiche ad attributi e schemi di traduzione. .
- Generazione del codice intermedio
Nozioni di base acquisite nei corsi di programmazione dei primi due anni.
Lezioni frontali in aula, esercitazioni.
Modalità d'esame
Esame scritto (orale facoltativo). Contiene sia esercizi pratici che domande teoriche su diversi argomenti trattati nel corso. La valutazione è stabilita collegialmente dai docenti. La valutazione misura la proporzione di raggiungimento dei diversi risultati di apprendimento attesi.
Testi di riferimento
Stefano Crespi Reghizzi “Sintassi, semantica e tecniche di compilazione Volume 1: Metodi Sintattici”, CLUP.
A. V. Aho, R. Sethi, J.D. Ullman: "Compilers Principles, Techniques and Tools", Addison-Wesley, 1986 oppure A. V. Aho, M.S. Lam, R. Sethi, J.D. Ullman: "Compilers Principles, Techniques and Tools", 2a edizione, Addison-Wesley, 2006
Codice insegnamento C135789
Fondamenti, Linguaggi E Traduttori
3° anno · 9 CFU · INF/01 · 0 file
L'insegnamento ha l'obiettivo di introdurre i concetti fondamentali riguardanti l'analisi lessicale e sintattica e le tecniche di traduzione ed interpretazione nel contesto dei linguaggi formali. Vengono considerati…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento ha l'obiettivo di introdurre i concetti fondamentali riguardanti l'analisi lessicale e sintattica e le tecniche di traduzione ed interpretazione nel contesto dei linguaggi formali. Vengono considerati gli aspetti teorici e quelli pratici. Per la parte teorica l'obiettivo e' di capire le relazioni fra linguaggi e automi e l’espressivita’ della classe dei linguaggi regolari e liberi da contesto. Per la parte pratica l'obiettivo, attraverso l'implementazione di un compilatore, e' di applicare le nozioni teoriche introdotte ed inoltre imparare come si struttura un sistema complesso in fasi successive individuando le strutture dati e le funzioni che costituiscono le interfacce fra le varie fasi.
Programma
Parte 1 (6 crediti) Linguaggi formali, grammatiche context free, automi riconoscitori, parsing LR. Parte 2 (3 crediti) Sviluppo di un compilatore top-down a discesa ricorsiva per un linguaggio imperativo con dichiarazione di tipo.
Parte 1
- Linguaggi ed espressioni regolari
- Linguaggi e grammatiche context free
- Grammatiche lineari, e loro relazioni con i linguaggi regolari
- grammatiche attributi
- Grammatiche context sensitive (cenni)
- Principali strutture sintattiche e regole grammaticali per generale
- Automi a stati finite e loro relazione con i linguaggi regolari
- Automi a pila (deterministici e non) e loro relazioni con i linguaggi context free
- Principi del parsing bottom up, focalizzandosi sul parsing LR (LR(0)).
Parte 2. - Introduzione ai compilatori.
- Strutturazione dei compilatori
- Analisi lessicale: tokens e loro produzione
- Analisi sintattica: parsing top-down a discesa ricorsiva
- Albero sintattico astratto e Symbol table.
- Pattern visitor per l’analisi di tipo e la generazione del codice
Conoscenze dei contenuti di Programmazione 1 e 2; Programmazione ad Oggetti; Algoritmi 1.
Parte 1
Lezioni frontali in aula, esercitazioni.
Parte 2.
lezioni iniziali (teoriche) per circa 5 lezioni. Lezioni in laboratorio per lo sviluppo del compilatore.
Modalità d'esame
La valutazione finale viene stabilita collegialmente dai docenti del corso tenendo conto delle conoscenze e competenze acquisite dalla studentessa/dallo studente verificate attraverso lo svolgimento delle due parti dell'esame dettagliate nel seguito: su entrambe le componenti occorre superare una soglia minima.
Parte 1 Esame scritto:7-8 domande, che posso essere sia esercizi pratici sia domande teoriche sugli automi riconoscitori e sulle tipologie di linguaggi mostrate a lezione
Parte 2.
L'esame consiste di una prova scritta e della presentazione del compilatore sviluppato con relativa discussione orale.
Il compito scritto contiene un esercizio in cui si chiedere di determinare se una grammatica e' LL(1) e di fare qualche derivazione di stringhe del linguaggio e tre domande aperte sulla teoria dei linguaggi formali relativa allo sviluppo di compilatori. Per raggiungere la sufficienza lo studente deve dimostrare di aver svolto con errori trascurabili l'esercizio.
Il compilatore deve essere presentato per accedere alla prova scritta. La discussione orale viene fatta assieme alla presentazione del risultato della prova scritta. La votazione sul progetto dipende dalla sua correttezza e dallo stile di programmazione adottato.
Il voto della Parte 2 è la media della votazione sul progetto e di quella del compito scritto.
Nella valutazione finale il voto della Parte 1 pesa per i 2/3 quella della Parte 2 per 1/3 in coerenza con il numero di CFU erogati per le due parti.
Testi di riferimento
Parte 1
S. Crespi Reghizzi , L. Breveglieri, A. Morzenti, Linguaggi formali e compilazione, Esculapio.
Parte 2
Charles N. Fischer, Ron K. Cytron, Richard J. Le Blanch Jr., "Crafting a compiler", Addison-Wesley.
Codice insegnamento C135790
Ingegneria Del Software
3° anno · 6 CFU · INF/01 · 0 file
La Studentessa/lo Studente deve conoscere: 1) i passi necessari per realizzare un sistema software a partire dalla richiesta di un committente, fino alla consegna, secondo il processo dell'Ingegneria; 2) i diagrammi…
Scheda dell'insegnamento
Obiettivi formativi
La Studentessa/lo Studente deve conoscere: 1) i passi necessari per realizzare un sistema software a partire dalla richiesta di un committente, fino alla consegna, secondo il processo dell'Ingegneria; 2) i diagrammi UML necessari per modellare il dominio applicativo, i requisiti, l'architettura e il comportamento del sistema; 3) terminologia dell'Ingegneria. La Studentessa/lo Studente deve essere in grado di: 1) organizzare un processo di lavoro secondo le fasi dell'Ingegneria, individuando e definendo tutte le informazioni propedeutiche all'implementazione del sistema (requisiti, architettura, comportamento); 2) rappresentare tali informazioni sotto forma di diagrammi UML in modo da essere comprensibili da altri sviluppatori, e scrivere il codice rispettando il contenuto di tali diagrammi; 3) comprendere e utilizzare il linguaggio tipico dagli ingegneri.
Programma
Il corso tratta le fasi del processo di sviluppo di sistemi software: specifica, progettazione, implementazione, collaudo e manutenzione. Inoltre viene introdotto il linguaggio UML per la specifica e la progettazione di sistemi. L'attività di laboratorio consiste nella preparazione di diagrammi UML tramite un apposito editor, e la loro traduzione in codice.
- Introduzione all'Ingegneria del software e processo software (ciclo di vita del software)
- Specifica dei requisiti
- Specifica con UML
- Progettazione strutturale e comportamentale
- Progettazione con UML
- Da UML al codice Java
- Collaudo
- Manutenzione
- Gestione del progetto
- Modelli di processo software tradizionali e agili
- Design patterns
- Strumenti software (git, gradle, sqlite, swing)
- Progetto di laboratorio
Conoscenze acquisite nei corsi di Paradigmi di programmazione e Basi di dati.
Il corso prevede lezioni frontali in aula e lezione pratiche in laboratorio. Le lezioni frontali occupano circa 32 ore. Le lezioni di laboratorio occupano circa 16 ore.
Modalità: le lezioni frontali si occupano di spiegare le fasi dell'Ingegneria e come queste si possono applicare allo sviluppo di un sistema software. Inoltre si presenta il linguaggio UML sia dal punto di vista formale sia dal punto di vista applicativo mostrando come può essere utilizzato per modellare il dominio applicativo, i requisiti, l'architettura, il comportamento del sistema, e per supportare la scrittura del codice. Le lezioni pratiche prevedono la preparazione di un progetto dove si definiscono dei diagrammi UML e si traducono in codice.
Strumenti: un caso di studio specifico è utilizzato durante le lezioni frontali per mostrare come progettare il sistema a partire dalla deduzione dei requisiti dal dominio applicativo. Il caso di studio viene progressivamente sviluppato durante le lezioni riguardanti l'applicazione pratica delle fasi dell'Ingegneria e di UML. Lo scopo del caso di studio è fornire alle Studentesse/agli Studenti un esempio concreto di applicazione delle procedure viste nel corso. La preparazione da parte delle Studentesse/degli Studenti di un proprio progetto in UML è richiesto durante le ore in laboratorio. Tale progetto deve avere gli stessi contenuti in termini di specifica e progettazione. Lo scopo del progetto è l'applicazione pratica da parte delle Studentesse/degli Studenti delle stesse procedure viste durante le lezioni frontali. Un apposito editor UML (Visual Paradigm) è utilizzato sia in aula sia in laboratorio, per modellare il caso di studio e per preparare il progetto. Il corso ha una propria pagina nella piattaforma DIR (Didattica in Rete) che contiene le slide del corso, le istruzioni per l'editor UML, alcune prove scritte del passato, ecc.
Modalità d'esame
L'esame può essere sostenuto in due modi alternativi tra loro: 1) prove parziali; 2) esame generale.
1.
PROVE PARZIALI:
le prove parziali sono due, entrambe alla fine del corso (gennaio):
a) consegna del progetto (diagrammi UML, codice, test-cases) realizzato durante le lezioni di laboratorio;
b) prova scritta sui soli argomenti di teoria.
