Vedi tutta l'offerta accademica
Vedi tutti i corsi di laurea doppi
Vedi tutti i Master in Ingegneria
Programmi più cercati
Il progresso della scienza, della tecnologia e dell'innovazione richiede profili in grado di comprendere e modellare i fenomeni più complessi della realtà. La combinazione di Fisica e Matematica è fondamentale in settori come l'energia, l'ingegneria, la ricerca, l'intelligenza artificiale e l'industria aerospaziale. Preparatevi all'UAX per diventare professionisti altamente qualificati e apportare conoscenze e valore fin dal primo giorno.
Perché unisce due discipline fondamentali per comprendere e modellare la realtà, preparandoti ad affrontare sfide scientifiche e tecnologiche complesse in settori chiave.
98% OCCUPAZIONE
Il 98% dei nostri laureati ottiene il primo impiego al termine del corso di laurea.
8800 CONVEGNI
Collaborazione in modo da poter svolgere lo stage nelle migliori aziende del settore.
95% INSEGNANTI ATTIVI
La vostra formazione, allineata alla realtà professionale
La convergenza tra scienza, dati e tecnologia sta determinando una forte domanda di profili STEM dotati di spiccate capacità analitiche e di una visione applicata. Il doppio corso di laurea in Ingegneria Fisica + Matematica ti offre una solida formazione per comprendere, modellare e risolvere problemi complessi, combinando rigore scientifico e applicazione pratica in ambiti quali l’intelligenza artificiale, la scienza dei dati, l’informatica quantistica, l’energia o l’industria tecnologica.
Inoltre, svilupperai competenze strategiche nell’uso dei dati per il processo decisionale e una visione orientata all’innovazione e al contesto imprenditoriale.
Durante il doppio corso di laurea:
Il corso di laurea include il Digital Business Certificate
Tutti i campi sono obbligatori
UAX MAKERS
Realizza progetti concreti con le aziende. Il modello UAX Makers si basa sul lavoro collaborativo degli studenti, che si coordinano per dare risposta a un progetto reale. A tal fine, riuniamo profili provenienti da diversi corsi di laurea, promuovendo la diversità di approcci e il lavoro di squadra come elementi chiave per raggiungere la migliore soluzione possibile.
Uso di tecniche di intelligenza artificiale per prevedere le ore di lavoro in grandi progetti internazionali di ingegneria.
Collaborazione a progetti di solidarietà nel campo della diversità, dell'inclusione e dell'uguaglianza di genere con organizzazioni ampiamente riconosciute.
Utilizzo di tecniche Industry 5.0 per costruire un ambiente analitico per l'elaborazione delle immagini in tempo reale e offrire un'esperienza utente unica nel settore.
Collaborazione alla progettazione e allo sviluppo di un'architettura analitica per ricavare modelli nei dati globali relativi alla cybersicurezza.
Applicazione di modelli matematici e analisi dei dati nella progettazione di una scuola di salute per pazienti e famiglie, migliorando la gestione e la comunicazione nel settore sanitario.
Acquisisci una solida base di conoscenze in Ingegneria Matematica e Fisica, che ti consentirà di intraprendere un percorso professionale in cui lasciare il segno.
Laurea in Ingegneria Matematica + Laurea in Fisica
Primo corso
PRIMO QUART'ANNO
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0142300 | Algebra I | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Algebra ICódigo: C0142300 Imprimir Corso 1. Materia del primo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Questo corso, insieme ad Algebra II, costituisce la materia Algebra. Questa materia, che fa parte del modulo di Formazione di Base del corso di laurea, mira non solo a far conoscere allo studente i principali teoremi fondamentali dell’algebra lineare, ma anche a fargli comprendere il calcolo matriciale da un punto di vista concettuale e a renderlo capace di applicarlo alla risoluzione di problemi tipici dell’ingegneria matematica, costituendo, costituendo quindi la base per altre materie e corsi del corso di laurea, quali, ad esempio, Calcolo Numerico, Ricerca Operativa, Calcolo Stochastico e Intelligenza Artificiale. Prerequisiti Non sono stati stabiliti prerequisiti. Competenze Non applicabile. Risultati di apprendimento RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diversi ambiti della matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. Descrizione dei contenuti 1. SISTEMI DI EQUAZIONI LINEARI. 1.1 Sistemi di equazioni lineari. Tipi. Metodo di Gauss-Jordan. Discussione delle soluzioni. 1.2 Matrici. Classificazione. Trasformazioni elementari, forma normale di Hermite e rango. Operazioni: somma, prodotto per uno scalare e prodotto; traccia; trasposizione; inversione. Proprietà. Matrici regolari. Equivalenza. 1.3 Notazione matriciale dei sistemi di equazioni lineari. Teorema di Rouché-Frobenius. 1.4 Determinanti. Proprietà. Relazione determinante-ranghi-inversione. Determinanti e sistemi di equazioni lineari: regola di Cramer. 2. SPAZI VETTORIALI. 2.1 Spazi vettoriali. Altre proprietà della somma e del prodotto per uno scalare. 2.2 Dipendenza e indipendenza lineare. Proprietà. Sistemi di generatori. Basi. Dimensione. Coordinate di un vettore in una data base. Cambio di coordinate. 2.3 Sottospazi vettoriali. Sottospazi vettoriali di interesse: intersezione, involucro lineare, spazi delle righe e delle colonne di una matrice, soluzioni di un sistema di equazioni lineari omogeneo. Equazioni e dimensione di un sottospazio vettoriale. Somma di sottospazi vettoriali. Formula delle dimensioni. Somma diretta. Spazio vettoriale quoziente. 3. CLASSIFICAZIONE DEGLI ENDOMORFISMI. 3.1 Applicazioni lineari. Proprietà. Tipi. Nucleo e immagine. 3.2 Matrice associata a una applicazione lineare. Relazione con il nucleo e l’immagine; formula delle dimensioni. Cambi di base. 3.3 Operazioni con applicazioni lineari. Proprietà. 3.4 Forme lineari e spazio duale. Base duale. Annullatore di un sottospazio vettoriale. Applicazione lineare trasposta. 4. DIAGONALIZZAZIONE DEGLI ENDOMORFISMI. 4.1 Autovettori e autovalori di un endomorfismo. Polinomi caratteristici e minimi. Moltiplicità algebrica e geometrica. 4.2 Matrici diagonalizzabili. Sottospazi propri. Forma diagonale e base di autovettori. Matrici simmetriche. 4.3 Matrici non diagonalizzabili. Sottospazi propri generalizzati. Sottospazi massimi. Forma canonica e base di Jordan. 4.4 Autovalori e autovettori complessi. Forma canonica e base di Jordan reali. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1 Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventuale definizione di ulteriori requisiti nel relativo programma del corso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso. ---- Il processo di valutazione consisterà nella valutazione del grado di acquisizione, da parte dello studente, dei risultati di apprendimento associati alla materia. SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questa materia sono: SE1 Attività pratiche. SE2 Prove finali di verifica delle conoscenze. SE3 Portfolio. Tali sistemi contribuiscono in misura maggiore o minore alla valutazione dei risultati di apprendimento previsti per questa materia. CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti si concretizzano nei seguenti criteri di valutazione: - Sono previste due sessioni d’esame ufficiali: ordinaria e straordinaria. +++SESSIONE ORDINARIA+++ Il voto finale di questa sessione è la media ponderata di una serie di prove di valutazione descritte di seguito: -- un caso pratico (SE1), con un peso del 30% sul voto finale della sessione ordinaria, che si svolgerà durante il periodo didattico in piccoli gruppi (designati dal coordinatore del corso) e per il quale saranno richieste sia la consegna di esercizi durante lo svolgimento dello stesso, sia la consegna di una relazione e la sua discussione pubblica al termine del periodo didattico. -- un esame (SE3) non liberatorio, che si svolgerà, individualmente, durante il periodo didattico e che avrà un peso del 20% sul voto finale della sessione ordinaria. -- un esame finale (SE2) che si svolgerà, individualmente, durante il periodo d’esame della sessione ordinaria, a gennaio (per ulteriori informazioni, consultare il campus virtuale), in cui vengono valutati tutti i contenuti trattati nel corso e che avrà un peso del 50% sul voto finale della sessione ordinaria. ***** La media ponderata di tutte queste prove di valutazione verrà calcolata esclusivamente se nel voto finale ottenuto è pari o superiore a 4,0 punti su 10. A sua volta, solo gli esami saranno soggetti a revisione. ***** Lo studente avrà superato il corso nella sessione ordinaria se e solo se otterrà un voto finale (media ponderata di tutte le prove di valutazione) pari o superiore a 5,0 su 10. In caso contrario, lo studente potrà superare la materia nella sessione straordinaria. ********** In caso di perdita del diritto alla valutazione continua, lo studente dovrà ottenere un voto di 10,0 su 10,0 nell’esame della sessione ordinaria per poter superare la materia. +++SESSIONE STRAORDINARIA+++ Nel caso in cui non si superi la materia nella sessione ordinaria, lo studente potrà farlo nella sessione straordinaria. Si tratta di un unico esame che si svolgerà durante il periodo d’esami della sessione straordinaria, giugno-luglio (per ulteriori informazioni, consultare il campus virtuale), e in cui vengono valutati tutti i contenuti trattati nel corso. *** La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0. VOTI L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea appartenenti all’ambito dello Spazio europeo dell’istruzione superiore. Tale sistema è il seguente: Il conseguimento dei crediti corrispondenti comporta il superamento degli esami o delle prove di valutazione associate. Il livello di apprendimento raggiunto dagli studenti sarà espresso con voti numerici su una scala da 0 a 10, con un decimale, a cui potrà essere aggiunta la corrispondente valutazione qualitativa: - 0-4,9: Insufficiente (SS). - 5,0-6,9: Promosso (AP). - 7,0-8,9: Buono (NT). - 9,0-10: Eccellente (SB). La menzione «Matrícula de Honor» sarà attribuita agli studenti che abbiano ottenuto un voto pari o superiore a 9,0. Il loro numero non potrà superare il cinque per cento degli studenti iscritti alla materia nel corrispondente anno accademico, salvo nel caso in cui il numero di studenti iscritti sia inferiore a 20, nel qual caso potrà essere concessa una sola «Lode». Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Juan De Burgos Román Algebra e geometria. Definizioni, teoremi e risultati García Maroto Editores. 2010. ISBN: 9788492976942 2.- Luis Merino ed Evangelina Santos Algebra lineare con metodi elementari Paraninfo. 2010. ISBN: 978-84-9732-4 Letteratura complementare: 3.- Gilbert Strang Introduzione all'algebra lineare Wellesley Cambridge Press. 2008. ISBN: 8175968117 4.- Juan De Burgos Román Algebra lineare. 80 problemi utili García Maroto Editores. 2007. ISBN: 9788493601805 Altri: 5.- Eugenio Hernández Algebra lineare e geometria 3ª ed. ADDISON WESLEY. 2012. ISBN: 9788478291298 6.- Jesús Rojo Algebra lineare McGraw-Hill. 2001. ISBN: 8448130162 7.- Jesús Rojo Esercizi e problemi di algebra lineare 2ª ed. McGraw-Hill. 2005. ISBN: 8448198581 8.- Stanley I. Grossman e José Job Flores Algebra lineare McGraw-Hill. 2012. ISBN: 978-607-15-07 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142301 | Analisi statistica | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Analisi statisticaCódigo: C0142301 Imprimir Corso 1. Materia del primo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Fornire allo studente le conoscenze e gli strumenti di base dell'analisi statistica, sia per quanto riguarda la rappresentazione dei dati che, soprattutto, l'inferenza statistica, che gli saranno indispensabili per affrontare gli argomenti correlati nei corsi successivi. Prerequisiti Non sono stati stabiliti prerequisiti. Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi per la risoluzione di problemi matematici e ingegneristici, utilizzando in ciascun caso l’ambiente informatico adeguato. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. Descrizione dei contenuti 1. Elementi dell’analisi dei dati 2. Statistica descrittiva: campioni e distribuzione delle caratteristiche campionarie 3. Distribuzioni di probabilità 4. Variabili casuali 5. Modelli di inferenza statistica. Statistiche e loro proprietà fondamentali 6. Approccio frequentista: stima puntuale, per intervallo e verifica delle ipotesi 7. Approccio bayesiano: distribuzione a posteriori, intervalli credibili e test bayesiani Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventuale definizione di ulteriori requisiti nel relativo programma del corso, in linea generale, la mancata frequenza a oltre il 70% delle attività formative del corso che richiedono la presenza fisica comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso. ---- SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questa materia sono: - SE1: Attività pratiche - SE2: Prove finali di verifica delle conoscenze - SE3: Portfolio CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti si concretizzano nei seguenti criteri di valutazione: - Sono previste due sessioni d’esame ufficiali: ordinaria e straordinaria. +++SESSIONE ORDINARIA+++ Il voto finale di questa sessione è la media ponderata di una serie di prove di valutazione descritte di seguito: -- Consegna degli esercizi (SE3), con un peso del 20% sul voto finale della sessione ordinaria, da svolgersi individualmente o in piccoli gruppi durante il periodo didattico in classe. -- Esame parziale (SE1), da svolgersi individualmente durante il periodo didattico e con un peso del 25% sul voto finale della sessione ordinaria. -- Skill School (SE1), con un peso del 5% sul voto finale della sessione ordinaria. -- Esame finale (SE2) che si svolgerà individualmente durante la sessione ordinaria ufficiale, il cui contenuto comprenderà l’intera materia trattata, e che avrà un peso del 50% sul voto finale della sessione ordinaria, a condizione che il voto minimo superi il 4 su 10. In caso di mancato raggiungimento di tale punteggio, il voto finale del corso sarà «bocciato» nella sessione ordinaria. *** La materia si considera superata nella sessione ordinaria se la valutazione finale è pari o superiore a 5,0. +++SESSIONE STRAORDINARIA+++ Nel caso in cui non si superi la materia nella sessione ordinaria, lo studente potrà farlo nella sessione straordinaria con un peso del 100% e una valutazione di tutti i contenuti. La sessione straordinaria si svolgerà durante il periodo degli esami di luglio (per ulteriori informazioni, consultare il campus virtuale). Consiste in un unico esame in cui vengono valutati tutti i contenuti del corso. *** La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- A. García Pérez Esercizi risolti di statistica di base. Università Nazionale di Formazione a Distanza. 