Corso di laurea

Metodi e Modelli per Data Science

Università degli Studi di Roma Tor Vergata · 28 materie · 0 file condivisi

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

Sfoglia il materiale didattico

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

Materie del corso

Algebra E Geometria 1° anno · 6 CFU · MATH-02/A · 0 file

OBIETTIVI FORMATIVI: L'insegnamento si propone di fornire le nozioni di base dell'algebra lineare nonche' geometria analitica. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Al termine del corso lo studente avrà acquisito i…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI:
L'insegnamento si propone di fornire le nozioni di base dell'algebra lineare nonche' geometria analitica.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Al termine del corso lo studente avrà acquisito i concetti fondamentali dell'algebra lineare,
e sarà in grado di applicare tali concetti nello studio indipendente degli argomenti in questione. In particolare, avrà imparato la struttura logica di un argomento matematico.
Dovrà capire le relazioni gerarchiche tra diversi livelli di astrazione/generalizzazione di nozioni fondamentali che vengono via via perfezionate in nozioni più complesse. Inoltre, lo studente non potrà limitarsi a apprendere meccanicamente procedure più o meno algoritmiche per la risoluzione di problemi, ma dovrà effettivamente capire perché tali procedure funzionano, avendo chiaro in particolare quali siano le idee alla base di tali procedure.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Lo studente dovrà essere in grado di risolvere problemi ed esercizi relativi agli argomenti trattati nel corso; esempi di tali problemi ed esercizi saranno svolti durante il corso stesso. Sarà fornito vario materiale adeguato per la preparazione in tal senso, comprensivo di dettagliate indicazioni bibliografiche.

AUTONOMIA DI GIUDIZIO:
Capacità di giudicare l'eventuale inconsistenza o incompletezza di una dimostrazione matematica e di individuare ulteriori sviluppi di un dato argomento.
Lo studente dovrà essere in grado di riconoscere autonomamente quando un problema matematico si possa inquadrare nell'ambito di una o l'altra delle teorie studiate nel corso. Più in dettaglio, in relazione a problemi specifici dovrà essere in grado di capire quali tecniche possano essere utilizzate, e quali risultati già noti applicati, per risolvere la questione affrontata.

ABILITÀ COMUNICATIVE:
Lo studente dovrà essere in grado di spiegare compiutamente gli argomenti trattati, sia in forma orale che in forma scritta che in modalità mista (orale con ausilio di formule e/o calcoli e/o immagini scritte).

CAPACITÀ DI APPRENDIMENTO:
Lo studente dovrà capire le nozioni studiate e le idee che ne sono alla base, e i risultati relativi, con le dimostrazioni che ne sono a supporto; inoltre, è fondamentale che conosca anche esempi e controesempi che illustrino tali nozioni e risultati.

Programma

Vettori in R^n, somma di vettori e prodotto per scalare. Prodotto scalare, distanza. Eliminazione di Gauss, matrici a scala. Soluzione di un sistema lineare. Matrici e sistemi lineari. Spazi vettoriali, sottospazi vettoriali. Combinazioni lineari, basi, dimensioni, coordinate. Esistenza delle basi. Somma diretta e formula di Grassmann. Equazioni parametriche e cartesiane. Applicazioni lineari e matrici associate. Nucleo, immagine, teorema della dimensione. Matrici invertibili, matrice inversa con l’algoritmo di Gauss simultaneo. Matrice di cambiamento di base. Determinante, teorema di Binet, formula di Cramer. Inversa col metodo dell’aggiunta. Rango, teorema di Rouche-Capelli. Caratterizzazioni equivalenti delle matrici invertibili. Basi ortogonali e ortonormali, procedimento di Gram-Schmidt. Proiezioni ortogonali, ortogonale di un sottospazio. Matrici ortogonali. Autovalori e autovettori, diagonalizzazione.

Modalità d'esame

Esame scritto: risoluzione autonoma di esercizi.
Esame orale: esposizione rigorosa di argomenti del corso.
La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze e/o inaccuratezza nella conoscenza e comprensione degli argomenti; limitate capacità di analisi, sintesi e autonomia di giudizio.

18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi, sintesi e autonomia di giudizio sufficienti.

21-23: Conoscenza e comprensione degli argomenti routinaria;
capacità di analisi e sintesi corrette con argomentazione logica coerente.

24-26: Discreta conoscenza e comprensione degli argomenti;
buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.

27-29: Conoscenza e comprensione degli argomenti completa;
notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.