Per essere ammessi alla prova scritta il progetto deve essere stato consegnato.
a) La valutazione del progetto si basa sulla qualità dei diagrammi UML realizzati,
in termini di precisione (circa 10 punti), coerenza (circa 10 punti) e completezza (circa 10 punti).
Per precisione si intende la correttezza formale dei diagrammi, un livello di dettaglio accettabile e l'assenza di ambiguità di interpretazione del contenuto.
Per coerenza si intende che non ci devono essere discrepanze tra un diagramma e l'altro, e tra i diagrammi e il codice implementato.
Per completezza si intende che tutti i diagrammi richiesti devono essere presenti, assieme al codice corrispondente e ai test-case.
b) Nella prova scritta si verificano la conoscenza delle varie fasi del processo dell'Ingegneria, l'acquisizione della terminologia dell'Ingegneria e l'applicazione di alcuni metodi.
L'esame scritto prevede sia domande (circa 15) sui concetti teorici, sia esercizi applicativi (circa 3) relativi ai metodi.
Il numero delle domande è motivato dalla necessità di coprire tutti gli argomenti; tuttavia ogni domanda è abbastanza specifica e richiede una risposta relativamente breve.
Una domanda vale circa 1.5 punti su 30; ogni esercizio vale circa 2.5 punti.
Durante la prova scritta non è consentita la consultazione del materiale del corso o di manuali.
Sulla piattaforma DIR, nella pagina del corso, ci sono esempi di prove scritte del passato.
Il voto finale è dato dalla media aritmetica tra i voti del progetto consegnato e dell'esame scritto.
2.
ESAME GENERALE:
è prevista un esame orale su tutto il programma del corso (teoria, UML, strumenti), da sostenere agli appelli (febbraio, giugno, luglio, settembre).
L'esame orale prevede domande su argomenti della parte di teoria (circa 3), esercizi relativi ai metodi visti in questa parte (circa 1), domande sugli aspetti formali di UML (circa 3), esercizi relativi ai diagrammi UML (circa 2), domande sugli strumenti (circa 1).
Una domanda vale circa 3 punti; un esercizio vale circa 3 punti.
L'esame orale dura circa 30 minuti per ogni Studentessa/Studente.
Durante le prove è vietato l'uso di qualunque dispositivo mobile (computer portatili, smartphone, occhiali smart, auricolari, ecc.).
L'uso di tali dispositivi causerà l'immediato annullamento dell'esame.
Testi di riferimento
- I. Sommerville, “Ingegneria del software”, Pearson Italia, 10a edizione, 2017, https://he.pearson.it/bundle/709?isbn=9788891902245
- M. Fowler, “UML distilled”, Pearson Italia, 4a edizione, 2018, https://he.pearson.it/bundle/701?isbn=9788891907820
Codice insegnamento C135784
Ingegneria Del Software
3° anno · 6 CFU · INF/01 · 0 file
La Studentessa/lo Studente deve conoscere: 1) i passi necessari per realizzare un sistema software a partire dalla richiesta di un committente, fino alla consegna, secondo il processo dell'Ingegneria; 2) i diagrammi…
Scheda dell'insegnamento
Obiettivi formativi
La Studentessa/lo Studente deve conoscere: 1) i passi necessari per realizzare un sistema software a partire dalla richiesta di un committente, fino alla consegna, secondo il processo dell'Ingegneria; 2) i diagrammi UML necessari per modellare il dominio applicativo, i requisiti, l'architettura e il comportamento del sistema; 3) terminologia dell'Ingegneria. La Studentessa/lo Studente deve essere in grado di: 1) organizzare un processo di lavoro secondo le fasi dell'Ingegneria, individuando e definendo tutte le informazioni propedeutiche all'implementazione del sistema (requisiti, architettura, comportamento); 2) rappresentare tali informazioni sotto forma di diagrammi UML in modo da essere comprensibili da altri sviluppatori, e scrivere il codice rispettando il contenuto di tali diagrammi; 3) comprendere e utilizzare il linguaggio tipico dagli ingegneri.
Programma
Il corso tratta le fasi del processo di sviluppo di sistemi software: specifica, progettazione, implementazione, collaudo e manutenzione. Inoltre viene introdotto il linguaggio UML per la specifica e la progettazione di sistemi. L'attività di laboratorio consiste nella preparazione di diagrammi UML tramite un apposito editor, e la loro traduzione in codice.
- Introduzione all'Ingegneria del software e processo software (ciclo di vita del software)
- Specifica dei requisiti
- Specifica con UML
- Progettazione strutturale e comportamentale
- Progettazione con UML
- Da UML al codice Java
- Collaudo
- Manutenzione
- Gestione del progetto
- Modelli di processo software tradizionali e agili
- Design patterns
- Strumenti software (git, gradle, sqlite, swing)
- Progetto di laboratorio
Conoscenze acquisite nei corsi di Paradigmi di programmazione e Basi di dati.
Il corso prevede lezioni frontali in aula e lezione pratiche in laboratorio. Le lezioni frontali occupano circa 32 ore. Le lezioni di laboratorio occupano circa 16 ore.
Modalità: le lezioni frontali si occupano di spiegare le fasi dell'Ingegneria e come queste si possono applicare allo sviluppo di un sistema software. Inoltre si presenta il linguaggio UML sia dal punto di vista formale sia dal punto di vista applicativo mostrando come può essere utilizzato per modellare il dominio applicativo, i requisiti, l'architettura, il comportamento del sistema, e per supportare la scrittura del codice. Le lezioni pratiche prevedono la preparazione di un progetto dove si definiscono dei diagrammi UML e si traducono in codice.
Strumenti: un caso di studio specifico è utilizzato durante le lezioni frontali per mostrare come progettare il sistema a partire dalla deduzione dei requisiti dal dominio applicativo. Il caso di studio viene progressivamente sviluppato durante le lezioni riguardanti l'applicazione pratica delle fasi dell'Ingegneria e di UML. Lo scopo del caso di studio è fornire alle Studentesse/agli Studenti un esempio concreto di applicazione delle procedure viste nel corso. La preparazione da parte delle Studentesse/degli Studenti di un proprio progetto in UML è richiesto durante le ore in laboratorio. Tale progetto deve avere gli stessi contenuti in termini di specifica e progettazione. Lo scopo del progetto è l'applicazione pratica da parte delle Studentesse/degli Studenti delle stesse procedure viste durante le lezioni frontali. Un apposito editor UML (Visual Paradigm) è utilizzato sia in aula sia in laboratorio, per modellare il caso di studio e per preparare il progetto. Il corso ha una propria pagina nella piattaforma DIR (Didattica in Rete) che contiene le slide del corso, le istruzioni per l'editor UML, alcune prove scritte del passato, ecc.
Modalità d'esame
L'esame può essere sostenuto in due modi alternativi tra loro: 1) prove parziali; 2) esame generale.
1.
PROVE PARZIALI:
le prove parziali sono due, entrambe alla fine del corso (gennaio):
a) consegna del progetto (diagrammi UML, codice, test-cases) realizzato durante le lezioni di laboratorio;
b) prova scritta sui soli argomenti di teoria.
Per essere ammessi alla prova scritta il progetto deve essere stato consegnato.
a) La valutazione del progetto si basa sulla qualità dei diagrammi UML realizzati,
in termini di precisione (circa 10 punti), coerenza (circa 10 punti) e completezza (circa 10 punti).
Per precisione si intende la correttezza formale dei diagrammi, un livello di dettaglio accettabile e l'assenza di ambiguità di interpretazione del contenuto.
Per coerenza si intende che non ci devono essere discrepanze tra un diagramma e l'altro, e tra i diagrammi e il codice implementato.
Per completezza si intende che tutti i diagrammi richiesti devono essere presenti, assieme al codice corrispondente e ai test-case.
b) Nella prova scritta si verificano la conoscenza delle varie fasi del processo dell'Ingegneria, l'acquisizione della terminologia dell'Ingegneria e l'applicazione di alcuni metodi.
L'esame scritto prevede sia domande (circa 15) sui concetti teorici, sia esercizi applicativi (circa 3) relativi ai metodi.
Il numero delle domande è motivato dalla necessità di coprire tutti gli argomenti; tuttavia ogni domanda è abbastanza specifica e richiede una risposta relativamente breve.
Una domanda vale circa 1.5 punti su 30; ogni esercizio vale circa 2.5 punti.
Durante la prova scritta non è consentita la consultazione del materiale del corso o di manuali.
Sulla piattaforma DIR, nella pagina del corso, ci sono esempi di prove scritte del passato.
Il voto finale è dato dalla media aritmetica tra i voti del progetto consegnato e dell'esame scritto.
2.
ESAME GENERALE:
è prevista un esame orale su tutto il programma del corso (teoria, UML, strumenti), da sostenere agli appelli (febbraio, giugno, luglio, settembre).
L'esame orale prevede domande su argomenti della parte di teoria (circa 3), esercizi relativi ai metodi visti in questa parte (circa 1), domande sugli aspetti formali di UML (circa 3), esercizi relativi ai diagrammi UML (circa 2), domande sugli strumenti (circa 1).
Una domanda vale circa 3 punti; un esercizio vale circa 3 punti.
L'esame orale dura circa 30 minuti per ogni Studentessa/Studente.
Durante le prove è vietato l'uso di qualunque dispositivo mobile (computer portatili, smartphone, occhiali smart, auricolari, ecc.).
L'uso di tali dispositivi causerà l'immediato annullamento dell'esame.