1998. ISBN: 978-84-362-37 2.- J. Gorgas García, N. Cardiel López e J. Zamorano Calvo. Statistica di base per studenti di scienze. Casa editrice UCM. 2011. ISBN: 978-84-691-89 3.- R. Mullor Ibañez Statistica di base I. Introduzione alla statistica. Pubblicazione dell’Università di Alicante. 2017. ISBN: 978-84-9717-4 4.- R. Mullor Ibañez Statistica di base II. Probabilità: variabili casuali. Pubblicato dall’Università di Alicante. 2023. ISBN: 978-84-9717-8 Letteratura complementare: 5.- González Rosales, Alfredo Statistica applicata: Madrid: García-Maroto, D.L. 2009. 2009. ISBN: 9788492976416 6.- Murray Spiegel PROBABILITÀ E STATISTICA 4ª ed.. McGraw-Hill Interamericana de España S.L. 2014. ISBN: 9786071511881 7.- Neuhauser, Claudia Matematica per le scienze 2ª ed. Madrid: Pearson-Prentice Hall, 2004. 2004. ISBN: 9788420542539 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142302 | Strutture algebriche | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Strutture algebricheCódigo: C0142302 Imprimir Corso 1. Materia del primo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Questo corso ha un duplice obiettivo: da un lato, lo studente deve imparare a riconoscere che diversi strumenti matematici hanno una struttura algebrica comune e, pertanto, un funzionamento sostanzialmente identico. D'altro canto, lo studente deve imparare a dimostrare teoremi e proprietà degli oggetti matematici utilizzando il ragionamento astratto. In questo corso, sebbene vengano effettuati alcuni calcoli numerici, tutto ruota attorno all'uso dei simboli e delle loro proprietà. Prerequisiti Non sono stati stabiliti prerequisiti. Competenze Non applicabile. Risultati di apprendimento RC9 - Formulare problemi di ambito professionale, utilizzando il linguaggio matematico, in modo da facilitarne l'analisi e la risoluzione. TIPO: Competenze. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale, nonché la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diversi ambiti della matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. Descrizione dei contenuti Gruppi: 1) Definizione di gruppo e proprietà 2) Esempi: congruenze, permutazioni, matrici, dihedrico, il prodotto diretto 3) Sottogruppi 4) Teorema di Lagrange 5) Sottogruppi normali. Gruppo quoziente 6) Omomorfismi di gruppi 7) Teoremi di isomorfismo Anelli 1) Definizione di anello e proprietà 2) Sottoanelli e ideali 3) Omomorfismi di anelli 4) L'anello dei polinomi in una variabile, con coefficienti in un corpo Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventualità che nel programma del corso possa essere definito un altro requisito, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso. ---- La valutazione continua prevede i seguenti voti: 1) Verranno proposti alcuni esercizi relativi al programma del corso, oppure verrà assegnato un elaborato in cui approfondire un argomento trattato durante il corso. Questi contribuiranno per il 10% 2) a metà corso si terrà una verifica scritta Questo voto inciderà per il 40% 3) Si svolgerà l’esame ufficiale della materia, sessione ordinaria, in forma scritta e relativo ai contenuti del corso. Questo voto varrà il 50%. In nessun caso il superamento delle verifiche esonera dallo studio del materiale oggetto di questo esame finale. La valutazione continua può essere persa in due casi: 1) se la frequenza alle lezioni non supera o non raggiunge il 70% 2) se il voto dell’esame ufficiale non supera o non raggiunge il 4 Gli studenti che, per qualsiasi motivo, perdano la valutazione continua, sosterranno l’esame ufficiale con un peso del 100% Per maggiore chiarezza, si noti che, anche se la valutazione continua non viene persa per motivi di frequenza, ottenere un voto inferiore a 4 nell’esame ufficiale comporta la bocciatura alla materia Nella sessione straordinaria non verrà preso in considerazione alcun voto precedente. Si sosterrà un unico esame su tutto il programma del corso. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- E. Bujalance, J. Etayo, J.M. Gamboa Anelli e corpi commutativi UNED. 2002. ISBN: 8436244486 2.- E. Bujalance, J. Etayo, J.M. Gamboa Teoria elementare dei gruppi UNED. 2002. ISBN: 8436244362 3.- J. Dorronsoro, E. Hernández Numeri, gruppi e anelli Addison Wesley, UAM. 1996. ISBN: 0201653958 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142303 | Fondamenti di programmazione e informatica | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fondamenti di programmazione e informaticaCódigo: C0142303 Imprimir Corso 1. Materia del primo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi - Comprendere i concetti di base della programmazione: gli studenti saranno in grado di comprendere i fondamenti della programmazione, compresa la logica algoritmica e l'uso delle strutture di controllo. - Sviluppare competenze in Python: ci si aspetta che gli studenti imparino a programmare efficacemente in Python, applicando i principi della programmazione orientata agli oggetti e altre tecniche fondamentali. - Risolvere problemi utilizzando la programmazione: gli studenti dovranno essere in grado di progettare algoritmi e scrivere codice per risolvere problemi computazionali di varia natura. - Applicare le buone pratiche di codifica: gli studenti acquisiranno conoscenze sulla scrittura di codice pulito, efficiente e modulare, seguendo gli standard e le buone pratiche del settore. - Promuovere il pensiero logico e analitico: attraverso il corso, gli studenti svilupperanno le competenze necessarie per affrontare problemi complessi in modo strutturato ed efficiente. - Sviluppare progetti applicando i concetti di programmazione: gli studenti saranno in grado di integrare le conoscenze acquisite in progetti di programmazione che risolvano problemi reali o simulati, utilizzando tecniche di progettazione e sviluppo software. - Conoscere e valutare i diversi tipi di sistemi di archiviazione e il modo in cui influenzano le prestazioni di un sistema informatico. - Introduzione all’architettura dei computer e dei microprocessori. Prerequisiti Non sono stati stabiliti prerequisiti. Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi per la risoluzione di problemi matematici e ingegneristici, utilizzando in ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze pratiche. Descrizione dei contenuti Questo corso è progettato per introdurre gli studenti ai concetti fondamentali della programmazione e della logica computazionale, con un’attenzione specifica al linguaggio di programmazione Python e al linguaggio SQL. Python e SQL sono ampiamente utilizzati nel settore grazie alla loro sintassi semplice e alla loro leggibilità, il che li rende un’ottima scelta per i principianti. Nel corso del programma, verranno appresi concetti essenziali quali strutture di controllo, tipi di dati, funzioni e gestione dei file. Verranno inoltre trattati i principi di progettazione algoritmica e le buone pratiche di codifica. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.2 Workshop e laboratori. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventualità che nel programma del corso possa essere definito un requisito diverso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso. ---- Sessione ordinaria: 1) Partecipazione e frequenza + risoluzione dei casi pratici (50%): a) Frequenza regolare alle lezioni e alle attività in programma. b) Partecipazione attiva alle discussioni e ai dibattiti. c) Esecuzione corretta e completa dei casi pratici. d) In caso di ULAB, questa viene valutata come un esame parziale. 2) Esame finale (50%): esame nella sessione ordinaria, che comprenderà il 50% di domande teoriche e il 50% di casi pratici. Il calcolo del voto finale nella sessione ordinaria sarà subordinato al raggiungimento di un voto minimo di 4,0 su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività e le prove di valutazione, anche qualora alcune di esse risultino non superate. Nel caso in cui il voto ottenuto nell’esame finale sia inferiore a 4,0 punti su 10, il voto finale sarà quello ottenuto in tale esame. Sessione straordinaria (100% esame): - Nella sessione straordinaria, la valutazione si baserà esclusivamente su un esame che coprirà tutti i contenuti del corso. - L’esame avrà un peso del 100% nella valutazione finale. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Al Sweigart Automate the Boring Stuff with Python, 3a edizione: Programmazione pratica per principianti assoluti No Starch Press. 2025. ISBN: 1718503407 2.- Charles Russell Severance Python per tutti: Esplorare le informazioni con Python 3 Pubblicazione indipendente. 2020. ISBN: 9798633985566 3.- Eric Matthes Python Crash Course, 3ª edizione: un'introduzione alla programmazione pratica e basata su progetti No Starch Press. 2023. ISBN: 1718502702 4.- F. Cuesta Introduzione alla programmazione con Python Marcombo. 2019. ISBN: 978-842673616 5.- John M. Zelle Programmazione in Python: un'introduzione all'informatica Franklin, Beedle & Associates. 2024. ISBN: 1590282973 6.- John V. Guttag Introduzione alla computazione e alla programmazione con Python, terza edizione: con applicazioni alla modellazione computazionale e alla comprensione dei dati The MIT Press. 2021. ISBN: 0262542366 7.- Mark Lutz Imparare Python O'Reilly Media. 2013. ISBN: 1449355730 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142304 | Fondamenti matematici dell'ingegneria I | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fondamenti matematici dell'ingegneria ICódigo: C0142304 Imprimir Corso 1. Materia del primo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Al termine del corso, lo studente sarà in grado di comprendere e utilizzare correttamente il linguaggio e la notazione matematica, esprimendo con rigore concetti, ragionamenti e risultati. Inoltre, sarà in grado di analizzare funzioni reali, determinarne il dominio e identificarne le principali proprietà. Lo studente sarà in grado di calcolare i limiti e di studiare la continuità e la derivabilità delle funzioni, nonché di interpretare il significato della derivata e di calcolarla mediante le tecniche appropriate. Potrà inoltre applicare la derivazione allo studio delle funzioni, ai problemi di approssimazione e alla risoluzione di problemi di ottimizzazione. Sarà in grado di rappresentare e analizzare graficamente le funzioni, giustificando matematicamente le loro caratteristiche principali a partire da proprietà quali l’insieme di definizione, la continuità, la monotonia, i punti estremi e il comportamento della funzione. Allo stesso modo, sarà in grado di analizzare la convergenza di successioni e serie, applicando i concetti e le procedure corrispondenti, e di operare con i numeri complessi, comprendendone sia il trattamento algebrico sia l’interpretazione e la rappresentazione geometrica. In modo trasversale, lo studente svilupperà la capacità di risolvere problemi matematici in modo autonomo e ragionato, selezionando le procedure adeguate, argomentando i passaggi effettuati e verificando la coerenza dei risultati ottenuti. Prerequisiti Non sono stati stabiliti prerequisiti. Competenze Lo studente acquisirà la capacità di utilizzare il ragionamento matematico e il linguaggio formale per formulare, analizzare e risolvere problemi, impiegando correttamente la notazione e argomentando in modo rigoroso le procedure e i risultati ottenuti. Svilupperà competenze per analizzare le funzioni reali e comprenderne il comportamento, identificando domini, proprietà, limiti, continuità e derivabilità, nonché per utilizzare gli strumenti del calcolo differenziale nello studio e nella rappresentazione delle funzioni. Sarà in grado di applicare tecniche di derivazione a problemi di carattere pratico, specialmente in situazioni di approssimazione, analisi della variazione e ottimizzazione, selezionando la procedura matematica più adeguata in funzione del problema posto. Acquisirà competenze per analizzare successioni e serie e studiarne la convergenza, nonché per lavorare con i numeri complessi, gestendone le diverse forme di rappresentazione e comprenderne l’interpretazione geometrica. Infine, svilupperà competenze trasversali relative alla risoluzione autonoma dei problemi, al pensiero analitico e critico e alla capacità di astrazione, imparando a formulare strategie di risoluzione, a giustificare le decisioni adottate e a verificare la coerenza dei risultati. Risultati di apprendimento Quello che ti serve è redigerli per la tua guida didattica mantenendo il criterio UAX, ma rendendoli un po’ più chiari e valutabili; io li formulerei così: RA1. Distinguere, interpretare e operare correttamente con i diversi insiemi numerici, compresi i numeri reali e complessi. RA2. Analizzare successioni e serie numeriche, applicandone le principali proprietà e i criteri per determinarne il comportamento e la convergenza. RA3. Analizzare le funzioni reali utilizzando i concetti e i teoremi fondamentali relativi a limiti, continuità e derivabilità. RA4. Calcolare e interpretare le derivate utilizzando le tecniche adeguate e applicarle allo studio e alla rappresentazione delle funzioni. RA5. Applicare le conoscenze e gli strumenti dell’analisi matematica alla formulazione e alla risoluzione ragionata di problemi relativi all’ingegneria. Descrizione dei contenuti Argomento 1. Funzioni reali di variabile reale. Numeri reali, intervalli, disequazioni e valore assoluto. Concetto di funzione, dominio e immagine. Proprietà delle funzioni, composizione e funzione inversa. Funzioni elementari e coniche. Argomento 2. Limiti e continuità. Concetto e calcolo dei limiti delle funzioni. Limiti laterali, infiniti e all’infinito. Indeterminazioni ed equivalenze. Continuità e principali tipi di discontinuità. Argomento 3. Derivazione. Concetto e interpretazione della derivata. Regole fondamentali di derivazione, regola della catena e derivate successive. Derivate laterali, differenziale e approssimazione lineare. Argomento 4. Tecniche di calcolo dei limiti. Metodi per la risoluzione di limiti e indeterminate. Regola di L’Hôpital, infiniti e infinitesimi equivalenti e approssimazioni mediante sviluppi elementari. Argomento 5. Applicazioni della derivata. Studio della monotonia, degli estremi, della concavità e dei punti di flesso. Teoremi fondamentali del calcolo differenziale e risoluzione di problemi di ottimizzazione. Argomento 6. Rappresentazione grafica delle funzioni. Studio globale delle funzioni mediante dominio, intervallo, intersezioni con gli assi, segno, simmetrie e asintoti. Analisi della variazione e rappresentazione grafica. Argomento 7. Successioni di numeri reali. Concetto di successione, monotonia, limitazione e convergenza. Calcolo dei limiti delle successioni, successioni ricorrenti e principio di induzione matematica. Argomento 8. Serie numeriche e di potenze. Concetto e convergenza delle serie. Principali criteri di convergenza, serie alternate e convergenza assoluta. Serie di potenze e sviluppi di Taylor e Maclaurin. Argomento 9. Numeri complessi. Rappresentazione e operazioni con numeri complessi in forma binomiale, polare ed esponenziale. Potenze e radici, formula di De Moivre e formula di Eulero. Introduzione al logaritmo complesso e ai luoghi geometrici. Attività formative AP1. Lezioni frontali. AP2. Lezioni dinamiche. AP3.1 Elaborazione di progetti e risoluzione di sfide. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Il voto finale del corso nella sessione ordinaria sarà calcolato in base ai seguenti sistemi di valutazione: Il voto finale sarà calcolato applicando la seguente ponderazione: 50% del voto ottenuto nella valutazione continua e 50% del voto ottenuto nell’esame finale. Per superare il corso sarà necessario ottenere un voto finale pari o superiore a 5,0 su 10 e un voto minimo di 4,0 su 10 nell’esame finale. La media ponderata sarà calcolata indipendentemente dal voto ottenuto nella valutazione continua. Tuttavia, per superare il corso dovrà essere soddisfatto il requisito del voto minimo stabilito per l’esame finale. Per conservare il voto relativo alla valutazione continua, lo studente dovrà dimostrare una frequenza minima del 70%. Qualora non si raggiunga tale percentuale, il voto della valutazione continua sarà pari a 0 punti, pur mantenendo la ponderazione stabilita per il calcolo del voto finale. +++SESSIONE STRAORDINARIA+++ Nel caso in cui non si sia superato il corso nella sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo d’esami di luglio (per ulteriori informazioni, consultare il Calendario Accademico). Consiste in un unico esame in cui vengono valutati tutti i contenuti del corso. *** La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0. VOTI L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea che rientrano nell’ambito dello Spazio Europeo dell’Istruzione Superiore. Tale sistema è il seguente: Il conseguimento dei crediti corrispondenti comporta il superamento degli esami o delle prove di valutazione associati. Il livello di apprendimento raggiunto dagli studenti sarà espresso con voti numerici su una scala da 0 a 10, con un decimale, a cui potrà essere aggiunta la corrispondente valutazione qualitativa: - 0-4,9: Insufficiente (SS). - 5,0-6,9: Promosso (AP). - 7,0-8,9: Buono (NT). - 9,0-10: Eccellente (SB). Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Fondamentale: 1.- Michael Spivak Calcolo infinitesimale 2ª ed. Reverté. 1988. ISBN: 8429151362 Complementare: 2.- Roland E. Larson, Robert P. Hostetler, Bruce H. Edwards Calcolo e geometria analitica (volume 1) McGraw-Hill. 2010. ISBN: 8448122291 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142602 | Fondamenti di fisica I | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fondamenti di fisica ICódigo: C0142602 Imprimir Corso 1. Materia del primo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi L'obiettivo del corso è fornire allo studente gli strumenti necessari per affrontare i problemi fondamentali del campo della fisica (contesto storico, cinematica, dinamica, energia e teoremi associati, sistemi a più particelle), in modo da consentirgli di acquisire le basi necessarie per i corsi successivi. Prerequisiti Non sono stati soddisfatti i prerequisiti. Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RS3 Stimare gli ordini di grandezza per interpretare i fenomeni di laboratorio nel campo della Fisica e delle sue discipline, oltre che in Chimica. RS4 Applicare i metodi matematici e numerici nella modellizzazione e nella risoluzione esplicita di problemi di fisica e delle discipline affini, selezionando gli strumenti appropriati e interpretando i risultati. RS5 Utilizzare strumenti elettronici e/o strumenti informatici adeguati nella modellizzazione per la ricerca di soluzioni a problemi fisici. Risultati di apprendimento RA1 Identifica i principi fisici rilevanti e, se necessario, effettua semplificazioni e utilizza stime di ordini di grandezza al fine di modellare e risolvere problemi pratici. RA2 Padroneggia con disinvoltura concetti fondamentali quali particella e campo, forza, lavoro, ecc., per una corretta descrizione dei sistemi fisici. RA3 Applica in modo adeguato le leggi di Newton alla risoluzione di problemi relativi alle particelle e ai sistemi di particelle, nonché al moto oscillatorio. RA4 Conosce le unità del Sistema Internazionale e le assegna correttamente a ciascuna delle grandezze fisiche studiate, nonché altre unità comunemente utilizzate nel campo della fisica. RC1 Sviluppare un lavoro in modo autonomo nella gestione di progetti relativi alle diverse aree della fisica Descrizione dei contenuti - Argomento 1: Introduzione storica. - Argomento 2: Cinematica della particella e tipi di movimento. - Argomento 3: Dinamica della particella e cause del movimento. - Argomento 4: Lavoro, energia e teoremi correlati. - Argomento 5: Sistemi di particelle. Geometria delle masse. - Argomento 6: Cinematica del solido rigido - Argomento 7: Dinamica del solido rigido Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 50 2,78 100 AP2.- Seminari o lezioni di applicazione pratica 30 1,67 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 72 2 50 AP4.- Lavoro autonomo 180 0 0 AP5.- Tutoraggio 36 0,6 30 AP6.- Verifiche di conoscenza 8 0,44 100 AP10.- Attività in laboratori e/o aule pratiche 74 4,11 100 TOTALE 450 11,60 Sistema e criteri di valutazione Il processo di valutazione consisterà nella verifica e nella valutazione dell’acquisizione delle competenze da parte dello studente. SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questo corso sono: - SE1: Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.). - SE2: Prove finali di verifica delle conoscenze. - SE3: Quaderno delle esercitazioni di laboratorio CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti si concretizzano nei seguenti criteri di valutazione. Sono previste due sessioni d’esame ufficiali: ordinaria e straordinaria. +++SESSIONE ORDINARIA+++ Il voto finale di questa sessione è la media ponderata di una serie di prove di valutazione descritte di seguito: - Attività pratiche (SE1) 30% del voto finale: Esame parziale fissato in anticipo (20%) + Consegna degli esercizi (10%). - Prove finali di conoscenza (SE2) 50% del voto finale: esame finale della sessione ordinaria in cui vengono valutati tutti i contenuti del corso. - Quaderno delle esercitazioni di laboratorio (SE3) 20% del voto finale. Relazione finale sulle esercitazioni di metrologia svolte nel mese di novembre. Affinché venga presa in considerazione la valutazione continua (composta dalle Attività pratiche (SE1) e dal Quaderno delle esercitazioni di laboratorio (SE3)), gli studenti dovranno ottenere un voto pari o superiore a 4,0/10 nell’esame finale della sessione ordinaria. In caso contrario, il voto finale corrisponderà direttamente a quello ottenuto in tale esame. Inoltre, affinché lo studente possa beneficiare dei vantaggi della valutazione continua, gli sarà richiesta una frequenza minima del 70% alle ore di lezione in programma (SESSIONE, LAVORO). Qualora la frequenza fosse inferiore al 70%, la materia potrà essere superata, tramite un unico esame, in una sessione ufficiale (ordinaria o straordinaria). Nella sessione ordinaria, il peso di tale esame sarà, in conformità al sistema di valutazione “SE2.- Prove finali di conoscenza”, riportato nella relazione per la richiesta di verifica del titolo di studio, pari al 60%, il che significa che uno studente che abbia perso il diritto alla valutazione continua potrà ottenere, al massimo, un voto di 6,0 su 10 in tale sessione; per superare la materia, dovrà ottenere un voto all’esame pari a 8,34 su 10. La materia si considera superata nella sessione ordinaria se il voto ottenuto seguendo le indicazioni precedenti è pari o superiore a 5,0. +++SESSIONE STRAORDINARIA+++ Nel caso in cui non si sia superato il corso nella sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo degli esami di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). - Il 100% del voto finale della materia nella sessione straordinaria corrisponde all’esame finale di tale sessione, in cui vengono valutati tutti i contenuti della materia. La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0. VOTI L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea appartenenti all’ambito dello Spazio europeo dell’istruzione superiore. Tale sistema è il seguente: L’ottenimento dei crediti corrispondenti comporta il superamento degli esami o delle prove di valutazione associati. Il livello di apprendimento raggiunto dagli studenti sarà espresso con voti numerici su una scala da 0 a 10, con un decimale, a cui potrà essere aggiunta la corrispondente valutazione qualitativa: - 0-4,9: Insufficiente (SS). - 5,0-6,9: Promosso (AP). - 7,0-8,9: Buono (NT). - 9,0-10: Eccellente (SB). La menzione «Matrícula de Honor» sarà attribuita agli studenti che abbiano ottenuto un voto pari o superiore a 9,0. Il loro numero non potrà superare il cinque per cento degli studenti iscritti alla materia nel corrispondente anno accademico, salvo nel caso in cui il numero di studenti iscritti sia inferiore a 20, nel qual caso potrà essere concessa una sola «Lode». Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 36 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SECONDO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0142305 | Algebra II | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Algebra IICódigo: C0142305 Imprimir Corso 1. Materia del secondo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Questo corso, insieme ad Algebra I, costituisce la materia Algebra. Questa materia, che fa parte del modulo di Formazione di Base del corso di laurea, mira non solo a far conoscere allo studente i principali teoremi fondamentali dell’algebra lineare, ma anche a fargli comprendere il calcolo matriciale da un punto di vista concettuale e a renderlo capace di applicarlo alla risoluzione di problemi tipici dell’ingegneria matematica, costituendo, costituendo così la base per altre materie e corsi del corso di laurea, quali, ad esempio, Calcolo Numerico, Ricerca Operativa, Calcolo Stochastico e Intelligenza Artificiale. Prerequisiti Sebbene non siano stati stabiliti prerequisiti, è consigliabile aver frequentato (in precedenza) il corso di Algebra I o un altro corso con risultati di apprendimento simili. Competenze Non applicabile. Risultati di apprendimento RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diversi ambiti della matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. Descrizione dei contenuti 1. FORME QUADRATICHE: CONCETTO E CLASSIFICAZIONE. 1.1 Forme bilineari. Proprietà. Matrice associata. Cambio di base. Forme bilineari simmetriche e antisimmetriche. Degenerazione e definizione positiva. 1.2 Forme quadratiche. Forma polare di una forma quadratica. Matrice associata. Coniugazione. Segnatura. Classificazione. Diagonalizzazione per congruenza. Criterio di Sylvester. 2. SPAZI VETTORIALI EUCLIDEI. 2.1 Prodotto scalare. Proprietà. Matrice associata (di Gram). Cambio di base. 2.2 Angolo tra due vettori. Ortogonalità. Distanza tra due vettori. Proiezione ortogonale. Complemento ortogonale di un sottospazio vettoriale. 2.3 Basi ortogonali e ortonormali. Algoritmo di Gram-Schmidt. Cambio di coordinate tra basi ortonormali: matrici ortogonali. 2.4 Prodotto vettoriale. 3. SPAZI AFINI E EUCLIDEI AFINI. 3.1 Spazi affini. Sistemi di riferimento e coordinate. Cambio di sistema di riferimento. 3.2 Varietà affini. Varietà affini di interesse: varietà affine generata da un insieme di punti, intersezione. Equazioni e dimensione di una varietà affine. Somma di varietà affini. 3.3 Posizioni relative tra varietà affini. Proiezione ortogonale di un punto su una varietà affine. Distanza di un punto da una varietà affine. Distanza tra varietà affini. Problemi metrici in spazi affini euclidei bi- e tridimensionali. 4. CONICHE, QUADRICHE E MOVIMENTI. 4.1 Sezioni coniche. Equazioni generale e ridotta di una conica. Matrice associata: classificazione. Calcolo degli elementi geometrici. Invarianti metrici ed equazione ridotta delle coniche. 4.2 Quadriche. Equazioni generale e ridotta di una quadrica. Matrice associata: classificazione. Invarianti metrici e classificazione per invarianti delle quadriche. 