30-30L: Ottimo livello di conoscenza e comprensione degli argomenti;
notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

  • Appunti del corso (slides ed eventuali integrazioni).
  • M. Abate e C. De Fabritiis, Geometria analitica con elementi di algebra lineare,
    McGraw-Hill Education, III ed. (2015);
  • E. Sernesi, Geometria I, ed. Boringheri;
  • F. Orecchia, Lezioni di geometria I, Aracne;
  • L.A. Lomonaco, Geometria e algebra., Aracne (2013);
  • M.R. Casali, C. Gagliardi e L. Grasselli, Geometria, Esculapio (2016);
  • C. Carrara, Esercizi di algebra lineare, online (http://www.science.unitn.it/˜carrara/eserciziario/).

Codice insegnamento 8068627

Analisi Matematica I 1° anno · 9 CFU · MATH-03/A · 0 file

OBIETTIVI FORMATIVI: Completa e profonda comprensione degli argomenti del corso, con la capacità sia di risolvere problemi, sia di presentare enunciati e dimostrazioni di tutti i risultati in maniera corretta e…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Completa e profonda comprensione degli argomenti del corso, con la capacità sia di risolvere problemi, sia di presentare enunciati e dimostrazioni di tutti i risultati in maniera corretta e comprendendo perché le ipotesi sono necessarie. Lo studente deve acquisire una assimilazione matura dei contenuti ed essere in grado di applicarli ai corsi correlati.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: L'insegnamento introduce lo studente ai concetti e ai metodi fondamentali dell'Analisi Matematica, con particolare riferimento al calcolo differenziale e integrale per le funzioni in una variabile reale. I principali risultati di apprendimento attesi sono anche la padronanza delle notazioni matematiche e di alcune tecniche dimostrative e l'abilità di risolvere esercizi.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Il corso offre un gran numero di esempi ed esercizi la cui conoscenza permetterà agli studenti di applicare applicare le tecniche del calcolo differenziale in contesti diversi, con particolare riferimento alle scienze applicate. Vengono fornite inoltre le competenze necessarie per affrontare in modo efficace il successivo corso di Analisi Matematica II.

AUTONOMIA DI GIUDIZIO: Gli studenti potranno affrontare con sufficiente rigore alcuni semplici ma significativi metodi dimostrativi dell'Analisi Matematica per affinare le loro capacità logiche. Molte dimostrazioni sono presentate in modo da coinvolgere gli studenti e stimolarli a raggiungere da soli l'obiettivo.

ABILITÀ COMUNICATIVE: Studiando l'Analisi Matematica gli studenti impareranno a comunicare con rigore e chiarezza, sia oralmente che per iscritto, scoprendo in tal modo che utilizzare un linguaggio appropriato è un fattore fondamentale per una corretto comunicazione scientifica, non solo in ambito matematico.

CAPACITÀ DI APPRENDIMENTO: Lo studio dell'Analisi Matematica richiede un metodo di lavoro sistematico e una capacità di apprendimento molto avanzata.

Programma

Numeri naturali, interi e razionali, numeri reali: proprietà e costruzione a partire dai numeri naturali. Estremo superiore ed estremo inferiore. Numeri complessi. Concetto di funzione. Funzioni monotone. Funzioni invertibili. Funzione inversa. Logaritmo. Insiemi aperti e chiusi e loro proprietà. Definizione di successione. Successioni monotone. Limiti di funzioni e di successioni. Insiemi compatti. Numero di Nepero: “e”. Infiniti e infinitesimi. Limiti notevoli. Funzioni continue. Punti di discontinuità. Asintoti verticali, orizzontali ed obliqui. Serie numeriche e loro convergenza. Continuità della funzione composta e della funzione inversa. Proprietà delle funzioni continue ed invertibili sugli intervalli e sui compatti. Teorema di esistenza degli zeri. Metodo di bisezione e teorema di Weierstrass sui massimi e minimi delle funzioni continue sui compatti. Derivata di una funzione. Derivata della funzione composta e della funzione inversa. Teoremi di Rolle, Lagrange, Cauchy, Hospital. Studio del grafico di funzioni reali di variabile reale; funzioni convesse; Formula di Taylor e sue applicazioni. Integrale di Riemann. Teorema fondamentale del calcolo integrale. Funzioni primitive e integrali indefiniti. Integrali per sostituzione e per parti; calcolo di aree. Integrali impropri; criteri di integrabilità; criterio di confronto fra serie ed integrali impropri.

Modalità d'esame

Vengono somministrati dei test intermedi, sia a scopo di orientamento sia di accertamento del profitto. L'esame finale avviene attraverso una prova scritta ed una orale.

La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze e/o inaccuratezza nella conoscenza e comprensione degli argomenti; limitate capacità di analisi, sintesi e autonomia di giudizio.