Testi di riferimento
- I. Sommerville, “Ingegneria del software”, Pearson Italia, 10a edizione, 2017, https://he.pearson.it/bundle/709?isbn=9788891902245
- M. Fowler, “UML distilled”, Pearson Italia, 4a edizione, 2018, https://he.pearson.it/bundle/701?isbn=9788891907820
Codice insegnamento C135783
Introduzione All'Analisi Dati E Al Machine Learning
3° anno · 3 CFU · INF/01 · 0 file
L'insegnamento (12 CFU: 4 CFU dedicati al machine learning e 8 CFU al deep learning; complessivamente circa 96 ore di didattica, di cui circa 2/3 di didattica erogativa in aula — anche con l'uso di notebook interattivi —…
Scheda dell'insegnamento
Obiettivi formativi
L'insegnamento (12 CFU: 4 CFU dedicati al machine learning e 8 CFU al deep learning; complessivamente circa 96 ore di didattica, di cui circa 2/3 di didattica erogativa in aula — anche con l'uso di notebook interattivi — e circa 1/3 di didattica interattiva in laboratorio, a cui si aggiunge un carico di studio autonomo proporzionato ai crediti secondo il Regolamento Didattico di Ateneo) si propone i seguenti obiettivi.
Conoscenza e comprensione: le studentesse e gli studenti acquisiranno solide conoscenze dei più comuni metodi e strumenti del data mining per l'analisi di dataset complessi o caratteristici dei problemi che si incontrano in ambiti generali di raccolta dati, nonché delle più recenti architetture di deep learning, inclusi i modelli linguistici di grandi dimensioni (LLM) e le architetture multimodali.
Capacità di applicare conoscenza e comprensione: dato un dataset più o meno complesso, e una conoscenza del dominio sufficiente, le studentesse e gli studenti saranno in grado di condurre autonomamente un'analisi dei dati basata su tecniche di data mining e di deep learning — incluso l'utilizzo di modelli linguistici di grandi dimensioni preaddestrati — comprensiva delle fasi di pretrattamento dei dati e di valutazione dei risultati ottenuti. Questo obiettivo sarà raggiunto anche grazie alla realizzazione in autonomia di un progetto di laboratorio.
Autonomia di giudizio: le studentesse e gli studenti acquisiranno l'abilità di scegliere la strategia modellistica e di analisi più adatta alla gestione di problemi complessi in ambito di analisi dei dati o apprendimento automatico, e di valutare criticamente la bontà dei modelli ottenuti tramite tecniche di data mining o deep learning.
Abilità comunicative: le studentesse e gli studenti acquisiranno un lessico appropriato in relazione agli argomenti affrontati nel corso, al fine di poter collaborare con altri esperti del settore.
Capacità di apprendere: scopo fondamentale del corso è anche quello di sviluppare la capacità di apprendere autonomamente nuove tecniche di data mining e deep learning, particolarmente adatte a settori specifici, comprese quelle in rapida evoluzione come i modelli linguistici di grandi dimensioni.
Programma
Il corso presenta le tecniche di machine learning e di deep learning, incluse le più recenti architetture per i modelli linguistici di grandi dimensioni (LLM) e per l'intelligenza artificiale multimodale, per l'analisi di dati sperimentali. Oltre a una componente teorica, introduce in laboratorio alle librerie Python più avanzate per la loro implementazione pratica.
**Introduzione al data mining**
- fasi principali di una pipeline di data science (processo KDD);
- preprocessing dei dati: normalizzazione, standardizzazione, discretizzazione, encoding (1-hot encoding, label encoding).
**Machine learning supervisionato** - regressione: regressione lineare univariata e multivariata; trade-off bias/varianza; regolarizzazione Ridge e Lasso; tecniche di validazione dei modelli; metriche di valutazione (MSE, MAE, R2);
- classificazione: alberi di decisione, ensemble learning, random forest, boosted trees, KNN, regressione logistica; metriche di valutazione (accuracy, precision, recall, Fb score).
**Machine learning non supervisionato** - clustering: K-means, DBSCAN, clustering gerarchico; metriche di valutazione intrinseche (SSE, silhouette) ed estrinseche (Rand index, mutual information);
- riduzione della dimensionalità: PCA.
**Reti neurali e deep learning** - perceptron, funzioni di attivazione (sigmoid, tanh, ReLU), multilayer perceptron; forward propagation e backpropagation con discesa del gradiente;
- ottimizzazioni e regolarizzazioni per reti neurali profonde (problema del gradiente instabile);
- reti neurali convoluzionali (CNN) e loro utilizzo nella computer vision; transfer learning; reti neurali residuali;
- reti neurali ricorrenti (RNN);
- autoencoder e cenni di adversarial learning.
**Modelli linguistici di grandi dimensioni (LLM) e architetture multimodali** - il meccanismo di attenzione (dot-product attention) e l'architettura Transformer: encoder, decoder, codifica posizionale;
- modelli Transformer preaddestrati: pretraining e fine-tuning (es. per compiti di classificazione);
- generazione di testo: da un modello mini-GPT a un LLM preaddestrato; strategie di campionamento; instruction fine-tuning e tecniche di adattamento efficiente (LoRA);
- allineamento e utilizzo avanzato degli LLM: reinforcement learning from human feedback (RLHF), retrieval augmented generation (RAG), cenni ai modelli "reasoning" e ai foundation model;
- generazione di immagini: variational autoencoder (VAE), modelli di diffusione, modelli text-to-image;
- architetture multimodali: integrazione di modalità testuali e visive negli LLM multimodali e nei modelli generativi text-to-image.
**Strumenti Python** - introduzione a NumPy;
- API scikit-learn: preprocessing (transformers), classificazione/regressione/clustering (estimators), pipeline, validazione dei modelli (train_test_split, KFold, cross_val_score, cross_val_predict), metriche di valutazione (sklearn.metrics), selezione dei modelli (ParameterGrid, GridSearchCV, RandomizedSearchCV);
- utilizzo di TensorFlow e Keras per l'addestramento di modelli di deep learning, inclusi Transformer, LLM e modelli di generazione di immagini.
Prerequisiti formali: nessuno.
Prerequisiti sostanziali: nozioni base di statistica; nozioni base di programmazione Python (tipi di dati, flusso di controllo, funzioni, liste, classi, gestione degli errori).
Il corso è insegnato in aula e in laboratorio. Le lezioni in aula (circa 2/3 delle ore di didattica) espongono le nozioni fondamentali, corredate di esempi, anche tramite l'uso dal vivo di notebook interattivi che ne mostrano l'applicazione pratica. Viene discussa l'utilità ai fini pratici dei diversi modelli per trattare task e dati differenti.
In laboratorio (circa 1/3 delle ore di didattica) la studentessa o lo studente viene guidato/a nell'uso dei modelli visti a lezione. Vengono suggeriti diversi dataset da analizzare e viene spiegato come procurarsene di nuovi, sia per esercitarsi ulteriormente e discuterne con il docente, sia ai fini del progetto d'esame.
Modalità d'esame
L'esame consiste in una prova orale, incentrata sulla presentazione e discussione del progetto di laboratorio svolto in autonomia dalla studentessa o dallo studente, riguardante l'analisi di uno o più dataset con tecniche sia di machine learning sia di deep learning (incluso, se pertinente, l'utilizzo di modelli linguistici di grandi dimensioni). L'obiettivo di questa parte è verificare che la studentessa o lo studente sia autonomo/a nella realizzazione di un task di analisi dati su un dataset reale, comprensivo delle fasi di preprocessing, scelta e applicazione dei modelli, e valutazione dei risultati.
La presentazione è seguita da una discussione di 1-3 domande sulle tecniche di data mining e deep learning viste a lezione, il cui obiettivo è verificare che la studentessa o lo studente abbia acquisito le nozioni teoriche di base del corso. L'esame nel suo complesso dura circa 45 minuti per studentessa/studente.
Il voto finale tiene conto sia della qualità dell'analisi del dataset e della sua presentazione (compreso il report tecnico-scientifico), sia delle risposte fornite nella discussione teorica, secondo la seguente griglia di valutazione, che esplicita la correlazione tra il livello di preparazione dimostrato e il voto corrispondente:
- < 18: lacune importanti nell'analisi del dataset o nella sua presentazione; risposte alle domande di teoria mancanti o non adeguate.
- 18–22: analisi del dataset accettabile ma con lacune significative nella metodologia o argomenti non approfonditi adeguatamente; sufficiente capacità di applicare le tecniche viste a lezione; utilizzo basilare del linguaggio tecnico nella presentazione e nel report.
- 23–25: analisi appropriata con alcune lacune metodologiche; discreta capacità di scelta e applicazione delle tecniche; presentazione articolata e utilizzo appropriato del linguaggio tecnico.
- 26–28: analisi solida e ben motivata, con buona capacità di confrontare criticamente diversi modelli e di collegare le diverse parti del programma (data mining e deep learning); utilizzo solido del linguaggio tecnico.
- 29–30 e lode: analisi completa, approfondita e originale, con scelte metodologiche pienamente giustificate e visione chiara e coerente delle tecniche di data mining e deep learning applicate; utilizzo preciso del linguaggio tecnico, sia nel report che nella discussione orale.
Il materiale più adatto alla preparazione dell'esame è costituito dai testi di riferimento del corso, dal materiale ed esempi mostrati a lezione e in laboratorio, e dalla documentazione ufficiale delle librerie Python utilizzate.
Testi di riferimento
- Bishop, C., *Pattern Recognition and Machine Learning*, Springer (per la parte di Machine Learning).