4.3 Applicazioni affini e movimenti. Esempi. Espressione matriciale. Movimenti rigidi. Punti fissi e varietà invarianti. Classificazione dei movimenti rigidi negli spazi affini euclidei bi- e tridimensionali. Attività formative AP1. Lezioni frontali. AP2. Lezioni dinamiche. AP3.1 Elaborazione di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventuale definizione di ulteriori requisiti nel relativo programma del corso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso. ---- Il processo di valutazione consisterà nella valutazione del grado di acquisizione, da parte dello studente, dei risultati di apprendimento associati alla materia. SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questa materia sono: SE1 Attività pratiche. SE2 Prove finali di verifica delle conoscenze. SE3 Portfolio. Tali sistemi contribuiscono in misura maggiore o minore alla valutazione dei risultati di apprendimento previsti per questa materia. CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti si concretizzano nei seguenti criteri di valutazione: - Sono previste due sessioni d’esame ufficiali: ordinaria e straordinaria. +++SESSIONE ORDINARIA+++ Il voto finale di questa sessione è la media ponderata di una serie di prove di valutazione descritte di seguito: -- un caso pratico (SE1), con un peso del 30% sul voto finale della sessione ordinaria, che si svolgerà durante il periodo didattico in piccoli gruppi (designati dal coordinatore del corso) e per il quale saranno richieste sia la consegna di esercizi durante lo svolgimento dello stesso, sia la consegna di una relazione e la sua discussione pubblica al termine del periodo didattico. -- un esame (SE3) non liberatorio, che si svolgerà, individualmente, durante il periodo didattico e che avrà un peso del 20% sul voto finale della sessione ordinaria. -- un esame finale (SE2) che si svolgerà, individualmente, durante il periodo d’esame della sessione ordinaria, a gennaio (per ulteriori informazioni, consultare il campus virtuale), in cui vengono valutati tutti i contenuti trattati nel corso e che avrà un peso del 50% sul voto finale della sessione ordinaria. ***** La media ponderata di tutte queste prove di valutazione verrà calcolata esclusivamente se nel voto finale ottenuto è pari o superiore a 4,0 punti su 10. A sua volta, solo gli esami saranno soggetti a revisione. ***** Lo studente avrà superato il corso nella sessione ordinaria se e solo se otterrà un voto finale (media ponderata di tutte le prove di valutazione) pari o superiore a 5,0 su 10. In caso contrario, lo studente potrà superare la materia nella sessione straordinaria. ********** In caso di perdita del diritto alla valutazione continua, lo studente dovrà ottenere un voto di 10,0 su 10,0 nell’esame della sessione ordinaria per poter superare la materia. +++SESSIONE STRAORDINARIA+++ Nel caso in cui non si superi la materia nella sessione ordinaria, lo studente potrà farlo nella sessione straordinaria. In questa sessione è prevista un’unica prova di valutazione, consistente in un esame che si terrà durante il periodo degli esami della sessione straordinaria, giugno-luglio (per ulteriori informazioni, consultare il campus virtuale), e in cui saranno valutati tutti i contenuti trattati nel corso. ***** Il corso sarà considerato superato nella sessione straordinaria se il voto ottenuto in tale esame è pari o superiore a 5,0 su 10,0. VOTI L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea appartenenti all’ambito dello Spazio Europeo dell’Istruzione Superiore. Tale sistema è il seguente: L’ottenimento dei crediti corrispondenti comporta il superamento degli esami o delle prove di valutazione associati. Il livello di apprendimento raggiunto dagli studenti sarà espresso con voti numerici su una scala da 0 a 10, con un decimale, a cui potrà essere aggiunta la corrispondente valutazione qualitativa: - 0-4,9: Insufficiente (SS). - 5,0-6,9: Promosso (AP). - 7,0-8,9: Buono (NT). - 9,0-10: Eccellente (SB). La menzione «Matrícula de Honor» sarà attribuita agli studenti che abbiano ottenuto un voto pari o superiore a 9,0. Il loro numero non potrà superare il cinque per cento degli studenti iscritti alla materia nel corrispondente anno accademico, salvo nel caso in cui il numero di studenti iscritti sia inferiore a 20, nel qual caso potrà essere concessa una sola «Lode». Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Juan De Burgos Román Algebra e geometria. Definizioni, teoremi e risultati García Maroto Editores. 2010. ISBN: 9788492976942 2.- Luis Merino ed Evangelina Santos Algebra lineare con metodi elementari Paraninfo. 2010. ISBN: 978-84-9732-4 Letteratura complementare: 3.- Gilbert Strang Introduzione all'algebra lineare Wellesley Cambridge Press. 2008. ISBN: 8175968117 4.- Juan De Burgos Román Algebra lineare. 80 problemi utili García Maroto Editores. 2007. ISBN: 9788493601805 Altri: 5.- Eugenio Hernández Algebra lineare e geometria 3ª ed. ADDISON WESLEY. 2012. ISBN: 9788478291298 6.- Jesús Rojo Algebra lineare McGraw-Hill. 2001. ISBN: 8448130162 7.- Jesús Rojo Esercizi e problemi di algebra lineare 2ª ed. McGraw-Hill. 2005. ISBN: 8448198581 8.- Stanley I. Grossman e José Job Flores Algebra lineare McGraw-Hill. 2012. ISBN: 978-607-15-07 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142306 | Strutture dati e algoritmi I | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Strutture dati e algoritmi ICódigo: C0142306 Imprimir Corso 1. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Gli obiettivi di questo corso sono: 1) Comprendere la funzione e l’importanza delle strutture dati: - Riconoscere l’importanza di scegliere e progettare strutture dati adeguate per ottimizzare le prestazioni dei programmi. - Distinguere tra diverse categorie di strutture (lineari, non lineari, dinamiche, ecc.) e i loro campi di applicazione. 2) Progettare, implementare e manipolare le strutture dati fondamentali: - Conoscere e gestire strutture di base quali array, liste, pile, code, alberi e grafi. - Implementare operazioni essenziali (inserimento, eliminazione, percorrenza, ricerca) garantendo robustezza e chiarezza nel codice. 3) Analizzare la complessità computazionale degli algoritmi: - Calcolare e confrontare la complessità temporale e spaziale di diverse operazioni e algoritmi. - Utilizzare la notazione Big O per stimare le prestazioni delle soluzioni e proporre miglioramenti. 4) Applicare metodologie di risoluzione di problemi algoritmici: - Impiegare tecniche quali la ricorsività, il metodo "divide et impera" o il backtracking nella risoluzione dei problemi. - Selezionare la strategia algoritmica più adeguata in base al tipo di problema e alle risorse disponibili. 5) Sviluppare competenze di programmazione e buone pratiche: - Utilizzare uno stile di programmazione chiaro, modulare e ben documentato. - Eseguire test e verifiche (testing) per garantire la correttezza e l’affidabilità delle implementazioni. 6) Promuovere il pensiero critico e la capacità decisionale: - Valutare diversi approcci alla progettazione di strutture e algoritmi per individuare l’opzione più efficiente. - Giustificare la scelta di una struttura o di un algoritmo sulla base dei requisiti funzionali, dei vincoli di tempo e di spazio e dei possibili casi d’uso. 7) Promuovere la capacità di apprendimento autonomo e di lavoro di squadra: - Partecipare alla risoluzione collaborativa dei progetti, scambiando idee e revisionando il codice in modo costruttivo. - Continuare ad ampliare le conoscenze sulle strutture dati e sugli algoritmi consultando la bibliografia e le risorse esterne. Prerequisiti Si raccomanda di aver frequentato (in precedenza) il corso «Fondamenti di programmazione e informatica» o un altro corso con competenze e risultati di apprendimento simili. Competenze Non applicabile. Risultati di apprendimento RC3 - Applicare programmi che risolvano problemi matematici e ingegneristici, utilizzando in ogni caso l’ambiente informatico adeguato. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a requisiti temporali o economici rigorosi. TIPO: Competenze. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale, nonché la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. Descrizione dei contenuti 1. Introduzione all’efficienza degli algoritmi - Concetti di base della complessità computazionale: nozioni di Big O, Big Theta e Big Omega. Valutazione dell’efficienza in termini di tempo (operazioni) e spazio (memoria). - Analisi dei casi: caso peggiore, caso medio e caso migliore. Esempi pratici di algoritmi semplici (ricerca lineare, ricerca binaria) in Python per illustrare i concetti. - Introduzione all’ottimizzazione: identificazione dei colli di bottiglia nel codice Python e tecniche iniziali di ottimizzazione. 2. Tipo astratto di dati (TAD) - Definizione di TAD: comprensione dell’astrazione dei dati attraverso operazioni definite (creazione, inserimento, eliminazione, ricerca, ecc.), indipendentemente dall’implementazione sottostante. - Esempi di TAD in Python: uso di classi, metodi e incapsulamento per creare TAD che rappresentino entità comuni (ad esempio, numeri complessi, frazioni, polinomi). 3. TAD lineari e associativi - TAD lineari: liste, pile e code. Analisi delle loro operazioni fondamentali, della complessità e dell’applicazione in diversi contesti ingegneristici. - Implementazione in Python: liste (list), code e pile tramite collections.deque. - TAD associativi: tabelle hash (dizionari in Python) e insiemi (set). Analisi delle collisioni, delle funzioni hash e della complessità media e nel caso peggiore. - Esempi pratici: implementazione di strutture personalizzate (pile e code specifiche), valutazione delle prestazioni rispetto alle strutture predefinite di Python. 4. Strutture dati ad albero - Concetti di base: alberi generici, binari, binari di ricerca, alberi bilanciati (AVL, Red-Black), ecc. - Operazioni fondamentali: inserimento, eliminazione, percorrenza (inorder, preorder, postorder), ricerca e ribilanciamento. - Implementazione in Python: rappresentazione di nodi e puntatori, uso delle classi per incapsulare la logica. Analisi dei casi d’uso più frequenti (sistemi di file, organizzazione gerarchica dei dati). 5. TAD Grafo - Rappresentazione dei grafi: matrice di adiacenza e liste di adiacenza. Vantaggi e svantaggi di ciascun approccio. - Percorsi e algoritmi di base: ricerca in larghezza (BFS) e ricerca in profondità (DFS). Applicazioni alle reti, alle mappe e alla risoluzione di problemi di percorso. - Introduzione ad algoritmi più avanzati: percorsi minimi (Dijkstra, Floyd-Warshall), alberi di espansione minima (Kruskal, Prim), a seconda dell’ambito del corso. - Implementazione in Python: uso di dizionari e liste per rappresentare la struttura dei grafi, insieme a funzioni che eseguono i percorsi e i calcoli. 6. Strutture dati su disco - Archiviazione persistente: concetto di strutture nella memoria secondaria (file, database, ecc.) e loro impatto sull’efficienza. - Introduzione agli indici e agli alberi su disco: B-tree, B+tree. Differenze rispetto alle strutture nella memoria principale e motivazione della loro progettazione. - Approccio pratico in Python: utilizzo di librerie e formati di archiviazione (ad esempio, sqlite3, pickle) per illustrare come gestire i dati al di fuori della memoria principale. 7. Applicazione delle strutture dati alla risoluzione dei problemi - Integrazione dei contenuti: sviluppo di piccoli progetti o casi di studio che richiedano la selezione e l’implementazione di diverse strutture dati, analizzandone le prestazioni con input di diverse dimensioni. - Ottimizzazione e rifattorizzazione: pratiche di miglioramento del codice, profilazione degli algoritmi in Python (ad esempio, con la libreria cProfile) e giustificazione delle modifiche apportate. - Lavoro collaborativo: utilizzo del controllo di versione (Git) e di semplici metodologie agili (Scrum, Kanban) per la realizzazione dei progetti. Attività formative AP1. Lezioni frontali. AP2. Lezioni dinamiche. AP3.1. Sviluppo di progetti e risoluzione di sfide. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventualità che nel programma del corso possa essere definito un altro requisito, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso. ---- SESSIONE ORDINARIA Nella sessione ordinaria, la valutazione oggettiva dell’apprendimento dello studente avverrà tramite valutazione continua. Per poter accedere alla valutazione continua è necessario, come indicato in precedenza, aver frequentato almeno il 70% delle sessioni in presenza (sia teoriche che pratiche). La ponderazione delle attività di valutazione continua è distribuita come segue: a) Esercitazione 1 (7,5%). Criteri di valutazione: - Corretta implementazione delle strutture dati di base (liste, pile, code, alberi) trattate in classe. - Organizzazione e chiarezza del codice, compreso l’uso appropriato delle funzioni e delle buone pratiche di programmazione. - Documentazione del codice (docstring e commenti) che spieghi la logica delle operazioni di base (inserimento, eliminazione, ricerca) e delle strutture dati scelte. - Efficienza delle operazioni (analisi di base della complessità temporale e/o spaziale). b) Esercitazione 2 (7,5%). Criteri di valutazione: - Impiego di tecniche avanzate o strutture più complesse (alberi bilanciati, tabelle hash, grafi, ecc.), giustificando la scelta in base alle esigenze del problema proposto. - Corretta organizzazione e modularità del codice (separazione dei ruoli e utilizzo di modelli adeguati). - Convalida della soluzione (test di funzionalità, test unitari) e verifica della corretta implementazione delle strutture. - Pulizia, manutenibilità e leggibilità del codice. c) Esercitazione finale (15%). Criteri di valutazione: - Integrazione delle diverse strutture dati e degli algoritmi studiati nel corso del semestre (ad es. ricerca e percorrenza nei grafi, algoritmi di ordinamento, strutture gerarchiche). - Progettazione di una soluzione efficiente e scalabile che affronti un problema più complesso, applicando strategie di ottimizzazione e una scelta adeguata di strutture/algoritmi. - Qualità della documentazione del progetto (README dettagliato, guide all’uso, riferimenti ai concetti teorici). - Presentazione dei risultati (test di prestazione, confronto delle complessità tra diversi approcci e valutazione della scalabilità con dimensioni di input crescenti). d) Esame parziale non liberatorio (30%). Criteri di valutazione: - Comprensione dei fondamenti delle strutture dati lineari e non lineari (liste, pile, code, alberi, grafi). - Capacità di progettare e proporre soluzioni algoritmiche di base, giustificando la scelta della struttura dati appropriata. - Conoscenza teorica della complessità delle operazioni elementari (inserimento, cancellazione, ricerca) e delle loro implicazioni sulle prestazioni. - Risoluzione di problemi ed esercizi brevi incentrati sulla corretta applicazione di strutture e algoritmi per casi d’uso semplici. e) Esame finale dell’intero corso (40%). Si tratta dell’esame di sessione ordinaria, in cui vengono valutati tutti i contenuti trattati durante il semestre. Criteri di valutazione: - Padronanza completa delle strutture dati e degli algoritmi trattati nel corso: teoria, applicazione, ottimizzazione e scelta adeguata in base al contesto. - Capacità di analizzare la complessità computazionale (temporale e spaziale) e di identificare possibili colli di bottiglia nell’implementazione delle strutture. - Applicazione di modelli di progettazione o buone pratiche nella risoluzione di problemi più complessi. - Domande sia concettuali che pratiche, con particolare attenzione all’identificazione e al confronto di diversi approcci algoritmici e alla loro ottimizzazione. IMPORTANTE: il calcolo della media tra le esercitazioni, l’esame parziale e l’esame finale avverrà solo se in ciascuna di queste attività di valutazione il voto è pari o superiore a 4,0 su 10,0. In caso di perdita della valutazione continua a causa di una frequenza inferiore al 70% non giustificata, il voto finale del corso nella sessione ordinaria sarà pari al 40% di quello ottenuto nell’esame finale. SESSIONE STRAORDINARIA Nella sessione straordinaria, la valutazione oggettiva dell’apprendimento dello studente avverrà tramite un unico esame, relativo all’intero corso, il cui peso nella valutazione finale sarà, pertanto, pari al 100%. Criteri di valutazione: L’esame consisterà in domande teoriche e pratiche sull’intero programma, che comprenderà: - Concetti fondamentali sulle strutture dati di base e avanzate (liste, code, pile, alberi, grafi, tabelle hash). - Tecniche di progettazione e analisi degli algoritmi (ricorsività, divide et impera, greedy, ecc.). - Casi d’uso delle strutture in problemi comuni (ordinamento, ricerca, percorsi nei grafi, ecc.). - Valutazione della complessità e giustificazione delle scelte progettuali. - Verranno valutate la solidità concettuale, la capacità di risolvere problemi complessi e la chiarezza nella giustificazione delle soluzioni proposte. - Per superare il corso è necessario ottenere un voto minimo di 5 su 10. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Michael T. Goodrich, Roberto Tamassia, Michael H. Goldwasser Data Structures and Algorithms in Python Wiley. 2013. ISBN: 978-1-118-293 2.- Walter Bel Algoritmi e strutture dati in Python Casa editrice UADER. 2020. ISBN: 978-950-9581- Complementare: 3.- Mariona Nadal Strutture dati e algoritmi Anaya Multimedia. 2022. ISBN: 978-84-415-45 Altri: 4.- Kent D. Lee e Steve Hubbard Strutture dati e algoritmi con Python Springer. 2015. ISBN: 978-331913071 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142307 | Fondamenti fisici dell'ingegneria | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fondamenti fisici dell'ingegneriaCódigo: C0142307 Imprimir Corso 1. Materia del secondo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi La progettazione di circuiti elettrici e, in particolare, di circuiti logici, che rendono possibili l'elaborazione, l'archiviazione e la trasmissione delle informazioni, è fondamentale sia nell'informatica classica che in quella quantistica. Tale progettazione si basa non solo sulle applicazioni pratiche dell’elettromagnetismo, ma anche e soprattutto sull’utilizzo di dispositivi a semiconduttori, ovvero l’implementazione tecnologica della fisica dello stato solido, una branca della fisica della materia condensata che a sua volta attinge a sua volta, di altre branche della fisica come la meccanica quantistica. Attraverso questo corso, che rientra nella materia Fisica appartenente al modulo di Formazione di Base del corso di laurea, viene effettuata un’analisi dettagliata dei fondamenti fisici dell’elettronica computazionale, nonché dei circuiti logici di base, con l’obiettivo di fornire allo studente una migliore comprensione dell’informatica. Prerequisiti Non sono stati stabiliti prerequisiti per questa materia. Competenze Non applicabile. Risultati di apprendimento RK1 - Conoscere i concetti di base dell'elettromagnetismo e della teoria dei circuiti per la risoluzione di problemi tipici dell'ingegneria. TIPO: Conoscenze o contenuti. Descrizione dei contenuti o Argomento 1: Introduzione. o Argomento 2: Campo elettrostatico. o Argomento 3: Campo magnetostatico. o Argomento 4: Induzione elettromagnetica; circuiti elementari in corrente continua e in corrente alternata. o Argomento 5: Dispositivi a semiconduttori. o Argomento 6: Circuiti logici. o Argomento 7: Fondamenti dei circuiti integrati. o Argomento 8: Circuiti sequenziali e combinatori. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.2 Workshop e laboratori. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventualità che nel programma del corso possa essere definito un altro requisito, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso. ---- Il processo di valutazione consisterà nel valutare il grado di acquisizione, da parte dello studente, delle competenze associate al corso. SESSIONE ORDINARIA Nella sessione ordinaria, la valutazione oggettiva dello studente consisterà in un processo di valutazione continua e in un esame finale. La valutazione continua comprenderà le seguenti prove: • Portfolio: di natura individuale, con un peso del 10% sul voto finale. Consisterà nella risoluzione di diversi problemi nel corso del periodo didattico. • Esame parziale: avrà un peso del 30% sul voto finale. Il suo svolgimento non ridurrà né eliminerà contenuti dall’esame finale. La data sarà comunicata con il dovuto anticipo. Per quanto riguarda l’esame finale, si tratta dell’esame di sessione ordinaria, nel quale saranno valutati tutti i contenuti del corso. Il suo peso sul voto finale sarà pari al 60%. La media ponderata verrà calcolata solo se il voto della valutazione continua e quello dell’esame finale sono, in entrambi i casi, pari o superiori a 4,0. Il voto della valutazione continua risulterà dalla ponderazione del portfolio e dell’esame parziale. Inoltre, solo gli esami potranno essere oggetto di revisione." Affinché lo studente possa beneficiare della valutazione continua, sarà richiesta una frequenza minima del 70% alle ore di lezione in programma (SESSIONE, LAVORO). Nel caso in cui la frequenza sia inferiore al 70% senza giusta causa, il corso dovrà essere superato tramite un esame finale in una sessione ufficiale (ordinaria o straordinaria). Nella sessione ordinaria, il voto finale corrisponderà al 60% di quello ottenuto in tale esame. La materia si considera superata nella sessione ordinaria quando il voto finale è pari o superiore a 5,0. SESSIONE ORDINARIA Nella sessione straordinaria, la valutazione oggettiva dello studente consisterà in un unico esame che coprirà tutti i contenuti del corso, con un peso del 100 % sul voto finale. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Antonio M. Criado e Fabián Frutos Introduzione ai fondamenti fisici dell'informatica Paraninfo. 1999. ISBN: 8428326061 2.- Wolfgang Bauer e Gary D. Westfall Fisica per l'ingegneria e le scienze (volume 2) McGraw-Hill. 2011. ISBN: 978-607-15-05 Letteratura complementare: 3.- Hugh D. Young e Roger A. Freedman (Francis Sears e Mark Zemansky) Fisica universitaria (volume 2) 12ª ed. Addison-Wesley. 2009. ISBN: 9780321501219 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142308 | Fondamenti matematici dell'ingegneria II | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fondamenti matematici dell'ingegneria IICódigo: C0142308 Imprimir Corso 1. Materia del secondo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Questo corso, che insieme a Fondamenti matematici dell'ingegneria I costituisce la materia Analisi matematica I, appartenente al modulo di Formazione di base del corso di laurea, ha come obiettivo quello di fornire le basi dell’integrazione di Riemann in una dimensione, nonché di approfondire lo studio delle serie di potenze e il concetto di approssimazione polinomiale delle funzioni. Prerequisiti Sebbene non siano stati stabiliti prerequisiti, è consigliabile aver frequentato (in precedenza) il corso «Fondamenti matematici dell’ingegneria I» o un altro corso con competenze e risultati di apprendimento simili. Competenze Non applicabile. Risultati di apprendimento RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diversi ambiti della matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. Descrizione dei contenuti Argomento 0. Funzioni elementari Argomento 1. Integrale di Riemann. Argomento 2. Tecniche di integrazione. Argomento 2. Tecniche di integrazione. Argomento 4. Approssimazione polinomiale delle funzioni: Teorema di Taylor. Argomento 5. Serie e successioni. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1 Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventuale definizione di ulteriori requisiti nel relativo programma del corso, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso. ---- Il sistema di valutazione della SESSIONE ORDINARIA è il seguente: - Valutazione continua (50%): + Consegna degli esercizi (10%). + Prove di gruppo (20%). + Esame parziale non liberatorio (20%). - Esame finale (50%): si tratta dell’esame del ciclo ordinario, in cui viene valutata l’intera materia. Per poter calcolare la media con la valutazione continua, è richiesto un voto minimo di 4,0 su 10,0 in questo esame. In questo caso, la media viene calcolata anche se la valutazione continua è stata non superata. In caso di perdita della valutazione continua a causa di una frequenza inferiore al 70% non giustificata, il voto finale del corso nella sessione ordinaria sarà pari al 50% di quello ottenuto nell’esame finale. Il sistema di valutazione della SESSIONE STRAORDINARIA consiste in quanto segue: - Esame sull’intera materia (100%). Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Fondamentale: 1.- Michael Spivak Calcolo infinitesimale 2ª ed. Reverté. 1988. ISBN: 8429151362 Complementare: 2.- Roland E. Larson, Robert P. Hostetler, Bruce H. Edwards Calcolo e geometria analitica (volume 1) McGraw-Hill. 2010. ISBN: 8448122291 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142309 | Logica e matematica discreta | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Logica e matematica discretaCódigo: C0142309 Imprimir Corso 1. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Sebbene il programma di questo corso comprenda diversi argomenti indipendenti tra loro, gli obiettivi sono praticamente gli stessi per ciascun argomento. Essi sono: - Saper dimostrare con rigore e utilizzando la logica. - Saper utilizzare insiemi discreti quali i numeri interi, le congruenze modulo n o i grafi. Prerequisiti Non sono stati stabiliti prerequisiti. Competenze Non applicabile. Risultati di apprendimento RC9 - Formulare problemi di ambito professionale, utilizzando il linguaggio matematico, in modo da facilitarne l'analisi e la risoluzione. TIPO: Competenze. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale, nonché la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diversi ambiti della matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. Descrizione dei contenuti Per adattare al meglio i contenuti alla durata del corso, questi sono stati suddivisi in quattro grandi temi o blocchi: 1) Teoria degli insiemi: si introducono la logica formale, l’algebra di Boole e le relazioni binarie. 2) I numeri interi: risolvere equazioni con numeri interi utilizzando l’algoritmo di Euclide ed eseguire operazioni modulo n. 3) Combinatoria: variazioni, permutazioni e combinazioni con e senza ripetizione. 4) Teoria dei grafi: si studiano 3 problemi: quando due grafi sono uguali?, quando un grafo è piano?, inclusa la formula di Eulero e, infine, si studiano i percorsi euleri e hamiltoniani. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di sfide. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventualità che nel programma del corso possa essere definito un altro requisito, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedono la presenza fisica o virtuale dello studente, comporterà la perdita del diritto alla valutazione continua nella sessione ordinaria. In tal caso, l’esame da sostenere nel periodo ufficiale stabilito dall’Università costituirà l’unico criterio di valutazione con la percentuale corrispondente secondo il programma del corso. ---- SESSIONE ORDINARIA Verrà effettuata una valutazione continua consistente in una verifica al termine di ciascuno dei 4 blocchi di contenuti, ciascuno dei quali inciderà per il 10% sul voto finale del corso nella sessione ordinaria. In nessun caso le verifiche comportano l’esonero dallo studio della materia. Al termine del periodo di lezioni, si terrà l’esame della sessione ordinaria (esame finale), con un peso del restante 60%. Questo esame è globale e riguarda l’intero corso. Inoltre, per calcolare la media con la valutazione continua è necessario ottenere un minimo di 4,0 su 10,0 in tale esame. In questo caso, la media viene calcolata anche se la valutazione continua è stata giudicata insufficiente. In caso di perdita della valutazione continua a causa di una frequenza inferiore al 70% non giustificata, il voto finale del corso nella sessione ordinaria sarà pari al 60% di quello ottenuto nell’esame finale. SESSIONE STRAORDINARIA Nella sessione straordinaria, il voto finale della materia corrisponderà a quello ottenuto nell’esame di tale sessione, nel quale saranno valutati tutti i contenuti trattati. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- José Dorronsoro, Eugenio Hernández Numeri, gruppi e anelli Addison-Wesley / UAM. 1996. ISBN: 0201653958 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142608 | Fondamenti di chimica | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fondamenti di chimicaCódigo: C0142608 Imprimir Corso 1. Materia del secondo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Gli obiettivi proposti nel corso di "Fondamenti di Chimica" relativo al Corso di Laurea in Fisica rispettano l'effettiva parità tra donne e uomini, come stabilito dalla Legge Organica 3/2207 del 22 marzo, i principi di pari opportunità, non discriminazione e accessibilità universale delle persone con disabilità, come stabilito dalla Legge 51/2203 del 2 dicembre, e promuovono l’educazione alla pace, alla non violenza e ai diritti umani, come previsto dalla Legge 27/2005 del 30 novembre. Gli obiettivi specifici proposti per il corso di «Fondamenti di Chimica» sono i seguenti: Fornire una formazione scientifica, con particolare attenzione alla chimica, che consenta di affrontare lo studio delle materie tecnologiche. Garantire l’acquisizione di competenze e abilità trasversali che consentano e potenzino l’applicazione delle conoscenze acquisite. Sviluppare la capacità di innovazione e di divulgazione dei risultati scientifici. Stimolare la necessità di mantenere un impegno etico sia professionale che sociale. Prerequisiti Nessun prerequisito. Competenze RK2 Comprendere fenomeni di natura fisica diversa e le loro analogie sottostanti per l’applicazione di soluzioni già note a nuovi problemi RS2 Eseguire calcoli, valutazioni, studi, relazioni e attività per svolgere un lavoro di qualità nel campo della Fisica. RS3 Stimare gli ordini di grandezza per interpretare i fenomeni di laboratorio nel campo della Fisica e delle sue discipline, nonché in Chimica. Risultati di apprendimento RA1 Elencare a livello di base i principi che spiegano le proprietà fisico-chimiche della materia. RA2 Formula e nomina composti inorganici semplici. RA3 Descrivere i principali meccanismi coinvolti in una reazione chimica, identificare diversi tipi di reazione, essere in grado di determinare le quantità delle sostanze reagenti e utilizzare i potenziali termodinamici per caratterizzare energeticamente la reazione. RA4 Determina i meccanismi responsabili dell’equilibrio chimico e spiega come agiscono i parametri da cui esso dipende. RA5 Determina l’acidità di un mezzo. RA6 Identifica alcuni dei principali gruppi funzionali organici e ne determina le reazioni chimiche più importanti. RA7 Analizza, valuta e interpreta i risultati ottenuti nella risoluzione dei problemi. Descrizione dei contenuti - Atomi e legame chimico. Formulazione e nomenclatura inorganiche. Forze intermolecolari. - Stati di aggregazione della materia e diagramma di fase. Fondamenti di termochimica. Miscele. Soluzioni. - Reazione chimica: meccanismi e velocità; stechiometria. - Equilibrio chimico: costanti; principio di Le Chatelier. Equilibrio di solubilità. Acidi e basi. - Reazioni di ossidazione-riduzione ed elettrochimica. Introduzione alla chimica organica. - Reazioni di ossidazione-riduzione ed elettrochimica. Introduzione alla chimica organica. Attività formative AP1.