18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi, sintesi e autonomia di giudizio sufficienti.

21-23: Conoscenza e comprensione degli argomenti routinaria;
capacità di analisi e sintesi corrette con argomentazione logica coerente.

24-26: Discreta conoscenza e comprensione degli argomenti;
buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.

27-29: Conoscenza e comprensione degli argomenti completa;
notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.

30-30L: Ottimo livello di conoscenza e comprensione degli argomenti;
notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

M. Bertsch, A. Dall'Aglio, L. Giacomelli: Epsilon 1, prima edizione, McGraw-Hill, 2021

Codice insegnamento 8068626

Analisi Matematica Ii 1° anno · 6 CFU · MATH-03/A · 0 file

OBIETTIVI FORMATIVI: impadronirsi degli strumenti di calcolo per funzioni di più di una variabile CONOSCENZA E CAPACITÀ DI COMPRENSIONE: comprendere le differenze e analogie con il calcolo unidimensionale CAPACITÀ DI…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: impadronirsi degli strumenti di calcolo per funzioni di più di una variabile

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: comprendere le differenze e analogie con il calcolo unidimensionale

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: risoluzione di problemi di calcolo in più dimensioni

AUTONOMIA DI GIUDIZIO: comprendere quando non è possibile ricondursi a problemi di calcolo semplici unidimesionali e si devono utilizzare concetti multidimensionali

ABILITÀ COMUNICATIVE: sviluppare la terminologia propria dell'argomento e spiegare i nuovi concetti in termini di calcolo più elementare

CAPACITÀ DI APPRENDIMENTO: sapere interpretare analiticamente concetti legati alla geometria del piano e dello spazio

Programma

Limiti e calcolo differenziale per funzioni di più variabili reali
Funzioni definite implicitamente
Integrali curvilinei e forme differenziali
Integrali multipli

Modalità d'esame

Prova scritta con esercizi. Orale con domande su esercizi e questioni teoriche.

La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze e/o inaccuratezza nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi.
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi
sintesi e autonomia di giudizio sufficienti.
21-23: Conoscenza e comprensione degli argomenti sufficiente; capacità di analisi e sintesi corrette con argomentazione logica coerente.
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio.

Testi di riferimento

M. Bertsch, R. Dal Passo e L. Giacomelli, "Analisi Matematica" (McGraw Hill)

Codice insegnamento 8068625

Basi Di Dati 1° anno · 9 CFU · INFO-01/A · 0 file

Obiettivi Formativi Il Corso di Basi di Dati ha i seguenti obiettivi formativi: Illustrare il modello relazionale per la rappresentazione dei dati. Illustrare le nozioni base di Algebra e Calcolo Relazionale.…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivi Formativi
Il Corso di Basi di Dati ha i seguenti obiettivi formativi:

  • Illustrare il modello relazionale per la rappresentazione dei dati.
  • Illustrare le nozioni base di Algebra e Calcolo Relazionale.
  • illustrare le tecniche di progettazione di basi di dati fondate sul modello Entità-Relazione.
  • Illustrare i sistemi di gestione delle basi di dati fondati sul linguaggio SQL.
  • Illustrare le problematiche relative alle basi di dati relazionali.
  • Illustrare l’interazione con basi di dati relazionali tramite l’uso di SQL come Data Definition Language (DDL) e Data Management Language (DML).
  • Illustrare le tecniche di programmazione avanzata di base di dati
  • Illustrare le forme normali e le tecniche di normalizzazione.
  • Illustrare le tecniche di ottimizzazione.
  • Illustrare le tecniche di gestione delle transazioni e il controllo della concorrenza
  • Illustrare i concetti di basi di dati distribuite

Conoscenza e capacità di comprensione
Lo studente al termine del Corso avrà conoscenza delle problematiche relative alle basi di dati relazionali, e ai relativi sistemi di gestione fondati sul linguaggio SQL (Standard Query Language) e alla progettazione di basi di dati basati sul metodo Entità-Relazione. Inoltre, tramite le esercitazioni e il laboratorio gli studenti acquisiranno la capacità di implementare i propri progetti, basati su casi di studio, in appositi software per la gestione di un DBMS (DataBase Management System).

Conoscenze e capacità di comprensione applicate:
Lo studente sarà in grado di utilizzare strumenti, ambienti di sviluppo e metodi per affrontare problemi di progettazione di basi di dati; sarà inoltre in grado di utilizzare le funzionalità di base dei sistemi di gestione di basi di dati, come la definizione della base di dati, l’aggiornamento della base di dati, e le interrogazioni sulla base di dati, nell'ambito dello sviluppo e dell'esercizio di sistemi informativi

Autonomia di giudizio
Lo studente sarà in grado di effettuare una analisi di un sistema di basi di dati complesso e sarà in grado di progettarlo e di realizzarlo in un apposito software per la gestione di una base di dati (DBMS).