- Chollet, F., Watson, M., *Deep Learning with Python*, terza edizione, Manning Publications, 2025, ISBN 9781633436589 — disponibile online su deeplearningwithpython.io (per la parte di Deep Learning).
Codice insegnamento C143515
Logica Avanzata
3° anno · 3 CFU · MAT/01 · 0 file
Consolidare i metodi acquisiti nel corso di base di Logica matematica e accrescere le conoscenze e gli strumenti per la comprensione e gestione dei sistemi formali
Scheda dell'insegnamento
Obiettivi formativi
Consolidare i metodi acquisiti nel corso di base di Logica matematica e accrescere le conoscenze e gli strumenti per la comprensione e gestione dei sistemi formali
Programma
Aritmetica di Peano.
Teorema di incompletezza di Goedel.
Indefinibilità della verità di Tarski.
Modelli non-standard.
Analisi e risoluzione di alcuni paradossi: Russel, Burali-Forti, Richard.
Introduzione alla teoria degli insiemi
Aritmetica di Peano.
Teorema di incompletezza di Goedel.
Indefinibilità della verità di Tarski.
Modelli non-standard.
Analisi e risoluzione di alcuni paradossi: Russel, Burali-Forti, Richard.
Introduzione alla teoria degli insiemi: Ordinali e cardinali
Logica (3 CFU, corso base del primo anno)
Lezioni frontali con slide
Modalità d'esame
Testi di riferimento
Gabriele Lolli, "Introduzione alla logica formale", editore: Il Mulino.
Codice insegnamento C143511
Metodi E Strumenti Di Intelligenza Artificiale
3° anno · 3 CFU · INF/01 · 0 file
L’insegnamento concorre agli obiettivi formativi del Corso di Studio fornendo strumenti metodologici per usare l’intelligenza artificiale generativa in modo consapevole, controllabile e responsabile, senza considerarla…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento concorre agli obiettivi formativi del Corso di Studio fornendo strumenti metodologici per usare l’intelligenza artificiale generativa in modo consapevole, controllabile e responsabile, senza considerarla una fonte automatica di verità.
Al termine dell’insegnamento, la studentessa o lo studente dovrà essere in grado di:
1. distinguere foundation models, sistemi generativi, motori di ricerca, banche dati, calcolatori, simulatori e strumenti disciplinari, individuandone capacità, limiti e ambiti d’uso;
2. formulare problemi e richieste in modo chiaro, esplicitando obiettivi, vincoli, dati disponibili, assunzioni, formato dell’output e criteri di verifica;
3. utilizzare i modelli per decomporre problemi, analizzare testi tecnico-scientifici e lavorare con dati, tabelle, grafici, formule, codice e altre rappresentazioni, mantenendo il controllo sul processo;
4. verificare gli output mediante fonti, dati originali, calcoli, test, strumenti esterni e confronto con riferimenti affidabili;
5. riconoscere rischi etici, sociali, giuridici e di sicurezza relativi a bias, discriminazione, privacy, copyright, allucinazioni, misuse, sostenibilità e controllo umano;
6. applicare principi e strumenti di governance, documentazione, audit e gestione del rischio a casi d’uso realistici;
7. motivare le proprie scelte, comunicare limiti e incertezze e documentare in modo trasparente il contributo dell’AI al lavoro svolto.
L’insegnamento attribuisce complessivamente 3 CFU, corrispondenti a 24 ore di attività didattica e al relativo impegno di studio individuale previsto dalla normativa.
Programma
L’insegnamento fornisce metodologie trasversali per utilizzare in modo critico, verificabile e responsabile i foundation models e gli strumenti di intelligenza artificiale generativa in contesti scientifici, tecnologici, ingegneristici e matematici. Il corso affronta la formulazione dei problemi, la costruzione e il raffinamento delle richieste, la decomposizione dei compiti, la lettura e la sintesi di testi tecnico-scientifici, l’uso dell’AI con dati, tabelle, grafici, formule e codice, nonché la verifica indipendente degli output e la documentazione del processo.
La componente etica approfondisce principi, diritti, responsabilità, bias, fairness, privacy, copyright, veridicità, sicurezza, impatti sociali e ambientali, governance e gestione del rischio. Sono esaminati strumenti operativi quali datasheet, model card, schede di rischio, audit, controllo umano e due diligence, con particolare attenzione all’AI Act, ai sistemi di intelligenza artificiale per finalità generali e agli usi dell’AI generativa nello studio, nella ricerca e nei contesti professionali.
1. Foundation models e AI generativa
- Concetto di foundation model.
- Differenze tra modello generativo, motore di ricerca, banca dati, calcolatore, simulatore e strumento disciplinare.
- Capacità, limiti, natura probabilistica e distinzione tra plausibilità e conoscenza verificata.
- Criteri per decidere quando usare o non usare un modello.
2. Formulazione dei problemi e interrogazione del modello - Struttura di una richiesta: contesto, obiettivo, vincoli, dati, livello di dettaglio e formato dell’output.
- Esplicitazione delle assunzioni e dei criteri di verifica.
- Raffinamento iterativo, versionamento e confronto tra strategie di prompting.
- Cautele nella gestione di dati riservati o personali.
3. Decomposizione e ragionamento assistito - Scomposizione in sottoproblemi.
- Variabili, parametri, dati noti, incognite e vincoli.
- Assunzioni implicite, dati mancanti, casi limite e controesempi.
- Confronto tra strategie alternative e individuazione dei punti fragili.
4. Lettura e sintesi tecnico-scientifica - Riassunto controllato ed estrazione di problema, metodo, dati, risultati e limiti.
- Costruzione di glossari e confronto tra testi.
- Distinzione tra contenuto della fonte, sintesi del modello e inferenza aggiuntiva.
- Riconoscimento di conclusioni non supportate e citazioni inventate.
5. Dati, rappresentazioni e strumenti disciplinari - Tabelle, grafici, formule, schemi, diagrammi e serie temporali.
- Passaggio tra linguaggio naturale, formalismo, pseudocodice e rappresentazioni visuali.
- Calcolo simbolico e numerico, fogli di calcolo e linguaggi di programmazione.
- Generazione, test e debug di codice; controllo di unità, tipi, intervalli e casi limite.
- Riproducibilità e documentazione del procedimento.
6. Verifica, affidabilità e gestione dell’errore - Errori fattuali, logici, numerici, metodologici e bibliografici.
- Allucinazioni, overconfidence e informazione priva di supporto.
- Verifica mediante fonti, dati originali, calcoli, simulazioni, test e strumenti esterni.
- Valutazione dell’incertezza, tracciamento delle modifiche e revisione umana.
7. Fondamenti di etica dell’AI - Principi di AI affidabile e responsabile.
- Diritti, dignità, autonomia, trasparenza, accountability e controllo umano.
- Responsabilità lungo il ciclo di vita del sistema.
- Competenze critiche per studentesse, studenti e professionisti.
8. Bias, fairness e discriminazione algoritmica - Origine dei bias nei dati, nelle etichette, nei target, nelle metriche e nelle soglie.
- Proxy sensibili e discriminazione indiretta.
- Metriche disaggregate, gruppi svantaggiati e limiti delle diverse nozioni di fairness.
- Datasheet per documentare origine, composizione, usi previsti e limiti dei dataset.
9. Etica e sicurezza dell’AI generativa - Veridicità, privacy, copyright, bias, misuse e integrità dell’informazione.
- Robustezza, attacchi avversari, agenti e rischi di automazione.
- Impatti sullo studio, sulla ricerca, sulla valutazione e sul benessere delle persone.
- Criteri per l’uso di fonti, RAG, logging, human review o divieto d’uso.
10. Governance, AI Act e gestione del rischio - Approccio basato sul rischio dell’AI Act.
- Ruoli, responsabilità e obblighi di fornitori e utilizzatori.
- Sistemi di AI per finalità generali e General-Purpose AI Code of Practice.
- NIST AI RMF: Govern, Map, Measure, Manage.
- Risk assessment, audit, documentazione, human oversight e due diligence.
- Model card, datasheet e schede di rischio etico-tecnico.
11. Laboratorio metodologico integrato - Definizione e contestualizzazione di un problema.
- Interrogazione, decomposizione e generazione dell’output.
- Verifica indipendente, correzione e confronto con fonti o strumenti affidabili.
- Analisi dei rischi e delle misure di mitigazione.
- Documentazione finale di utilità, limiti, incertezze e contributo dell’AI.
Integrazione della dimensione di genere
L’insegnamento richiama l’attenzione sulle modalità con cui dati, metriche, proxy e sistemi automatizzati possono produrre o amplificare disparità di genere e altre forme di discriminazione. Le attività sui bias e sulla fairness prevedono l’analisi disaggregata degli impatti e la valutazione di misure di prevenzione e mitigazione. È inoltre promosso un linguaggio tecnico inclusivo e non discriminatorio.
Non sono richieste conoscenze specialistiche di progettazione o programmazione di sistemi di intelligenza artificiale. È tuttavia utile possedere:
- competenze digitali di base;
- capacità di leggere testi tecnico-scientifici e interpretare semplici tabelle, grafici, formule o frammenti di codice;
- conoscenze disciplinari di base coerenti con il proprio percorso di studio;
- capacità di distinguere tra dato, ipotesi, inferenza e conclusione.
Eventuali propedeuticità formali sono quelle previste dal Regolamento didattico del Corso di Studio.