- Lezioni frontali partecipative AP2.- Seminari o lezioni di applicazione pratica AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) AP4.- Lavoro autonomo AP5.- Tutoraggio AP6.- Verifiche delle conoscenze AP10.- Attività in laboratori e/o aule pratiche Sistema e criteri di valutazione SESSIONE ORDINARIA Entrambe le parti, Chimica e Fisica: stesso sistema di valutazione. Per superare l’esame, la media ponderata di entrambe le parti deve essere pari a 5 (con un voto minimo di 4 in ciascuna di esse per il calcolo della media). NON SARÀ POSSIBILE OTTENERE L’ESONERO DALLA MATERIA TRAMITE ESAMI PARZIALI. A) VALUTAZIONE CONTINUA con attività di gruppo - 15% esercitazioni pratiche. Voto minimo di 5,0 punti per superare l’esame. - 10%: primo esame parziale, considerato come un compito di gruppo - 5% attività in classe (attività di gruppo sul campus virtuale) - 5% esame di formulazione di chimica inorganica - 5% esame di formulazione di chimica organica B) ESAME FINALE - Due parti (Chimica e Fisica) - Lo studente dovrà sostenere l’esame ordinario relativo alla parte di Chimica e a quella di Fisica. - Qualora non sia stato superato l’esame di laboratorio relativo a una delle formulazioni di chimica organica o inorganica, sarà possibile recuperarlo anche in occasione di questo esame finale. - Ai fini del calcolo del voto finale verrà mantenuto il voto ottenuto nelle attività del corso. SESSIONE STRAORDINARIA Nell’esame finale della sessione straordinaria verrà valutata l’intera materia (Chimica, Fisica e Laboratorio) e il voto di questo esame corrisponderà al 100% del voto finale della materia. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142609 | Tecniche sperimentali di base | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tecniche sperimentali di baseCódigo: C0142609 Imprimir Corso 1. Materia del secondo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Eseguire misurazioni di laboratorio seguendo protocolli prestabiliti che prevedano la taratura degli strumenti, la stima delle incertezze sistematiche e casuali individuando strategie per la loro eliminazione, l'acquisizione dei dati e il loro trattamento matematico. Stabilire i protocolli di misurazione, in particolare quelli relativi alla sicurezza dell’operatore. Redigere relazioni relative ai processi di misurazione, all’analisi dei risultati e alle conclusioni ottenute. Prerequisiti Nessun prerequisito. Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RS3 Stimare gli ordini di grandezza per interpretare i fenomeni di laboratorio nel campo della Fisica e delle sue discipline, oltre che in Chimica. RS4 Applicare i metodi matematici e numerici nella modellizzazione e nella risoluzione esplicita di problemi di fisica e delle discipline affini, selezionando gli strumenti appropriati e interpretando i risultati. RS5 Utilizzare strumenti elettronici e/o strumenti informatici adeguati nella modellizzazione per la ricerca di soluzioni a problemi fisici. RC1 Svolgere in modo autonomo attività di gestione di progetti relativi alle diverse aree della fisica Risultati di apprendimento RA9 Esegue misurazioni di laboratorio seguendo protocolli prestabiliti che comportano la calibrazione degli strumenti, la stima delle incertezze sistematiche e casuali identificando strategie di eliminazione, l’acquisizione dei dati e il loro trattamento matematico. RA10 Segue i protocolli di misurazione, in particolare quelli relativi alla sicurezza dello sperimentatore. RA11 Redige relazioni relative ai processi di misurazione, all’analisi dei risultati e alle conclusioni ottenute. Descrizione dei contenuti - Natura dei fenomeni fisici e loro misurazione. - Elaborazione dei dati sperimentali e calcolo degli errori. - Esercitazioni di laboratorio di fisica generale relative ai corsi «Fondamenti di fisica I» e «Fondamenti di fisica II» Attività formative AP1.- Lezioni frontali partecipative AP2.- Seminari o lezioni di applicazione pratica AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) AP4.- Lavoro autonomo AP5.- Tutoraggio AP6.- Verifiche delle conoscenze AP10.- Attività in laboratori e/o aule pratiche Sistema e criteri di valutazione Sessione ordinaria MOLTO IMPORTANTE: affinché lo studente possa beneficiare della valutazione continua nella sessione ordinaria, è richiesta una frequenza minima del 70% alle ore di lezione in programma (SESSIONE, LAVORO). Sistema di valutazione Ponderazione SE1.- Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) 10 SE2.- Prove finali di verifica delle conoscenze (con un minimo di 4/10 per poter calcolare la media con gli altri sistemi di valutazione) 50 SE3.- Quaderno delle esercitazioni di laboratorio (lo studente deve consegnare le schede fornite relative alle esercitazioni svolte per la loro valutazione) 40 Sessione straordinaria Il voto finale del corso corrisponderà al 100% del voto ottenuto in questo esame |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 42 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Secondo anno
PRIMO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0242300 | Calcolo differenziale | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Calcolo differenzialeCódigo: C0242300 Imprimir Corso 2. Materia. Primo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Questo corso, che insieme a Calcolo integrale costituisce la materia Analisi matematica II, appartenente al modulo di Formazione di base del corso di laurea, mira non solo a far conoscere allo studente i principali teoremi relativi al calcolo differenziale delle funzioni a più variabili, ma anche a fargli comprendere il calcolo differenziale da un punto di vista concettuale e a renderlo capace di applicarlo alla risoluzione di problemi tipici dell’ingegneria. Prerequisiti Non sono stati stabiliti, sebbene sia vivamente raccomandabile aver frequentato (in precedenza) i corsi «Fondamenti matematici dell’ingegneria I e II» o altri corsi con competenze e risultati di apprendimento simili. Competenze Non applicabile. Risultati di apprendimento RC9 - Formulare problemi di un contesto professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diverse aree della Matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. Descrizione dei contenuti Il corso comprende i seguenti argomenti: Argomento 1. Concetti topologici di ℝ^n. Argomento 2. Limiti e continuità delle funzioni a più variabili. Argomento 3. Derivate direzionali e parziali. Differenziabilità. Argomento 4. Derivate di ordine superiore. Argomento 5. Estremi delle funzioni a più variabili. Argomento 6. Teoremi della funzione inversa e implicita. Argomento 7. Estremi condizionati. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1 Sviluppo di progetti e risoluzione di sfide. AP4. Studio individuale, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Il sistema di valutazione nel CICLO ORDINARIO consiste nella valutazione continua, che ha un peso del 50%, e in un esame finale, che ha un peso del 50%. - Valutazione continua (50%) + Esame parziale (30%). + Prove di gruppo (20%). - Esame finale (50%). È richiesto un voto minimo di 4 per poter calcolare la media con la valutazione continua. Se non si raggiunge il voto minimo, verrà assegnato il voto ottenuto nell’esame finale. Nella SESSIONE STRAORDINARIA l’esame finale avrà un peso del 100%. VALUTAZIONI L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea che rientrano nell’ambito dello Spazio europeo dell’istruzione superiore. Tale sistema è il seguente: Il conseguimento dei crediti corrispondenti comporta il superamento degli esami o delle prove di valutazione associate. Il livello di apprendimento raggiunto dagli studenti sarà espresso con voti numerici su una scala da 0 a 10, con un decimale, a cui potrà essere aggiunta la corrispondente valutazione qualitativa: - 0-4,9: Insufficiente (SS). - 5,0-6,9: Superato (AP). - 7,0-8,9: Buono (NT). - 9,0-10: Eccellente (SB). La menzione «Matrícula de Honor» sarà attribuita agli studenti che abbiano ottenuto un voto pari o superiore a 9,0. Il loro numero non potrà superare il cinque per cento degli studenti iscritti alla materia nel corrispondente anno accademico, salvo nel caso in cui il numero di studenti iscritti sia inferiore a 20, nel qual caso potrà essere concessa una sola «Lode». Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Jerrold E. Marsden Elementary Classical Analysis W. H. Freeman and Company. 1974. ISBN: 0716721058 Complementare: 2.- Jerrold E. Marsden, Anthony J. Tromba Calcolo vettoriale 3ª ed. Addison-Wesley Iberoamericana. 1991. ISBN: 0201629356 Altri: 3.- James R. Munkres Analisi sulle varietà Addison-Wesley. 1991. ISBN: 0201315963 4.- Michael Spivak Calcolo sulle varietà Addison-Wesley. 1971. ISBN: 9780805390216 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242301 | Equazioni differenziali ed equazioni alle differenze | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Equazioni differenziali ed equazioni alle differenzeCódigo: C0242301 Imprimir Anno accademico 2. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Questo corso mira a contribuire allo sviluppo delle competenze dello studente e, in particolare, a familiarizzarlo con le diverse tecniche di risoluzione analitica delle equazioni differenziali ordinarie e delle equazioni alle differenze più importanti. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è vivamente consigliabile aver frequentato o stare frequentando i corsi di calcolo a una e più variabili reali. Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi per la risoluzione di problemi matematici e ingegneristici, utilizzando in ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze. RC9 - Formulare problemi di ambito professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diverse aree della matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. Descrizione dei contenuti - Metodi di risoluzione delle equazioni differenziali ordinarie (EDO): concetti di base e classificazione delle EDO. Equazioni a variabili separabili, equazioni esatte e fattore integratore. - Equazioni differenziali di primo ordine ed equazioni lineari di ordine superiore. - Sistemi di equazioni differenziali di primo ordine: sistemi lineari omogenei e non omogenei. - Equazioni differenziali e sistemi non lineari. Teoria della stabilità. - Trasformata di Laplace e applicazioni alle equazioni differenziali. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione SE1.- Attività pratiche – 20% • Comprende la consegna quotidiana da parte del docente di domande e problemi non risolti in classe. SE2.- Prove finali di verifica delle conoscenze – 50% • Esame finale scritto: vengono valutati tutti i contenuti del corso SE3.- Portfolio – 30% • Esame parziale fissato in anticipo (20%) • Esercizi da consegnare proposti dal docente (10%) Criteri di valutazione: La valutazione del corso avverrà in modo continuo e finale, attraverso una combinazione di attività pratiche, prove di conoscenza e la realizzazione di un portfolio. In questo modo, si intende valutare sia l’acquisizione delle competenze teoriche sia l’applicazione pratica dei contenuti, nonché il progresso individuale dello studente nel corso dell’anno accademico. SE1 Attività pratiche Valutazione del livello di raggiungimento dei risultati di apprendimento (in termini di conoscenze, abilità e attitudini) ottenuti attraverso lo svolgimento di attività pratiche individuali e di gruppo (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.) sulla base di rubriche di valutazione e strumenti di osservazione precedentemente elaborati e resi noti dal docente. SE3 Portfolio Vengono valutate le prove dell’apprendimento (di conoscenza, prestazione o prodotto) dello studente raccolte in un dossier, una cartella o un portfolio nel corso del corso, con l’intento di spiegare e riflettere sull’apprendimento realizzato. Nel peso che assegniamo al portfolio saranno inclusi gli esami di valutazione continua (quelli svolti durante il periodo delle lezioni). SE2 Prove finali di conoscenza Esami scritti volti a valutare la comprensione dei concetti teorici fondamentali e la capacità di applicare i metodi di risoluzione delle equazioni differenziali in diversi contesti. Le prove parziali non avranno carattere liberatorio, pertanto l’esame finale comprenderà la totalità dei contenuti trattati nel corso. L’esame si svolge, senza possibilità di deroga, nella data stabilita dall’Università per la sessione ordinaria (campus virtuale). Il voto finale del corso sarà ottenuto mediante la ponderazione dei tre sistemi di valutazione sopra indicati. +++SESSIONE ORDINARIA+++ Il calcolo del voto finale nella sessione ordinaria sarà subordinato al raggiungimento di un voto minimo di 4,0 punti su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività e prove di valutazione, anche qualora una di esse risulti non superata. Nel caso in cui il voto ottenuto nell’esame finale sia inferiore a 4,0 punti su 10, il voto finale sarà quello ottenuto in tale esame. +++SESSIONE STRAORDINARIA+++ Nel caso in cui non si sia superato il corso durante la sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo degli esami di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). Il 100% del voto finale della materia nella sessione straordinaria corrisponde all’esame finale di tale sessione, in cui vengono valutati tutti i contenuti della materia. La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Dennis G. Zill Equazioni differenziali con applicazioni alla modellizzazione Cengage Learning. 