Abilità comunicative
Lo studente sarà in grado di descrivere e sostenere conversazioni su tematiche relative alla realizzazione di basi di dati, adoperando una terminologia adeguata alla descrizione dei processi di analisi e di progettazione di basi di dati, con soluzioni software ad hoc a seconda del tipo di sistema informativo da realizzare.

Capacità di apprendere
Lo studente al termine del Corso avrà conoscenza delle problematiche nella progettazione e gestione di una base di dati relazionale. Tutto ciò gli consentirà di proseguire gli studi ingegneristici con maggiore maturità e gli fornirà le basi per poter mettere a frutto le conoscenze acquisite anche in contesti in cui si utilizzano modelli di dati e sistemi di gestione diversi dai modelli e dai sistemi relazionali.

Programma

ntroduzione alle basi di dati e modello relazionale dove sono affrontati i seguenti argomenti: Introduzione al corso; Basi di Dati e Sistemi di Gestione di Basi di Dati; Modelli dei Dati e Linguaggi delle Basi di Dati; Modello Relazionale dei Dati.
Progettazione concettuale e logica dove sono affrontati i seguenti argomenti: progettazione concettuale di una base dati; progettazione logica di una base dati
Esercitazione: Progettazione di un modello E-R a partire da un caso di studio
Algebra relazionale dove sono affrontati i seguenti argomenti: l'Algebra Relazionale come Linguaggio per la scrittura di Interrogazioni.
Calcolo relazionale dove sono affrontati i seguenti argomenti: Calcolo Relazionale come linguaggio d’interrogazione.
Esercitazione: Progettazione concettuale e logica di una base dati a partire dal modello E-R derivante da un caso di studio, interrogazioni in algebra relazionale.
Linguaggio SQL ed intro alla progettazione dove sono affrontati i seguenti argomenti: introduzione al linguaggio SQL; caratteristiche evolute del SQL; SQL per le applicazioni; metodologie e modelli per la progettazione di una base dati.
Progettazione fisica e normalizzazione dove sono affrontati i seguenti argomenti: progettazione fisica di una base dati, normalizzazione.
Esercitazione: Progettazione fisica e normalizzazione di una base dati a partire dal progetto concettuale e logico derivante da un caso di studio.
Interrogazioni e transazioni dove sono affrontati i seguenti argomenti: organizzazione fisica e gestione delle interrogazioni; gestione delle transazioni.
Esercitazione sul linguaggio SQL: installazione del software DBMS, creazione e popolamento di un database, interrogazioni semplici ed annidate.
Sviluppo applicazioni dove sono affrontati i seguenti argomenti: metodi e librerie per lo sviluppo di applicazioni fondate su basi di dati.
Ottimizzazione delle prestazioni: Il processo di ottimizzazione delle query SQL, Tecniche di accesso ai dati dei DBMS relazionali, Tecniche di ottimizzazione, Interpretazione dei piani di esecuzione. Calcolo del costo di esecuzione per query SQL.

Modalità d'esame

La prova d’esame consiste:
1. Realizzazione di un progetto di gruppo (max 3 persone) (40%)
2. Prova scritta (40%)
3. Prova orale sul programma del corso. (20%)

Si potrà accedere alla prova orale solo previa consegna del progetto e una valutazione positiva dello scritto. I voti verranno assegnati in base a una valutazione complessiva delle conoscenze, competenze, capacità di presentazione e discussione delle tematiche trattate. Non idoneo: importanti carenze e/o inaccuratezza nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi.
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi
sintesi e autonomia di giudizio sufficienti.
21-23: Conoscenza e comprensione degli argomenti sufficiente; capacità di analisi e sintesi corrette con argomentazione logica coerente.
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio.