L’insegnamento combina lezioni, analisi guidate, esercitazioni e attività laboratoriali. Le lezioni introducono concetti, modelli, criteri metodologici, principi etici e strumenti di governance. Le attività interattive comprendono:
- confronto tra richieste deboli ed efficaci;
- analisi di risposte corrette, incomplete, plausibili ma false o prive di fonti;
- decomposizione di problemi STEM e individuazione di dati mancanti, assunzioni e casi limite;
- lettura, sintesi e confronto di testi tecnico-scientifici;
- interpretazione di dati, tabelle, grafici, formule e codice;
- verifica di output mediante fonti, calcoli, strumenti esterni e test indipendenti;
- analisi di casi relativi a bias, fairness, privacy, copyright, sicurezza e uso responsabile;
- compilazione di datasheet, model card e schede di rischio etico-tecnico;
- laboratorio finale sul ciclo completo di utilizzo critico di un sistema di AI generativa.
Le attività richiedono la partecipazione attiva delle studentesse e degli studenti, la motivazione delle scelte e la discussione critica di soluzioni alternative. I materiali resi disponibili sulla piattaforma consentono anche a chi non frequenta di seguire l’intero percorso formativo.
Modalità d'esame
L’esame consiste in una prova individuale integrata, volta a verificare sia la conoscenza dei principi e degli strumenti trattati sia la capacità di applicarli a casi realistici. La prova comprende quesiti teorico-metodologici e l’analisi guidata di uno o più scenari relativi all’uso di foundation models o sistemi di AI generativa in ambito STEM.
Alla studentessa o allo studente può essere richiesto di:
- formulare o migliorare una richiesta;
- individuare dati mancanti, assunzioni, vincoli e casi limite;
- valutare un output generato, riconoscendone errori, affermazioni non supportate e necessità di verifica;
- indicare fonti, calcoli, test o strumenti esterni adeguati al controllo dell’output;
- identificare rischi relativi a bias, privacy, copyright, sicurezza, trasparenza o controllo umano;
- proporre misure di mitigazione e documentazione;
- motivare le scelte compiute con terminologia appropriata.
La valutazione è espressa in trentesimi e considera:
1. correttezza e completezza delle conoscenze;
2. capacità di applicare il metodo a problemi e casi d’uso;
3. qualità delle verifiche proposte o effettuate;
4. capacità di riconoscere rischi, limiti e implicazioni etiche;
5. autonomia di giudizio e motivazione delle scelte;
6. chiarezza, organizzazione e proprietà del linguaggio tecnico.
La prova è superata con almeno 18/30. - 18-20/30: conoscenze essenziali e applicazione di procedure semplici, con errori non gravi;
- 21-23/30: conoscenze abbastanza complete e applicazione generalmente corretta;
- 24-26/30: conoscenze solide, verifiche appropriate e motivazioni chiare;
- 27-29/30: conoscenze approfondite e integrate, autonomia di analisi e valutazione critica;
- 30/30 e 30 e lode: padronanza completa e critica, capacità di affrontare casi complessi o non ripetitivi e argomentazione particolarmente rigorosa, trasparente e ben documentata.
Una preparazione frammentaria, l’incapacità di distinguere output plausibili da informazioni verificate, l’assenza di adeguate procedure di controllo o la mancata individuazione di rischi rilevanti comportano una valutazione insufficiente.
Per la preparazione sono indicati lo studio dei testi e dei documenti istituzionali, la revisione degli esempi discussi, lo svolgimento delle esercitazioni e l’uso delle schede metodologiche e di rischio rese disponibili sulla piattaforma didattica.
Testi di riferimento
Testi principali e di inquadramento:
- N. Dhamani, M. Engler, Introduction to Generative AI, 2nd edition, Manning, 2025/2026.
- S. Raaijmakers, Large Language Models, MIT Press Essential Knowledge, 2025.
- P.-Y. Chen, S. Liu, Introduction to Foundation Models, Springer, 2025.
- F. Fossa, V. Schiaffonati, G. Tamburrini, Automi e persone. Introduzione all’etica dell’intelligenza artificiale e della robotica, Carocci, 2021.
- L. Floridi, Etica dell’intelligenza artificiale. Sviluppi, opportunità, sfide, Raffaello Cortina, 2023.
Riferimenti avanzati e materiali istituzionali: - C. Huyen, AI Engineering: Building Applications with Foundation Models, O’Reilly, 2025.
- Q. Miao, F.-Y. Wang, Artificial Intelligence for Science, Springer, 2024.
- OECD AI Principles, aggiornamento 2024.
- Council of Europe, Framework Convention on Artificial Intelligence and Human Rights, Democracy and the Rule of Law, 2024.
- UNESCO, AI Competency Framework for Students, 2024.
- NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile, 2024.
- European Commission, materiali ufficiali sull’AI Act e General-Purpose AI Code of Practice, 2024-2026.
- OECD, Due Diligence Guidance for Responsible AI, 2026.
- Berkeley CLTC, AI Risk-Management Standards Profile for GPAI/Foundation Models, v. 1.1, 2025.
Sono inoltre utilizzati articoli e survey su foundation models, LLM, sicurezza, bias, fairness, documentazione dei dataset e dei modelli, uso educativo dell’AI generativa e governance. I materiali specifici, gli estratti e le letture obbligatorie o facoltative sono messi a disposizione sulla piattaforma didattica.
Codice insegnamento C144544
Principi Di Controllo Di Gestione
3° anno · 3 CFU · SECS-P/07 · 0 file
Dopo aver seguito il corso, il/la partecipante sarà in grado di: comprendere le dimensioni rilevanti della performance aziendale analizzare in modo critico le performance aziendali comprendere l’impatto delle decisioni…
Scheda dell'insegnamento
Obiettivi formativi
Dopo aver seguito il corso, il/la partecipante sarà in grado di:
- comprendere le dimensioni rilevanti della performance aziendale
- analizzare in modo critico le performance aziendali
- comprendere l’impatto delle decisioni manageriali sulle performance aziendali
- leggere e comprendere le performance di segmenti dell’azienda (prodotti, servizi, clienti, mercati, etc.)
- comprendere e confrontare le performance di imprese concorrenti, di clienti e di fornitori.
Programma
Il corso tratta il tema della misurazione e analisi della performance aziendale, con l’obiettivo di consentire anche a “non specialisti” della materia di comprendere le dimensioni della performance aziendale e individuarne le determinanti. L’analisi della performance aziendale viene articolata secondo le dimensioni reddituale, patrimoniale e finanziaria e considerando sia l’azienda nel suo complesso, sia segmenti rilevanti (ad esempio linee di prodotti, marchi, tipi di servizi, categorie di clienti etc.). Con riferimento alla performance aziendale nel suo complesso, la metodologia utilizzata è l’analisi del bilancio, in particolare le tecniche di riclassificazione del conto economico e dello stato patrimoniale e il calcolo degli indici di redditività, solidità e liquidità.
Con riguardo all’analisi della performance per segmento, viene in particolare presentata la segment analysis, che consente di articolare il conto economico dell’azienda al fine di evidenziare il contributo di segmenti diversi al risultato operativo della gestione caratteristica. A tal fine viene presentato il conto economico a direct costing. Le metodologie e le tecniche presentate consentono di comprendere non solo le dimensioni della performance aziendale, ma anche gli impatti delle decisioni aziendali sui risultati economici, patrimoniali e finanziari.
Gli argomenti trattati nel corso sono i seguenti:
A) Le performance chiave dell’impresa:
1. Le dimensioni reddituale, patrimoniale e finanziaria
2. Il bilancio d’esercizio: Il Conto Economico e lo Stato Patrimoniale
B) La riclassificazione del bilancio
1. La riclassificazione del conto economico: Il conto economico a ricavi e costo del venduto
3. La riclassificazione dello stato patrimoniale: Il criterio finanziario
C) L’analisi di bilancio per indici
1. La solidità
2. La liquidità
3. La redditività
D) La redditività per segmento
1. Il conto economico per area di risultato e a ricavi e margine di contribuzione
2. Costi specifici e comuni; costi variabili e fissi
Nessuno
Lezioni frontali.
Analisi e discussione di casi aziendali in piccoli gruppi e in plenaria.
Modalità d'esame
Esame scritto con domande aperte e test con domande a risposta multipla.
Testi di riferimento
SONGINI L., Come impostare un sistema di programmazione e controllo (lettura)
Arcari A. M. Programmazione e controllo, McGraw-Hill, 2023, IV edizione, cap. 7
Costituiscono parte del materiale didattico anche le slide e i casi discussi in aula.
Codice insegnamento C143507
Progettazione E Implementazione Di Sistemi Software In Rete
3° anno · 9 CFU · INF/01 · 0 file
Conoscere le principali tecniche e protocolli alla base del funzionamento delle reti locali con e senza fili. Conoscere le principali caratteristiche e i protocolli specifici delle applicazioni multimediali in rete.…
Scheda dell'insegnamento
Obiettivi formativi
Conoscere le principali tecniche e protocolli alla base del funzionamento delle reti locali con e senza fili. Conoscere le principali caratteristiche e i protocolli specifici delle applicazioni multimediali in rete.
Acquisire le competenze necessarie a progettare un'applicazione distribuita basata su microservizi, dalla specifica dei requisiti, alla progettazione, alla implementazione e collaudo dell’applicazione.
Sviluppare la capacità di lavorare in gruppo per lo svolgimento del progetto, utilizzando strumenti di lavoro collaborativo in rete per interagire e organizzare il lavoro in team.
Programma
- Architettura delle reti informatiche locali, incluse reti wireless
- Servizi multimediali in rete
- Principi di base sull’architettura delle applicazioni distribuite basate su microservizi
- Internet of Things
- Sviluppo di un’applicazione distribuita basata su microservizi
Il corso comprende due parti:
1. Teoria delle reti locali con e senza fili e applicazioni multimediali in rete:
a) Il livello data-link:
- Caratterizzazione del servizio e delle funzionalità.