2019. ISBN: 6075266313 2.- Frank Ayres, Jr. Equazioni differenziali McGraw-Hill. 1996. ISBN: 970 10 0004 8 3.- M. Braun Equazioni differenziali e loro applicazioni Gruppo Editoriale Iberoamerica. 1983. ISBN: 968 7270 58 6 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242302 | Statistica applicata / Applied Statistics | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Statistica applicata / Applied StatisticsCódigo: C0242302 Imprimir Anno accademico 2. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Il corso ha lo scopo di fornire agli studenti le basi e gli strumenti statistici necessari per la progettazione e l'analisi degli esperimenti, la modellizzazione delle relazioni tra variabili mediante tecniche di regressione e l'effettuazione di inferenze statistiche multivariate. Si intende inoltre sviluppare la capacità di applicare metodi statistici all’analisi e al controllo dei processi, nonché allo studio delle serie temporali, identificandone le principali componenti, le tendenze e le variazioni stagionali. Si intende che lo studente sia in grado di selezionare e applicare tecniche statistiche adeguate a diversi problemi di analisi dei dati, interpretare i risultati ottenuti e utilizzare modelli statistici per la stima e la previsione, contribuendo alla risoluzione di problemi tipici dell’Ingegneria Matematica. ------------------------- Il corso mira a fornire agli studenti le basi e gli strumenti statistici necessari per la progettazione e l’analisi degli esperimenti, la modellizzazione delle relazioni tra variabili mediante tecniche di regressione e l’esecuzione di inferenze statistiche multivariate. Mira inoltre a sviluppare la capacità degli studenti di applicare metodi statistici all’analisi e al controllo dei processi, nonché allo studio delle serie temporali, individuandone le componenti principali, le tendenze e le variazioni stagionali. Gli studenti dovranno essere in grado di selezionare e applicare tecniche statistiche appropriate a diversi problemi di analisi dei dati, interpretare i risultati ottenuti e utilizzare modelli statistici per la stima e la previsione, contribuendo così alla soluzione dei problemi che si presentano nel campo dell’Ingegneria Matematica. Prerequisiti Non sono stati definiti prerequisiti, sebbene sia fondamentale aver frequentato (in precedenza) il corso di Analisi statistica o un altro corso con competenze e risultati di apprendimento simili./Non sono stati stabiliti prerequisiti; tuttavia, è essenziale che gli studenti abbiano precedentemente completato il corso di Analisi statistica o un altro corso con competenze e risultati di apprendimento simili. Competenze Non applicabile./Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati/ Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze./ TIPO: Competenze. RC3 - Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato/ Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze./TYPE: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica/ Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica. TIPO: Competenze./TYPE: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici./ Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RC9 - Formulare problemi in un contesto professionale utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione./ Formulare problemi in un contesto professionale utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze./TYPE: Competenze. RK3 - Comprendere i concetti di statistica e inferenza statistica in grandi insiemi di dati./ Comprendere i concetti di statistica e inferenza statistica in grandi insiemi di dati. TIPO: Conoscenze o contenuti./ TIPO: Conoscenze o contenuti. RK4 - Comprendere le dimostrazioni rigorose di alcuni teoremi classici in diversi ambiti della matematica/ Comprendere le dimostrazioni rigorose di alcuni teoremi classici in diversi ambiti della matematica. TIPO: Conoscenze o contenuti./TYPE: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per formulare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti/ To use mathematical language to formulate propositions in various fields and to construct proofs for the given problems. TIPO: Abilità o competenze./TYPE: Skills. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti/ Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Competenze o abilità./TYPE: Skills. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Competenze o abilità./TYPE: Skills. RS5 - Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi/ Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi. TIPO: Competenze o abilità./TYPE: Skills. Descrizione dei contenuti Progettazione di esperimenti. • Progettazione di esperimenti. • Strategia sperimentale. • Esperimento a fattore singolo randomizzato. • Analisi della varianza. • Determinazione della dimensione del campione per un esperimento a fattore singolo randomizzato. Tecniche di regressione. • Regressione lineare • Regressione non lineare • Regressione lineare multipla Analisi inferenziale multivariata e tecniche multivariate. • Distribuzioni multidimensionali. • Proprietà degli stimatori. • Stima della massima verosimiglianza. • Ottenimento di uno stimatore di una distribuzione. • Ottenimento degli stimatori multivariati per µ. • Ottenimento degli stimatori di massima verosimiglianza per θ. • Ottenimento degli stimatori di massima verosimiglianza per σ. • Distribuzioni multidimensionali. • Analisi inferenziale multivariata. • Tecniche multivariate. Controllo dei processi: analisi della qualità. • Controllo statistico della qualità. • Controllo statistico dei processi. Serie temporali. Modelli di base. • Rappresentazione. • Classificazione dei movimenti caratteristici delle serie temporali. • Stima delle tendenze. • Stima delle variazioni stagionali. • Previsione. ------------------------- Progettazione sperimentale. • Progettazione sperimentale. • Strategie sperimentali. • Esperimenti randomizzati a fattore singolo. • Analisi della varianza. • Determinazione della dimensione del campione per esperimenti randomizzati a fattore singolo. Tecniche di regressione. • Regressione lineare. • Regressione non lineare. • Regressione lineare multipla. Inferenza statistica multivariata e tecniche multivariate. • Distribuzioni multivariate. • Proprietà degli stimatori. • Stima della massima verosimiglianza. • Ottenimento di uno stimatore per una distribuzione • Ottenimento degli stimatori di massima verosimiglianza per μ • Ottenimento degli stimatori di massima verosimiglianza per θ • Ottenimento degli stimatori di massima verosimiglianza per σ • Distribuzioni multivariate • Inferenza statistica multivariata • Tecniche multivariate Controllo di processo: analisi della qualità. • Controllo statistico della qualità. • Controllo statistico di processo. Serie temporali: modelli di base. • Rappresentazione. • Classificazione delle variazioni delle caratteristiche nelle serie temporali. • Stima della tendenza. • Stima delle variazioni stagionali. • Previsione. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di sfide./ Project development and challenge-based problem solving. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./ Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. AP6. Verifiche delle conoscenze./Verifiche delle conoscenze. Sistema e criteri di valutazione SESSIONE ORDINARIA Valutazione continua: - (15% del voto) Primo esame parziale. - (15% del voto) Secondo esame parziale. - (30%) Partecipazione attiva. Risoluzione di esercizi. - (40%) Esame finale. Il calcolo del voto finale nella sessione ordinaria sarà subordinato al raggiungimento di un voto minimo di 4,0 su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività e prove di valutazione, anche qualora alcune di esse non siano state superate. Nel caso in cui il voto ottenuto nell’esame finale sia inferiore a 4,0 punti su 10, il voto finale sarà quello ottenuto in tale esame. SESSIONE STRAORDINARIA In questo caso, il voto del corso sarà quello dell’esame della sessione straordinaria. ------------------------- PERIODO DI ESAME ORDINARIO Valutazione continua: - 15% del voto finale: primo esame di metà semestre. - 15% del voto finale: secondo esame di metà semestre. - 30% del voto finale: partecipazione attiva e attività di risoluzione dei problemi. - 40% del voto finale: esame finale. Il calcolo del voto finale nel periodo d’esame ordinario è subordinato al raggiungimento di un voto minimo di 4,0 su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività di valutazione e delle prove d’esame, anche qualora una di esse sia stata superata con esito negativo. Se il voto ottenuto nell’esame finale è inferiore a 4,0 su 10, il voto finale corrisponderà al voto ottenuto in tale esame. SESSIONE D'ESAME STRAORDINARIA In questo caso, il voto finale del corso sarà il voto ottenuto nell’esame straordinario. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. Multivariate Data Analysis (8ª ed.) Cengage. 2019. ISBN: 978-1-292-314 2.- Montgomery, D. C. Progettazione e analisi degli esperimenti (9ª ed.) Wiley. 2017. ISBN: 978-1-119-469 3.- Montgomery, D. C., Peck, E. A. e Vining, G. G. Introduzione all’analisi di regressione lineare (6ª ed.) Wiley. 2021. ISBN: 978-1-119-648 4.- Montgomery, Douglas C. Probabilità e statistica applicate all’ingegneria : McGraw-Hill. 1996. ISBN: 9701010175 5.- Rencher, A. C., & Christensen, W. F. Metodi di analisi multivariata (3ª ed.). Wiley. 2012. ISBN: 978-0-470-380 6.- Rob J. Hyndman e George Athanasopoulos Forecasting: Principles and Practice (3ª edizione, 2021) Otexts. 2021. ISBN: 0987507133 7.- Ruiz-Maya Pérez, Luis Statistica II: inferenza 2ª ed. Madrid: AC, 2003. 2003. ISBN: 8472881962 8.- Visauta Vinacua, Bienvenido Analisi statistica con SPSS per Windows 2ª ed.: McGraw-Hill. 2003. ISBN: 8448139933 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242303 | Strutture dei dati e algoritmi II / Data Structures and Algorithms II | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Strutture dei dati e algoritmi II / Data Structures and Algorithms IICódigo: C0242303 Imprimir Anno accademico 2. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Gli obiettivi di questo corso sono: 1) Applicare le conoscenze di algoritmica e complessità computazionale - Sviluppare la capacità di utilizzare i principi della complessità e dell’analisi degli algoritmi per risolvere problemi di ingegneria, selezionando tecniche appropriate che ottimizzino le prestazioni e le risorse computazionali. 2) Identificare e proporre soluzioni a problemi di efficienza - Rafforzare la capacità di individuare colli di bottiglia o inefficienze nella progettazione e nell’esecuzione degli algoritmi, proponendo miglioramenti basati sull’analisi della complessità e sulla scelta di strutture dati adeguate. 3) Calcolare l’efficienza degli algoritmi iterativi applicando le regole di calcolo - Affinare la capacità di stimare il costo computazionale degli algoritmi iterativi (in termini di tempo e spazio), utilizzando notazioni e metodi di calcolo della complessità adeguati (ad esempio, notazioni Big-O e Big-Theta). 4) Progettare e dimensionare algoritmi per ambienti di diverse dimensioni e complessità - Sviluppare la capacità di ideare strategie algoritmiche, adattandone la struttura e i metodi di esecuzione a contesti con diversi volumi di dati e requisiti di prestazione. 5) Risolvere problemi di ingegneria applicando le conoscenze relative alla struttura e alla programmazione dei sistemi - Formare lo studente ad affrontare e risolvere problemi complessi, combinando efficacemente tecniche di analisi, progettazione di algoritmi e applicazione dei principi di programmazione in Python o in altri linguaggi utilizzati in ambito professionale. ------------------------- Gli obiettivi di questo corso sono: 1) Applicare le conoscenze relative agli algoritmi e alla complessità computazionale - Sviluppare la capacità di applicare i principi della complessità computazionale e dell’analisi degli algoritmi per risolvere problemi ingegneristici, selezionando tecniche appropriate per ottimizzare le prestazioni e le risorse computazionali. 2) Individuare e proporre soluzioni a problemi di efficienza - Rafforzare la capacità di individuare colli di bottiglia e inefficienze nella progettazione e nell'esecuzione degli algoritmi, proponendo miglioramenti basati sull'analisi della complessità e sulla scelta di strutture dati adeguate. 3) Calcolare l’efficienza degli algoritmi iterativi utilizzando tecniche di analisi della complessità - Sviluppare competenza nella stima del costo computazionale degli algoritmi iterativi, in termini di tempo e spazio, utilizzando notazioni di complessità e metodi di analisi appropriati (ad esempio, notazione Big-O e Big-Theta). 4) Progettare e scalare algoritmi per ambienti di diverse dimensioni e livelli di complessità - Sviluppare la capacità di ideare strategie algoritmiche, adattandone la struttura e i metodi di esecuzione a contesti che comportano diversi volumi di dati e requisiti di prestazione. 5) Risolvere problemi ingegneristici applicando le conoscenze relative alla struttura dei sistemi e alla programmazione - Consentire agli studenti di affrontare e risolvere problemi complessi combinando efficacemente le tecniche di analisi e progettazione algoritmica con i principi di programmazione in Python e in altri linguaggi di programmazione utilizzati in ambito professionale. Prerequisiti È fondamentale aver frequentato (in precedenza) i corsi Fondamenti di programmazione e informatica e Strutture dati e algoritmi I o altri corsi con competenze e risultati di apprendimento simili./È essenziale che gli studenti abbiano precedentemente completato i corsi «Fondamenti di Programmazione e Informatica» e «Strutture dei Dati e Algoritmi I», oppure altri corsi con competenze e risultati di apprendimento simili. Competenze Non applicabile./Non applicabile. Risultati di apprendimento RC3 - Applicare programmi che risolvano problemi matematici e ingegneristici, utilizzando per ciascun caso l’ambiente computazionale adeguato./ Applicare programmi software che risolvano problemi matematici e ingegneristici, utilizzando l’ambiente computazionale adeguato per ciascun caso. TIPO: Competenze./ TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici./ Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria./ Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. Descrizione dei contenuti 1. Analisi dell’efficienza degli algoritmi - Concetti fondamentali: complessità temporale (notazioni Big-O, Big-Theta, Big-Omega) e complessità spaziale. - Strumenti di analisi: ricorsività, iterazioni e loro impatto sulle prestazioni. - Esempi pratici in Python: misurazione empirica del tempo di esecuzione (utilizzo di moduli come time e timeit) e ottimizzazione preliminare del codice. 