Testi di riferimento

Atzeni,Ceri,Fraternali,Paraboschi,Torlone Basi di dati -Modelli e Linguaggi di interrogazione- ed. McGraw-Hill 4nd edition
Elmasri, Navathe Sistemi di basi di dati, Fondamenti e complementi Pearson 7a edizione italiana

Codice insegnamento 8068621

Fisica E Analisi Dati 1° anno · 9 CFU · PHYS-01/A · 0 file

OBIETTIVI FORMATIVI: II corso ha lo scopo di introdurre lo studente ai concetti fondamentali della Fisica classica ed alle sue applicazioni elementari, fornendo le basi necessarie per l'interpretazione dei principali…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: II corso ha lo scopo di introdurre lo studente ai concetti fondamentali della Fisica classica ed alle sue applicazioni elementari, fornendo le basi necessarie per l'interpretazione dei principali processi fisici e per l'analisi dei dati derivanti da esperimenti di laboratorio di base. Gli studenti impareranno inoltre la programmazione di base per analizzare e gestire dati.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: L’insegnamento del corso si articola su lezioni frontali ed esercitazioni. Gli studenti devono acquisire familiarità con tutti gli argomenti affrontati durante le lezioni e dar prova di saperli esporre in modo analitico e sintetico.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE - AUTONOMIA DI GIUDIZIO - ABILITÀ COMUNICATIVE - CAPACITÀ DI APPRENDIMENTO: Gli studenti devono sviluppare la capacità di applicare le leggi della fisica (es. cinematica, meccanica dei corpi semplici e solidi, elettricità e magnetismo, elettro-magnetismo), dando prova di saper impostare e risolvere esercizi di bassa e media difficoltà per semplici sistemi fisici, anche effettuando le approssimazioni necessarie.
Sono previste prove scritte sia durante il corso che alla fine del corso, e un esame orale finale.

Programma

Misura e Unità di Misure. Cinematica: Spostamento, Velocità e Accelerazione. Dinamica: Leggi di Newton, Lavoro ed Energia Cinetica, Energia Potenziale, Energia Meccanica, Quantità di Moto, Urti, Corpo Rigido, Rotazione e Variabili Angolari, Momento di Inerzia, Momento Torcente e Momento Angolare. Cenni di Statica e Dinamica dei Fluidi. Termodinamica: Temperatura, Quantità di calore, Trasformazioni Reversibili e Irreversibili, Primo e Secondo Principio della Termodinamica, L’Entropia.
Elettrostatica: Forza di Coulomb, Campo elettrico, Legge di Gauss, Potenziale elettrico, Condensatori e Resistori. Elettromagnetismo: Corrente elettrica, Legge di Ohm ed effetto Joule, Campo Magnetico, Forza di Lorentz, Legge di Laplace, di Biot-Savart, di Ampère e legge di Faraday. Induzione e Induttanza. Equazioni di Maxwell.
Analisi degli Errori: Definizione e Propagazione degli Errori, Analisi Statistica degli Errori Casuali, Metodo dei Minimi Quadrati, Covarianza e Correlazione.

Modalità d'esame

2 prove scritte in itinere (valide per superare lo scritto)

1 prova scritta finale

1 prova orale

La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze e/o inaccuratezza nella conoscenza e comprensione degli argomenti; limitate capacità di analisi, sintesi e autonomia di giudizio.

18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi, sintesi e autonomia di giudizio sufficienti.

21-23: Conoscenza e comprensione degli argomenti routinaria;
capacità di analisi e sintesi corrette con argomentazione logica coerente.

24-26: Discreta conoscenza e comprensione degli argomenti;
buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.

27-29: Conoscenza e comprensione degli argomenti completa;
notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.

30-30L: Ottimo livello di conoscenza e comprensione degli argomenti;
notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

1. Fisica Generale, primo e secondo volume, Sergio Rosati.
2. Fisica, volume primo e secondo. Paolo Mazzoldi.
3. Fondamenti di Fisica. Halliday-Resnick
4. Introduzione all’Analisi degli Errori. John Taylor.

Codice insegnamento 8068623

Fondamenti Di Programmazione E Laboratorio Calcolo I 1° anno · 9 CFU · INFO-01/A · 0 file

Scopo del corso è quello di introdurre agli studenti il concetto di problema computazionale e di risoluzione automatica, mettendoli in grado di comprendere ed analizzare la struttura di un problema, individuare metodi di…

Scheda dell'insegnamento

Obiettivi formativi

Scopo del corso è quello di introdurre agli studenti il concetto di problema computazionale e di risoluzione automatica, mettendoli in grado di comprendere ed analizzare la struttura di un problema, individuare metodi di risoluzione alternativi, raffrontarli dal punto di vista dell'efficienza, implementarli mediante un opportuno linguaggio di programmazione e valutarne la correttezza.
Gli studenti acquisiranno la conoscenza del linguaggio di programmazione Python e delle strutture di dati ed algoritmi elementari. Svilupperanno la capacità di utilizzare le conoscenze acquisite per scegliere le strutture dati migliori e le soluzioni più efficienti dal punto di vista computazionale per risolvere nuovi problemi; analizzarne l’efficienza e verificarne la correttezza. Sapranno sviluppare la capacità di descrivere informalmente le soluzioni algoritmiche utilizzate e la loro implementazione nel linguaggio di programmazione scelto. Infine saranno in grado di acquisire informazioni supplementari da diverse fonti utili per la risoluzione di un problema.