- Interfacciamento al livello rete: ARP Principi dei protocolli per l'accesso a mezzi condivisi: CSMA/CD, CSMA/CA, CDMA.
- Ethernet, Ethernet-switch.
- Wi-Fi, Access Point, protocolli della classe 802.11.
- Bluetooth (cenni): architettura, utilizzazione nella IoT
- ZigBee (cenni): architettura, utilizzazione nell'IoT
b) Trasmissione multimediale su rete Internet: - Requisiti del traffico multimediale in contrapposizione al traffico dati
tradizionale - Streaming audio-video.
c) Architetture per applicazioni distribuite in rete: - Caratterizzazione dell’ambiente: reti private, IoT
- Architetture guidate dagli eventi contrapposte alle architetture Client-
Server. - Comunicazione tramite relay in rete pubblica con particolare riferimento ai message-broker
- API Rest: principi generali
2. Modulo di Laboratorio: Sviluppo di un'applicazione distribuita in rete basata su microservizi.
a) Ambiente a disposizione: - Rete locale “privata” dotata di un insieme di nodi adatti alla
implementazione di applicazioni IoT. - Protocollo di comunicazione supportato: MQTT + HTTP
- Autorizzazione basata su OAuth 2.0 usando token
b) Lavoro da svolgere da parte dello studente.
Nel percorso didattico del modulo di laboratorio lo studente deve
sviluppare il progetto utilizzando le tecniche di progettazione apprese nel
corso di ingegneria del software, metodologie di programmazione web, programmazione a oggetti e sicurezza. Il linguaggio di implementazione consigliato è Java (eventualmente appoggiandosi a framework adatti allo scopo) ma può anche
essere scelto liberamente dallo studente (per esempio C#, Javascript,
Python).
c) Attività preliminare guidata dal docente: - Preparazione metodologica al progetto: analisi della struttura delle
moderne applicazioni di rete basate su message-brokers, con sperimentazione del broker open source Mosquitto. - Paradigma di comunicazione basato su Publish-Subscribe (protocollo MQTT)
d) Sviluppo del Progetto: Agli studenti e alle studentesse verrà assegnata un’applicazione
distribuita nel dominio IoT che dovrà essere sviluppata in gruppo secondo le classiche fasi previste nell'ingegneria del software (potendo contare in ogni fase sulla possibilità di verificare le scelte compiute con i docenti): - Analisi dei requisiti che devono essere soddisfatti e definizione delle
specifiche per il software da progettare. - Progettazione dell'architettura, specifica dei componenti, dei moduli e delle classi. Interazione dei componenti.
- Implementazione del software progettato.
- Validazione e analisi delle prestazioni ottenute
- Stesura della documentazione relativa ad ogni fase.
La studentessa o lo studente deve avere acquisito le nozioni base relative alle reti
informatiche (corso di Reti -I), la progettazione del software (Ingegneria
del Software e Programmazione ad Oggetti), della programmazione
WEB (Metodologie di Programmazione per il Web) e Sicurezza (Cybersecurity I).
Il corso si avvale di:
- Lezioni frontali
- Fasi di lavoro guidato in laboratorio
- Fasi di lavoro in laboratorio individuali e in gruppo autogestite
Modalità d'esame
La verifica dell'apprendimento di conoscenze e competenze si articola in due fasi:
- Un esame scritto sulla parte del programma di teoria con domande ed esercizi.
- Dimostrazione del funzionamento del progetto sviluppato con colloquio di gruppo che include la verifica delle competenze acquisite a livello individuale.
Il voto finale viene concordato dai docenti del corso tenendo conto del risultato raggiunto in ciascuna fase di verifica. E’ necessario raggiungere la sufficienza su entrambi gli aspetti: teoria e progetto. Nella valutazione finale la teoria e la parte pratica hanno uguale peso.
Testi di riferimento
Libro di testo:
James F. Kurose, Keith W. Ross, Reti di Calcolatori e Internet - Un approccio top-down , Settima o Ottava Edizione, Addison Wesley (2017 o 2022)
Per consultazione:
C. Richardson Microservices Patterns. With Examples in Java
Manning Publications (2018)
Codice insegnamento C135786
Progettazione E Implementazione Di Sistemi Software In Rete
3° anno · 9 CFU · INF/01 · 0 file
Conoscere le principali tecniche e protocolli alla base del funzionamento delle reti locali con e senza fili. Conoscere le principali caratteristiche e i protocolli specifici delle applicazioni multimediali in rete.…
Scheda dell'insegnamento
Obiettivi formativi
Conoscere le principali tecniche e protocolli alla base del funzionamento delle reti locali con e senza fili.
Conoscere le principali caratteristiche e i protocolli specifici delle applicazioni multimediali in rete.
Acquisire le competenze necessarie a progettare un'applicazione distribuita basata su microservizi, dalla specifica dei requisiti, alla progettazione, alla implementazione e collaudo dell’applicazione.
Sviluppare la capacità di lavorare in gruppo per lo svolgimento del progetto, utilizzando strumenti di lavoro collaborativo in rete per interagire e organizzare il lavoro in team.
Programma
- Architettura delle reti informatiche locali, incluse reti wireless
- Servizi multimediali in rete
- Principi di base sull’architettura delle applicazioni distribuite basate su microservizi
- Internet of Things
- Sviluppo di un’applicazione distribuita basata su microservizi
Il programma si ariticola in due moduli corredati di una fase di sviluppo guidato in laboratorio.
Modulo 1 (teoria, lezioni frontali): Datalink, Ethernet, ARP, switch. Introduzione alle reti wireless: trasmissione dei segnali via radio, wi-fi, bluetooth, ... Trasmissione multimediale su rete Internet. Applicazioni distribuite: comunicazione attraverso reti private e pubbliche. Message brokers. Mosquitto, RabbitMQ. API Rest: principi generali, scoperta degli URI, gestione delle versioni. Sicurezza e autenticazione: a. Autenticazione e sicurezza in Mosquitto. b. Autenticazione e sicurezza in RabbitMQ. OAuth 2.0: autenticazione, token, utilizzo del token.
Modulo 2 (design e sviluppo del progetto: lezioni frontali e sessioni di lavoro in laboratorio): Architetture a Microservices, server stateless. approccio RPC, approccio Event-driven. Architetture IoT+Microservices. Tecniche di progettazione: a. Domain driven Design, b. Event Sourcing Design. Accesso ai Servizi tramite Gateway REST. Laboratorio: Illustrazione progetti. Progettazione di Un gateway. Progettazione di un microservizio (DDD). Sviluppo di un'applicazione distribuita seguendo lo schema proposto negli esempi forniti dal docente.
I prerequisiti riguardano l'acquisizione delle nozioni base relative alle reti informatiche (corso di Reti -I), della progettazione del software (Ingegneria del Software e Programmazione ad Oggetti), della programmazione WEB (Metodologie di Programmazione per il Web) e della Sicurezza (Cybersecurity I).
l corso si avvale di: - Lezioni frontali (per un totale di 32 ore, 4 crediti). - Fasi di lavoro guidato in laboratorio (per un totale di 40 ore, 5 crediti). - Fasi di lavoro laboratoriale, individuali o in gruppo, gestite in autonomia con il supporto del docente.
Modalità d'esame
La verifica dell'apprendimento di conoscenze e competenze si articola in due fasi:
1- Un esame scritto sulla parte del programma di teoria, suddiviso in tre parti (una per ogni parte del corso: reti cablate, reti wireless e protocolli multimediali). Ogni parte è a sua volta suddivisa in domande ed esercizi.
2- Dimostrazione del funzionamento del progetto sviluppato con colloquio di gruppo che include la verifica delle competenze acquisite a livello individuale.
Il voto finale tiene conto del risultato raggiunto in ciascuna fase di verifica. E’ necessario raggiungere la sufficienza su entrambi gli aspetti: teoria e progetto.
Per ognuna delle due fasi della verifica, la votazione è espressa in trentesimi secondo il seguente schema:
- Non idoneo
Conoscenza e comprensione argomento: significative carenze e imprecisioni Capacità di analisi e sintesi: irrilevanti, frequenti generalizzazioni Utilizzo di riferimenti: completamente inappropriato - 18–20
Conoscenza e comprensione argomento: molto modesto, imperfezioni evidenti Capacità di analisi e sintesi: appena sufficienti Utilizzo di riferimenti: appena appropriato - 21–23
Conoscenza e comprensione argomento: conoscenza poco più che sufficiente Capacità di analisi e sintesi: discreta capacità di analisi e sintesi, argomenta in modo logico e coerente Utilizzo di riferimenti: utilizza le referenze standard - 24–26
Conoscenza e comprensione argomento: conoscenza buona Capacità di analisi e sintesi: ha buone capacità di analisi e di sintesi, gli argomenti sono esposti coerentemente Utilizzo di riferimenti: utilizza le referenze standard - 27–29
Conoscenza e comprensione argomento: conoscenza più che buona Capacità di analisi e sintesi: ha notevoli capacità di analisi e di sintesi Utilizzo di riferimenti: ha approfondito gli argomenti - 30–30 e lode
Conoscenza e comprensione argomento: conoscenza ottima Capacità di analisi e sintesi: ha notevoli capacità di analisi e di sintesi Utilizzo di riferimenti: significativi approfondimenti
Testi di riferimento
Autori: James F. Kurose, Keith W. Ross Titolo: RETI DI CALCOLATORI E INTERNET - Un approccio top-down 8/ed, Casa editrice: Addison Wesley (2022), ISBN 9788891916013.
Autori: Chris Richardson Titolo: MICROSERVICES PATTERS, wth examples in Java. Casa editrice: Manning, Shelter Island.
Codice insegnamento C135785
Programmazione Di Applicazioni Intelligenti
3° anno · 6 CFU · INF/01 · 0 file
L’insegnamento, pari a 6 CFU, comprende 48 ore di attività frontali, articolate indicativamente in 36 ore di didattica erogativa e 12 ore di didattica interattiva. L’obiettivo generale è fornire le conoscenze e le…
Scheda dell'insegnamento
Obiettivi formativi
L’insegnamento, pari a 6 CFU, comprende 48 ore di attività frontali, articolate indicativamente in 36 ore di didattica erogativa e 12 ore di didattica interattiva.
L’obiettivo generale è fornire le conoscenze e le competenze necessarie per comprendere, progettare, realizzare e valutare applicazioni software basate su modelli di intelligenza artificiale generativa.
Al termine dell’insegnamento, le studentesse e gli studenti dovranno essere in grado di:
1. Spiegare i principi essenziali delle reti neurali, dell’attenzione, dei Transformer e dei Large Language Model;
2. Utilizzare modelli pre-addestrati, tramite servizi remoti o inferenza locale, all’interno di applicazioni software;
3. Progettare e implementare componenti basati su prompt, output strutturati, strumenti esterni, sistemi RAG e agenti;
4. Valutare criticamente modelli e architetture applicative considerando qualità dei risultati, affidabilità, latenza, costo, privacy, sicurezza e vincoli di deployment;
5. Documentare e presentare le scelte progettuali, i risultati sperimentali e i limiti di un sistema basato su AI mediante un linguaggio tecnico appropriato.
L’insegnamento contribuisce alla formazione informatica applicativa, fornendo strumenti per integrare metodologie di intelligenza artificiale nella progettazione e nello sviluppo di sistemi software contemporanei.
Programma
L’insegnamento presenta i fondamenti teorici e gli strumenti pratici necessari per progettare e sviluppare applicazioni software basate sull’intelligenza artificiale, con particolare attenzione ai Large Language Model (LLM).
Dopo una sintetica introduzione all’apprendimento automatico e alle reti neurali, vengono approfonditi la rappresentazione vettoriale del testo, i meccanismi di attenzione, l’architettura Transformer, il ciclo di vita degli LLM, le strategie di generazione, le tecniche di efficientamento e i criteri di valutazione.
La parte applicativa riguarda l’utilizzo dei modelli mediante API o inferenza locale, il prompt e context engineering, gli output strutturati, il tool calling, i protocolli di interoperabilità, la programmazione assistita dall’AI, la Retrieval-Augmented Generation e la progettazione di agenti, workflow e team di agenti.
Sono inoltre affrontati gli aspetti relativi a memoria, tracing, guardrail, interazione umana, deployment, quantizzazione e integrazione tra interfacce utente e backend AI.
1. Fondamenti di intelligenza artificiale e reti neurali
- Evoluzione dell’intelligenza artificiale e paradigmi dell’apprendimento automatico.
- Percettrone, reti neurali profonde, funzioni di perdita, discesa del gradiente e backpropagation.
- Vanishing gradient, batch normalization, skip connection e introduzione a PyTorch.
2. Large Language Model e architettura Transformer - Tokenizzazione, embedding, self-attention e architettura Transformer.
- Strategie di decoding, addestramento e valutazione degli LLM.
- Flash Attention, Paged Attention, Mixture of Experts ed efficientamento dell’inferenza.
3. Sviluppo di applicazioni basate su LLM - Utilizzo di modelli mediante API e inferenza locale.
- Prompt engineering e context engineering.
- Output strutturati e tool calling.
- Introduzione al Model Context Protocol (MCP).
4. Programmazione assistita dall’intelligenza artificiale - Coding agents e Spec-Driven Development.
- Utilizzo critico degli strumenti di assistenza alla programmazione.
- Verifica e revisione del codice generato.
5. Retrieval-Augmented Generation (RAG) - Struttura di una pipeline RAG.
- Ricerca densa, BM25 e ricerca ibrida.
- Query rewriting e re-ranking.
- Costruzione e valutazione del contesto fornito al modello.
6. Agenti e sistemi agentici - Pattern ReAct e realizzazione di agenti basati su LLM.
- Agenti, workflow e team di agenti.
- Strumenti, sessioni, stato, tracing, memoria e knowledge base.
- Human in the loop e guardrail.
7. Deployment e integrazione - Inferenza locale, quantizzazione, requisiti hardware e limiti.
- Integrazione tra interfaccia utente e backend AI.
- Protocolli per applicazioni agentiche, compreso AG-UI.
8. Attività di laboratorio - Esercitazioni con PyTorch.
- Utilizzo di API di inferenza.
- Generazione di output strutturati e tool calling.
- Realizzazione di agenti e pipeline RAG.
Integrazione della dimensione di genere
Saranno discussi esempi di bias nei dati e negli output dei modelli, compresi casi di discriminazione di genere, insieme alle principali tecniche di rilevazione e mitigazione.
È richiesta una conoscenza di base della programmazione in Python, comprendente tipi e strutture dati, funzioni, classi, gestione dei moduli e utilizzo di librerie esterne.
Sono inoltre richieste conoscenze introduttive di algebra lineare, in particolare vettori, matrici e operazioni matriciali, nonché una comprensione di base del concetto di derivata.
La familiarità con la riga di comando, Git, gli ambienti virtuali Python e i principi delle API HTTP/REST è utile, ma tali argomenti saranno richiamati quando necessario.
Non sono richieste conoscenze pregresse specialistiche relative ai Large Language Model.
L’insegnamento comprende circa 36 ore di didattica erogativa e 12 ore di didattica interattiva svolta prevalentemente in laboratorio informatico.
Le lezioni combinano:
- Presentazione e discussione dei concetti teorici;
- Esempi svolti e sessioni di live coding;
- Esercitazioni guidate individuali o in piccoli gruppi;
- Analisi comparativa di modelli, architetture e strategie di implementazione;
- Sviluppo progressivo di componenti software basati su AI;
- Attività di progettazione e sperimentazione collegate al progetto d’esame.
Le esercitazioni consentono di applicare direttamente i concetti presentati, verificare il comportamento dei modelli, osservare i principali modi di fallimento e acquisire familiarità con librerie, API e strumenti di sviluppo.
Slide, notebook, codice sorgente, consegne delle esercitazioni e materiale integrativo saranno pubblicati sulla piattaforma DIR. Le versioni specifiche delle librerie e degli strumenti potranno essere aggiornate per tenere conto dell’evoluzione tecnologica, senza modificare gli obiettivi formativi e i contenuti fondamentali dell’insegnamento.
Le studentesse e gli studenti non frequentanti sono tenuti a fare riferimento allo stesso programma e alle stesse modalità di verifica e devono consultare regolarmente i materiali pubblicati sulla piattaforma DIR.
Modalità d'esame
L’esame è composto da due parti obbligatorie.
1. Progetto pratico — due terzi del voto finale
Il progetto può essere svolto individualmente oppure in un gruppo composto da un massimo di tre persone. L’argomento può essere proposto dalle studentesse e dagli studenti, previa approvazione della docente o del docente, oppure scelto tra le proposte messe a disposizione durante il corso.
La consegna comprende:
- Codice sorgente del sistema sviluppato;
- Istruzioni necessarie per eseguirlo o riprodurne i risultati;
- Breve relazione tecnica contenente obiettivi, architettura, strumenti e modelli utilizzati, scelte progettuali, modalità di valutazione, risultati ottenuti e limiti riscontrati;
dimostrazione e discussione del sistema.
La valutazione del progetto considera: - Correttezza funzionale e robustezza nei casi d’uso previsti;
- Adeguatezza dell’architettura e delle tecniche adottate;
- Capacità di valutare i risultati e riconoscere errori, limiti e possibili rischi;
- Consapevolezza dei compromessi tra qualità, latenza, costo, privacy, sicurezza e manutenibilità;
- Qualità del codice, della documentazione e della riproducibilità;
- Capacità di motivare le decisioni progettuali e rispondere alle domande durante la discussione.
Nei lavori di gruppo viene inoltre verificato il contributo individuale. Le persone appartenenti allo stesso gruppo possono pertanto ricevere valutazioni differenti.
2. Prova scritta individuale — un terzo del voto finale
La prova scritta verte sull’intero programma e comprende quesiti teorici, domande a risposta aperta breve e/o esercizi di analisi e progettazione.
La prova verifica: - La conoscenza dei fondamenti teorici e metodologici;
- La comprensione delle architetture e delle tecniche presentate;
- La capacità di confrontare soluzioni differenti;
- La capacità di individuare la tecnica più appropriata per uno scenario applicativo;
- La capacità di riconoscere limiti, errori e principali modi di fallimento dei sistemi basati su LLM.
La consegna e la discussione del progetto costituiscono condizione necessaria per accedere alla prova scritta. Entrambe le parti devono ottenere una valutazione di almeno 18/30.
Il voto finale è calcolato attribuendo un peso pari a due terzi al voto del progetto e a un terzo al voto della prova scritta.
Per conseguire la sufficienza è necessario dimostrare la comprensione dei concetti fondamentali, presentare un progetto funzionante nei principali casi d’uso e saper descrivere e motivare le scelte essenziali.