Programma

Settimana 1
Introduzione all’informatica e a Python: algoritmi, ambiente di sviluppo, print, input, variabili, tipi semplici (int, float, str, bool).

Settimana 2
Operatori e strutture condizionali: aritmetici, logici, relazionali, costrutti if, elif, else, condizioni nidificate.

Settimana 3
Cicli iterativi: for, while, range, break, continue, esercizi pratici.

Settimana 4
Funzioni: definizione, parametri, return, scope delle variabili, modularità.

Settimana 5
Strutture dati: liste (creazione, metodi), tuple, insiemi, dizionari (accesso, modifiche, iterazione).

Settimana 6
Ricorsione: definizione, esempi (fattoriale, potenza, Fibonacci), confronto con iterazione.

Settimana 7
Algoritmi: ricerca lineare e binaria, ordinamento (bubble, selection, insertion), introduzione alla complessità.

Settimana 8
Riepilogo Python: esercizi integrati, mini-problemi, preparazione al passaggio a C.

Settimana 9
Introduzione al C: compilazione, tipi base, printf, scanf, operatori.

Settimana 10
Controllo del flusso e funzioni: if, switch, for, while, funzioni, array statici, passaggio per valore/riferimento.

Settimana 11
Puntatori e memoria dinamica: dichiarazione, uso, array e puntatori, malloc, calloc, free, stringhe.

Settimana 12
Strutture dati in C: liste concatenate (struct, inserimento, cancellazione), dizionari base (array/lista di struct con chiave/valore, hashing semplice), confronto con Python.

Modalità d'esame

La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze e/o inaccuratezza nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
21-23: Conoscenza e comprensione degli argomenti routinaria; capacità di analisi e sintesi corrette con argomentazione logica coerente.
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
30-30L: Ottimo livello di conoscenza e comprensione degli argomenti; notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale per la Lode.

Testi di riferimento

In via di definizione

Codice insegnamento 8068624

Probabilita' I 1° anno · 9 CFU · MATH-03/B · 0 file

OBIETTIVI FORMATIVI: Illustrare i concetti di base del calcolo delle probabilità e i principali metodi di simulazione. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Al termine del corso lo studente avrà acquisito le…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Illustrare i concetti di base del calcolo delle probabilità e i principali metodi di simulazione.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Al termine del corso lo studente avrà acquisito le conoscenze basilari e caratterizzanti il dominio culturale specifico attraverso lezioni teoriche, pratiche ed autoapprendimento. Lo studente acquisirà infine metodi per l'analisi dei fenomeni di tipo aleatorio.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Saper applicare i modelli studiati per risolvere problemi.

AUTONOMIA DI GIUDIZIO: Al temine del corso il discente avrà appreso varie metodologie per il trattamento dei dati in ingresso ma soprattutto una buona capacità di analisi critica dei risultati nella risoluzione di problemi.

ABILITÀ COMUNICATIVE: Lo studente al termine del corso avrà acquisito una buona capacità di comunicare le proprie conoscenze mettendole in evidenza proprio in occasione della prova d'’esame.

CAPACITÀ DI APPRENDIMENTO:Al termine del corso il discente avrà sviluppato quelle capacità di apprendimento che gli permetteranno di avere un accettabile grado di autonomia sulle tecniche statistiche.

Programma

Introduzione e generalità. Spazi di probabilità, assiomi fondamentali, probabilità condizionata, indipendenza, formula di Bayes. (8 ore)
Variabili aleatorie: valore atteso, varianza, densità discreta, funzione di ripartizione. Variabili aleatorie discrete: Bernoulli, Binomiale, Poisson, ipergeometrica, geometrica, binomiale negativa. (20 ore)
Variabili aleatorie continue: funzione di densità. Variabile aleatoria uniforme, esponenziale, Gamma, Gaussiana. (16 ore)
Disuguaglianze fondamentali. Convergenza e teoremi limite: legge dei grandi numeri e teorema del limite centrale. (12 ore)

Tutorati (14 ore)
Simulazione e metodi Monte Carlo. (20 ore)

Modalità d'esame

Le conoscenze degli studenti saranno verificate attraverso una prova scritta strutturata in esercizi, che verteranno sugli argomenti trattati nel corso e in una prova orale per testare la comprensione di alcuni concetti basilari.