Valutazioni superiori alla sufficienza richiedono maggiore completezza e precisione, capacità di collegare argomenti diversi, autonomia nell’analisi dei problemi e valutazione critica dei risultati.
La lode richiede il punteggio massimo in entrambe le parti e un livello eccellente nella qualità tecnica e documentale del progetto, nella profondità dell’analisi critica, nell’autonomia dimostrata e nella chiarezza dell’esposizione.
Testi di riferimento
Testo principale
Jay Alammar, Maarten Grootendorst, Hands-On Large Language Models: Language Understanding and Generation, O’Reilly Media, 2024.
Testi di approfondimento
Sebastian Raschka, Build a Large Language Model (From Scratch), Manning Publications, 2024.
Afshine Amidi, Shervine Amidi, Super Study Guide: Transformers & Large Language Models, Amazon Fulfillment, 2024.
Codice insegnamento C143509
Quantum Computing
3° anno · 3 CFU · FIS/02 · 0 file
Acquisizione delle conoscenze teoriche e introduzione alle tecniche sperimentali più importanti per la computazione quantistica.
Scheda dell'insegnamento
Obiettivi formativi
Acquisizione delle conoscenze teoriche e introduzione alle tecniche sperimentali più importanti per la computazione quantistica.
Programma
Viene data una introduzione alle nozioni teoriche e alle tecniche sperimentali della computazione quantistica.
1. Introduzione. Numeri complessi, formula di Taylor, formula di Eulero. Matrici e loro operazioni. 2. Ripasso sintetico di algebra lineare: spazi vettoriali, operatori, prodotto scalare. Le regole di base della Meccanica Quantistica. 3. Quantum bits, sfera di Bloch, qubits multipli, porte a singolo qubit e porte a qubits multipli. 4. Circuiti quantistici. Stati intrecciati. Algoritmi quantistici. Cenni alla teoria dell' informazione quantistica. 5. Crittografia quantistica. Teletrasporto. 6. Algoritmo di Deutsch-Josza. Trasformata di Fourier Quantistica. Algoritmo di Shor per la fattorizzazione di numeri interi. Algoritmo di Grover per la ricerca in un database.
Algebra lineare e analisi di base, fisica di base.
Lezioni frontali, esercizi per casa con correzione in classe, programmazione di calcolatori quantistici in rete (IBM-Quantum)
Modalità d'esame
L'esame consiste nella stesura di un progetto di computazione quantistica seguendo l'implementazione di algoritmi analoghi sulla piattaforma GitHub/qiskit. La studentessa/lo studente sceglie l'algoritmo che vuole provare ad implementare, lo riproduce e lo fara' girare sulle piattaforme free online di IMB-quantum o produce un report dei risultati.
Testi di riferimento
M.A. Nielsen, I.L. Chuang, "Quantum computation and quantum information", CUP (2000); J. Preskill, Lecture Notes for Phys. 229, Quantum information and computation, http://theory.caltech.edu/~preskill/ph219/; Note del docente W. Sherer, Mathematics of Quantum Computing: An Introduction, Springer; 1st ed. 2019 edizione (22 novembre 2020)
Codice insegnamento C143502
Supporto Alle Decisioni E Alla Gestione Dei Processi
3° anno · 3 CFU · INF/01 · 0 file
Gli studenti devono aver acquisito le seguenti conoscenze, competenze, ed abilita': principali tipologie di sistemi basati sulla conoscenza per il supporto alle decisioni cliniche, con particolare riferimento alla…
Scheda dell'insegnamento
Obiettivi formativi
Gli studenti devono aver acquisito le seguenti conoscenze, competenze, ed abilita': principali tipologie di sistemi basati sulla conoscenza per il supporto alle decisioni cliniche, con particolare riferimento alla diagnosi ed al trattamento dei pazienti; principali metodologie e tecniche adottate in tali ambiti; analisi dei fattori abilitanti e delle criticità per l’adozione di tali sistemi nella pratica medica; metodologie e tecniche per rappresentazione e gestione della conoscenza, predizione, ottimizzazione, adattamento; capacità di identificare, interpretare, codificare e processare varie tipologie di dati biologici per applicazioni di apprendimento automatico.
Occorre inoltre essere in grado di dimostrare la capacita' di applicarle tali conoscenze nel rispondere a quesiti di teoria, o nello svolgere alcuni esercizi, o nell’illustrare (oralmente) un approfondimento svolto in autonomia.
Programma
Il corso presenterà le principali metodologie e tecniche per sviluppare un sistema di supporto alle decisioni in campo bio-medico. In particolare, il primo modulo si concentrerà su sistemi basati sulla rappresentazione della conoscenza esplicita, mentre il secondo modulo sarà dedicato principalmente ai sistemi basati sulla conoscenza operativa (i dati). Per la parte di Bioinformatica verranno invece esaminate le principali metodologie e tecniche basate su AI e ML per l’analisi di dati relativi a sequenze biologiche, espressione genica, genomica e proteomica.
Il modulo dedicato ai sistemi basati su rappresentazione esplicita della conoscenza affronterà le seguenti problematiche: architetture e caratteristiche generali dei CDSS, sorgenti ed acquisizione di conoscenza, regole decisionali, sistemi per la diagnostica, sistemi per la gestione informatizzata di linee guida cliniche, vocabolari ed ontologie, sistemi per la gestione di clinical trial, analisi di fattori critici e fattori abilitanti per l’adozione pratica di CDSS.
Nel modulo sulla conoscenza operativa l’esposizione sarà organizzata in quattro parti: 1. gestione della conoscenza operativa: Case-based Reasoning; soluzioni di Case-based Reasoning avanzate (dati in forma di serie temporali, fuzzy CBR, process-oriented CBR); 2. predizione: classificazione, regressione, serie temporali; metodi matematici, basati su distanze, logici, basati su euristiche; metodi ibridi;3. ottimizzazione: metodi matematici, algoritmi evoluzionistici, ant systems, metodi ibridi; 4. adattamento: tecniche per migliorare le prestazioni del modulo di previsione. Per il modulo di bioinformatica verranno trattati i seguenti argomenti: Introduzione alla biologia cellulare e computazionale. Competenze bioinformatiche essenziali (database, API, framework). Feature Engineering. Data imputation, Dimensionality Reduction, Applicazioni alle metodologie di regressione lineare e logistica a dati biologici. Alberi decisionali, Random Forest ed eXtreme Gradient Boosting per dati biologici. Utilizzo di Hidden Markov Models per l’identificazione di geni codificanti per proteine. Esempi di approcci basati su Deep Learning all’analisi di dati biologici.
Nozioni di basi di dati
Lezione frontale in aula o in laboratorio. Le lezioni frontali contempleranno anche la risposta a quesiti o la risoluzione di esercizi esemplificativi per lo svolgimento dell'esame. Esempi di test d'esame potranno essere forniti agli studenti. Le slide delle lezioni, i testi consigliati, ed altro materiale saranno forniti anche sulla piattaforma DIR, per consentire anche a chi non frequenta di tenersi al passo con lo svolgimento del corso.
Modalità d'esame
La votazione finale si basa sulle conoscenze, competenze e capacità dimostrate in sede d'esame, pesando i risultati coerentemente con il numero di CFU di ciascun modulo.
Precisamente, i voti vengono assegnati secondo la seguente griglia di valutazione:
18: Lacune importanti nei contenuti, mancate risposte o risposte non adeguate
18–22: Preparazione accettabile, ma con lacune significative o argomenti non studiati adeguatamente. Sufficiente capacità di applicazione. Utilizzo basilare del lessico tecnico
23-25: Conoscenze appropriate con alcune lacune, discreta capacità di applicazione; presentazione articolata e utilizzo appropriato del linguaggio tecnico
26–28: Buona conoscenza dei contenuti e capacità di stabilire collegamenti fra le diverse parti del programma. Utilizzo solido del linguaggio tecnico.
29–30 e lode: Preparazione completa e approfondita, con visione chiara e coerente degli argomenti trattati. Utilizzo preciso del linguaggio tecnico.
L’esame relativo alla prima parte del corso (approcci basati su rappresentazione esplicita della conoscenza) sarà in forma orale, e prevederà domande teoriche ed eventuali piccoli esercizi applicativi.
L'esame relativo al modulo sulla conoscenza operativa è scritto e prevede un minimo di 3 domande, che verteranno su argomenti scelti tra: gestione della conoscenza operativa, predizione, ottimizzazione, adattamento. Il voto terra' conto dei risultati parziali ottenuti nelle singole domande (ad esempio eseguendone una media). Eventualmente (ad esempio, per richiesta dello studente), la stessa tipologia di esame potra' essere svolta oralmente.
Per la parte di bioinformatica lo studente dovrà presentare un approfondimento sotto forma di seminario su una tematica inerente agli argomenti trattati.
I docenti si riservano la possibilità di convocare lo/la studente per un esame orale integrativo a scopo confermativo a valle dell'esito dell'esame scritto
Testi di riferimento
Z. Michalewicz et al., Adaptive Business Intelligence, Springer.
Robert Greenes. Clinical Decision Support. The Road to Broad Adoption 2nd Edition – 2014. ISBN: 9780128100240
Hiroshi Mamitsuka: Textbook of Machine Learning and Data Mining: with Bioinformatics Applications. ISBN-13: 978-4991044502
Pierre Baldi & Soren Brunak: Bioinformatics: The Machine Learning Approach, Second Edition.: Mit Press, 2001
Philip Compeau & Pavel Pevzner: Bioinformatics Algorithms. An active Learning Approach. Volumi I e II. Active Learning Publishers. 2018
Codice insegnamento C143508