La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze e/o inaccuratezza nella conoscenza e comprensione degli argomenti; limitate capacità di analisi, sintesi e autonomia di giudizio.
18-21, lo studente ha acquisito i concetti di base della disciplina.
22-25, lo studente ha acquisito in maniera approfondita i concetti di base della disciplina.
26-29, lo studente possiede un bagaglio di conoscenze completo e ben strutturato. È in grado di applicare e rielaborare in maniera autonoma, senza alcun errore, le conoscenze acquisite.
30 e 30 e lode, lo studente possiede un bagaglio di conoscenze completo e approfondito. Sa applicare conoscenze a casi e problemi complessi ed estenderle a situazioni nuove.

Testi di riferimento

Vedi testi adottati.

Codice insegnamento 8068622

Algebra Lineare E Model Order Reduction 2° anno · 6 CFU · 0 file
Algoritmi E Strutture Dati 2° anno · 9 CFU · 0 file
Analisi Economica 2° anno · 9 CFU · 0 file
Analisi Numerica E Ottimizzazione Numerica 2° anno · 9 CFU · 0 file
Fondamenti Di Programmazione E Laboratorio Calcolo Ii 2° anno · 9 CFU · 0 file
Probabilita' E Statistica Ii 2° anno · 9 CFU · 0 file
Statistica I 2° anno · 9 CFU · 0 file
Algoritmi E Strutture Dati Per Big Data 3° anno · 9 CFU · INFO-01/A · 0 file

OBIETTIVI FORMATIVI: ll corso ha come obiettivi l'apprendimento dei principali metodi e strumenti algoritmici per l'analisi e la gestione efficiente di enormi quantità di dati. In particolare, si studiano ed implementano…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: ll corso ha come obiettivi l'apprendimento dei principali metodi e strumenti algoritmici per l'analisi e la gestione efficiente di enormi quantità di dati. In particolare, si studiano ed implementano modelli dinamici (streaming, avversariali e gerarchici) per la rappresentazione dei dati e la realizzazione di strutture dati che permettono queries di natura statistica/combinatorica in modo efficiente sia come costi di memoria che come tempo di esecuzione. Istanze importanti di queste strutture che si studieranno sono le Locality Hasing Function, il Min-Hashing, la Shingling Technique, i modelli di dati Streaming, il sampling su streaming, gli algoritmi ranodmizzati di counting, e l'algoritmo di page-rank per il WEB. Verranno anche studiati modelli e tecniche parallele su Map-Reduce.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Comprendere questioni e processi complessi attinenti gli aspetti algoritmici e di performance evalutation in Data Mining
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Capacità di applicare modelli e tecniche in contesti applicativi che riguardano diversi sistemi di data mining e information retrieval.
AUTONOMIA DI GIUDIZIO: Sviluppo e training su processi di autovalutazione durante il corso.
ABILITÀ COMUNICATIVE: Sviluppo ed incentivi di tecniche di formalizzazione, comunicazione, sintesi e divulgazione sugli argomenti trattati.

Programma

PART A: Probability and Computing: Randomized Algorithms for Big Data

Basic Notions of Probability (Chapt 1 of [2]) (h4:00)

Verifying Polynomial Identities (Chapt 1.1 of [2]) (h2:00)

Verifying Matrix Multiplications (Chapt. 1.3 of [2]) (h2:00)

Contention Resolutions (Chapt 13 of [3]) (h2:00)

Randomized Quick-Sort (Chapt. 2.5 of [2]) (h2:00)

Randomized Algorithms for Computing the Median ( Chapt 3.4 of [2]) (h2:00)

Randomized Hash Functions, and Hash Tables*, (Chapt 13.6 of [3] vedi anche Section 2.3 in [4]*) (h4:00)

PART B: Data Mining

Data Mining: A Short Overview (Chapt 1 of [1]) (h2:00)

Finding Similar Items (Chapt 3 of [1] + ) (h2:00)

Applications of Set Similarity (h2:00)

Shingling of Documents (h2:00)

Similarity-preserving Summaries of Sets (h2:00)

Locality Sensing Hashing for Documents (h4:00)

Mining Data Streams (Chapt 4 of [1]) (h2:00)

The Stream Data Model (h2:00)

Pattern Matching: Karp-Rabin’s Algorithm (Section 3.1 and 4.1 in [4]) (h2:00)

Sampling Data in a Stream (h2:00)

Filtering Stream (h2:00)

Counting Distinct Elements in a Stream (h2:00)

Estimating Moments of a Stream (h2:00)

Random Walks & Page Rank (h2:00)

Random Walks (Section 4 of [5]) (h1:00)

Page Rank Algorithms for the WEB (Sec 5 of [1]] (h1:00)

Books:

[1] Leskovec, Rajaraman, and Ullamann: Mining of Massive Data Sets

[2] Mitzenmacher and Upfal: Probability and Computing (Cambridge)

[3] Kleinberg and Tardos: Algorithm Design

[4] Nicola Prezza: Algorithms for Massive Data (Notes)

[5] Foundations of Data Science, Avrim Blum, John Hopcroft, Ravindran Kannan

Modalità d'esame

Verifica orale in fase di esame
Domande ed esercizi svolti a lezione
Svolgimento di progetti sia teorici che pratici (sviluppo e sperimentazione SW) - Facoltativo.

Testi di riferimento

1] Leskovec, Rajaraman, and Ullamann: Mining of Massive Data Sets (+ slides in preparazione)

[2] Mitzenmacher and Upfal: Probability and Computing (Cambridge)

[3] Kleinberg and Tardos: Algorithm Design

[4] Nicola Prezza: Algorithms for Massive Data (Notes)

[5] Foundations of Data Science, Avrim Blum, John Hopcroft, Ravindran Kannan 1] Leskovec, Rajaraman, and Ullamann: Mining of Massive Data Sets

Codice insegnamento 8068612

Analisi Di Serie Temporali 3° anno · 6 CFU · 0 file
Econometria (inferenza Causale) 3° anno · 6 CFU · 0 file
Grafi E Complex Networks 3° anno · 9 CFU · 0 file
Information Retrieval 3° anno · 6 CFU · INFO-01/A · 0 file

OBIETTIVI FORMATIVI: Il corso si propone di introdurre lo studente agli scopi, alle principali problematiche e ai principali modelli dell'Information Retrieval CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Lo studente conoscerà…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Il corso si propone di introdurre lo studente agli scopi, alle
principali problematiche e ai principali modelli dell'Information Retrieval

  • CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Lo studente conoscerà le
    principali tematiche per l'Information Retrieval
  • CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Alla fine del corso,
    lo studente sarà in grado di implementare un modello di indicizzazione e ricerca
    dell'Informazione
  • AUTONOMIA DI GIUDIZIO: Lo studente viene abituato a ragionare sui vari
    compromessi (trade-off) che si devono affrontare nella progettazione o
    implementazione di un sistema per la ricerca dell'Informazione.
  • ABILITÀ COMUNICATIVE: Allo studente viene richiesto di presentare alcuni
    argomenti presentati durante il corso al fine di migliorare le proprie capacità di
    esposizione orale. Il corso prevede facoltativamente la realizzazione di alcuni progetti
    che devono essere documentati. I risultati del progetto vengono infatti presentati al
    docente, migliorando così la capacità di esposizione orale.

Programma

OBIETTIVI FORMATIVI: Il corso si propone di introdurre lo studente agli scopi, alle
principali problematiche e ai principali modelli dell'Information Retrieval

  • CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Lo studente conoscerà le
    principali tematiche per l'Information Retrieval
  • CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Alla fine del corso,
    lo studente sarà in grado di implementare un modello di indicizzazione e ricerca
    dell'Informazione
  • AUTONOMIA DI GIUDIZIO: Lo studente viene abituato a ragionare sui vari
    compromessi (trade-off) che si devono affrontare nella progettazione o
    implementazione di un sistema per la ricerca dell'Informazione.
  • ABILITÀ COMUNICATIVE: Allo studente viene richiesto di presentare alcuni
    argomenti presentati durante il corso al fine di migliorare le proprie capacità di
    esposizione orale. Il corso prevede facoltativamente la realizzazione di alcuni progetti
    che devono essere documentati. I risultati del progetto vengono infatti presentati al
    docente, migliorando così la capacità di esposizione orale.

Codice insegnamento 8068604

Introduzione All'intelligenza Artificiale E Machine Learning Con Laboratorio 3° anno · 9 CFU · 0 file
Lingua Inglese (livello B2) 3° anno · 4 CFU · 0 file
Machine Learning 3° anno · 6 CFU · 0 file
Metodi Di Approssimazione Per Big Data 3° anno · 9 CFU · 0 file
Metodi Matematici Per L'ottimizzazione 3° anno · 9 CFU · 0 file
Metodi Matematici Per La Finanza 3° anno · 9 CFU · 0 file
Processi Stocastici E Serie Temporali 3° anno · 9 CFU · 0 file
Prova Finale 3° anno · 5 CFU · 0 file
Topological Data Analysis 3° anno · 9 CFU · 0 file

Recensioni del corso

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

★

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