2. Progettazione di algoritmi - Metodologia di progettazione: identificazione del problema, definizione dei passaggi e strutturazione della soluzione (pseudocodice e diagrammi di flusso). - Uso corretto delle strutture dati: liste, dizionari, code, pile, alberi (a seconda della complessità richiesta). - Verifica e test in Python: utilizzo di unittest e/o pytest per garantire la correttezza e la robustezza della soluzione. 3. Studio delle tecniche algoritmiche 3.1 Algoritmi avidi (Greedy) - Principi di base: selezione della migliore opzione locale nella speranza di ottenere la migliore soluzione globale. - Implementazioni classiche in Python: cambio di valuta, problema dello zaino frazionario, percorsi più brevi (algoritmo di Prim/Kruskal per grafi). - Analisi dei casi in cui l’approccio avido funziona e di quelli in cui non funziona. 3.2 Dividi e conquista (Divide and Conquer) - Strategia di base: scomporre il problema in sotto-problemi più piccoli, risolverli e combinare i risultati. - Esempi iconici: mergesort, quicksort, ricerca binaria, moltiplicazione di matrici. - Analisi della complessità: relazione di ricorsione e metodi per la sua risoluzione (alberi di ricorsione). 4. Programmazione dinamica - Concetto di sottoproblemi sovrapposti: quando un problema di grandi dimensioni viene risolto sulla base delle soluzioni di sottoproblemi calcolati in precedenza. - Tecniche di implementazione: - Top-Down (memoizzazione): uso di dizionari o liste in Python per memorizzare i risultati intermedi. - Bottom-Up (tabulazione): costruzione delle soluzioni partendo dalla base fino al problema completo. - Casi di studio: sequenza di Fibonacci, problema dello zaino intero, allineamento di sequenze, percorsi minimi nei grafi, ecc. 5. Backtracking - Principio di esplorazione degli spazi delle soluzioni: ricerca di tutte le soluzioni possibili ed esclusione di quelle che non soddisfano i criteri. - Implementazione in Python: - Utilizzo di funzioni ricorsive e strutture dati ausiliarie. - Pruning per ridurre lo spazio di ricerca. - Esempi: risoluzione di sudoku, problemi di labirinti, n-regine, ecc. 6. Branch and Bound - Differenze rispetto al backtracking: approccio più orientato all'ottimizzazione globale (bound) e all'esplorazione ordinata dei rami. - Implementazioni classiche: - Problema del commesso viaggiatore (Traveling Salesman Problem). - Problema dello zaino intero (knapsack 0/1) ottimizzato. - Tecniche di limite inferiore e superiore: utilizzo di stime per guidare la ricerca della soluzione ottimale. 7. Applicazione delle tecniche algoritmiche alla risoluzione dei problemi - Progetti integrativi in Python: progettazione di applicazioni o script che combinino diverse tecniche algoritmiche a seconda del tipo di problema. - Ottimizzazione e messa a punto: utilizzo di strutture dati adeguate e analisi continua della complessità per ambienti di diverse dimensioni. ------------------------- 1. Analisi dell’efficienza degli algoritmi - Concetti fondamentali: complessità temporale (notazione Big-O, Big-Theta e Big-Omega) e complessità spaziale. - Strumenti di analisi: ricorsione, approcci iterativi e loro impatto sulle prestazioni. - Esempi pratici in Python: misurazione empirica del tempo di esecuzione (utilizzando moduli quali time e timeit) e ottimizzazione preliminare del codice. 2. Progettazione degli algoritmi - Metodologia di progettazione: identificazione del problema, definizione delle fasi e strutturazione della soluzione (pseudocodice e diagrammi di flusso). - Uso appropriato delle strutture dati: liste, dizionari, code, pile e alberi, in base al livello di complessità richiesto. - Verifica e collaudo in Python: utilizzo di unittest e/o pytest per garantire la correttezza e la robustezza della soluzione. 3. Studio delle tecniche algoritmiche 3.1 Algoritmi avidi - Principi di base: selezione della migliore opzione locale con l’aspettativa di ottenere la migliore soluzione globale. - Implementazioni classiche in Python: il problema del resto di monete, il problema dello zaino frazionario e i problemi del percorso più breve (algoritmi di Prim e Kruskal per i grafi). - Analisi dei casi in cui l’approccio avido funziona e di quelli in cui non funziona. 3.2 Dividi e conquista - Strategia di base: suddividere un problema in sottoproblemi più piccoli, risolverli e combinare i risultati. - Esempi classici: ordinamento con fusione, ordinamento rapido, ricerca binaria e moltiplicazione di matrici. - Analisi della complessità: relazioni di ricorrenza e metodi per risolverle (alberi di ricorsione). 4. Programmazione dinamica - Concetto di sottoproblemi sovrapposti: risoluzione di un problema più ampio sulla base delle soluzioni dei sottoproblemi calcolati in precedenza. - Tecniche di implementazione: - Approccio top-down (memoizzazione): uso di dizionari o liste in Python per memorizzare i risultati intermedi. - Approccio dal basso verso l’alto (tabulazione): costruzione delle soluzioni partendo dai casi base fino al problema completo. - Casi di studio: la sequenza di Fibonacci, il problema dello zaino 0/1, l’allineamento di sequenze, i percorsi più brevi nei grafi, ecc. 5. Backtracking - Principio di esplorazione dello spazio delle soluzioni: ricerca di tutte le soluzioni fattibili ed eliminazione di quelle che non soddisfano i criteri richiesti. - Implementazione in Python: - Uso di funzioni ricorsive e strutture dati ausiliarie. - Potatura per ridurre lo spazio di ricerca. - Esempi: risoluzione del Sudoku, problemi di labirinti, il problema delle n regine, ecc. 6. Branch and Bound - Differenze rispetto al backtracking: maggiore attenzione all'ottimizzazione globale tramite la definizione di limiti e all'esplorazione ordinata dei rami. - Implementazioni classiche: - Il problema del commesso viaggiatore (TSP). - Il problema dello zaino 0/1 con l'uso di tecniche di ottimizzazione. - Tecniche di limite inferiore e superiore: uso di stime per guidare la ricerca della soluzione ottimale. 7. Applicazione delle tecniche algoritmiche alla risoluzione dei problemi - Progetti integrativi in Python: progettazione di applicazioni o script che combinano diverse tecniche algoritmiche a seconda del tipo di problema. - Ottimizzazione e messa a punto: utilizzo di strutture dati appropriate e analisi continua della complessità per ambienti di diverse dimensioni. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Interactive classes. AP3.1. Sviluppo di progetti e risoluzione di sfide./ Project development and challenge-based problem solving. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./ Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. AP6. Verifiche delle conoscenze./Verifiche delle conoscenze. Sistema e criteri di valutazione 1. SESSIONE ORDINARIA. VALUTAZIONE CONTINUA Il voto finale è la media ponderata delle seguenti attività. Il contenuto del corso è cumulativo: nessuna prova si limita a un argomento isolato, ad eccezione dell’esame orale, che è espressamente circoscritto a un blocco. SE1 · Attività pratiche (20 %) — Lavoro individuale con discussione orale … 10 % — Lavoro di gruppo con discussione orale … 10 % SE2 · Prove finali di verifica delle conoscenze (50 %) — Esame finale della sessione ordinaria … 50 % SE3 · Portfolio (30 %) — Esame parziale scritto … 10 % — Esame orale su un’unità del programma … 10 % — Esercizi risolti e consegnati in classe … 10 % a) Lavoro individuale con discussione orale (10 %) Criteri di valutazione: — Correttezza dell’algoritmo e analisi dell’efficienza: corretta implementazione della soluzione e giustificazione ragionata della sua complessità temporale e spaziale in notazione asintotica, compresa la formulazione e la risoluzione della relazione di ricorsione quando l’algoritmo è ricorsivo. — Pertinenza della tecnica scelta: giustificazione del motivo per cui la tecnica impiegata (vorace, divide et impera, programmazione dinamica, backtracking o ramificazione e potatura) è quella adeguata al problema e cosa esclude le altre. — Scelta delle strutture dati: adeguatezza delle strutture utilizzate rispetto al costo delle operazioni dominanti dell’algoritmo. — Struttura e chiarezza del codice: organizzazione modulare, uso appropriato delle funzioni e rispetto delle convenzioni di stile del linguaggio (PEP 8 in Python). — Documentazione: docstring e commenti che spieghino la logica dell’algoritmo, nonché analisi del costo delle operazioni principali. — Verifica: test unitari con unittest o pytest che attestino la correttezza e la robustezza della soluzione, compresi i casi limite. — Presentazione orale: capacità di spiegare le scelte progettuali, di ragionare sul costo e di rispondere alle variazioni del problema proposte sul momento. b) Lavoro di gruppo con discussione orale (10 %) Ai criteri precedenti si aggiungono: — Integrazione di diverse tecniche: risoluzione di un problema che richieda la combinazione di più di una tecnica algoritmica e la giustificazione della ripartizione tra di esse. — Confronto empirico: misurazione dei tempi di esecuzione con time o timeit e confronto del risultato con la complessità teorica prevista, spiegando le deviazioni. — Ripartizione del lavoro: ogni membro risponde in sede di discussione dell’intero lavoro, non solo della propria parte. La mancata partecipazione alla discussione comporta la perdita del 50% del voto relativo all’attività individuale. c) Esame finale della sessione ordinaria (50 %) Si svolge nella data fissata dall’Università e valuta l’insieme dei contenuti del corso. L’esame parziale non esonera dallo studio della materia. Criteri di valutazione: — Analisi dell’efficienza: calcolo della complessità temporale e spaziale di algoritmi dati, nelle notazioni O, Theta e Omega, e risoluzione di relazioni ricorrenti. — Progettazione di algoritmi: stesura in pseudocodice della soluzione a un nuovo problema, con giustificazione della struttura dati scelta. — Padronanza delle tecniche: applicazione di algoritmi voraci, «divide et impera», programmazione dinamica, backtracking e ramificazione e potatura a problemi non trattati in classe, compresa la formulazione della funzione di potatura o dei limiti, ove opportuno. — Criterio di selezione: capacità di decidere quale tecnica sia più adatta a un dato problema e di argomentare l’esclusione delle altre. — Correttezza formale: precisione nella notazione, nella dimostrazione dell’ottimalità di una soluzione vorace e nella formulazione della ricorrenza di un problema di programmazione dinamica. d) Esame parziale scritto (10 %) Prova scritta a mano, a metà del quadrimestre, incentrata sulla progettazione di algoritmi in pseudocodice e sull’analisi della complessità. Non esonera dallo studio della materia. Criteri di valutazione: — Correttezza dello pseudocodice e dei diagrammi di flusso. — Esattezza dell’analisi di complessità e della risoluzione delle ricorrenze. — Chiarezza del ragionamento scritto, valutata indipendentemente dal risultato finale. e) Esame orale su un blocco del programma (10 %) Prova individuale limitata a un blocco del programma, annunciato in anticipo. Non copre l’intero programma. Criteri di valutazione: — Comprensione anziché memorizzazione: capacità di spiegare il funzionamento di un algoritmo del blocco senza fare riferimento al codice scritto. — Ragionamento sul costo: deduzione della complessità ad alta voce, passo dopo passo. — Risposta alle domande di approfondimento: reazione a una modifica dell’enunciato o a un caso limite presentato durante la prova. — Precisione terminologica: uso corretto del vocabolario specifico della materia. f) Esercizi risolti e consegnati in classe (10 %) Insieme di esercizi svolti durante le lezioni e caricati sul campus entro il termine indicato in ciascuna di esse. Criteri di valutazione: — Regolarità: consegna costante nel corso del semestre, non concentrata alla fine. — Correttezza della soluzione e adeguatezza rispetto alla traccia. — Progressione: integrazione nelle esercitazioni successive delle correzioni segnalate in quelle precedenti. — Tracciabilità del proprio lavoro: l’esercizio deve poter essere spiegato in classe su richiesta del docente. Un esercizio che lo studente non sia in grado di difendere non viene valutato. 2. REQUISITI AFFINCHÉ LA VALUTAZIONE CONTINUA VENGA MEDIATA — Ottenere un voto pari o superiore a 5,0 su 10 nell’esame finale della sessione ordinaria. Al di sotto di tale voto, il voto della materia sarà quello ottenuto in detto esame. — Ottenere una media ponderata pari o superiore a 5,0 su 10 nell’insieme delle attività. 3. VALUTAZIONE NON CONTINUA Gli studenti che non seguono la valutazione continua, o che non raggiungono la soglia minima di frequenza, saranno valutati tramite un’unica prova che incide per il 100% sul voto finale e che copre l’intero contenuto del corso, sia teorico che pratico. 4. SESSIONE STRAORDINARIA Il voto si ottiene esclusivamente dall’esame straordinario, che copre l’intero programma. Le attività di valutazione continua non incidono su questa sessione. ------------------------------------------------------------------------------------------------------- 1. PERIODO DI ESAME ORDINARIO. VALUTAZIONE CONTINUA Il voto finale è la media ponderata delle seguenti attività. Il contenuto del corso è cumulativo: nessuna valutazione è limitata a un argomento isolato, con la sola eccezione dell’esame orale, che è espressamente limitato a un blocco del programma. SE1 · Attività pratiche (20 %) — Compito individuale con discussione orale … 10 % — Compito di gruppo con discussione orale … 10 % SE2 · Prove finali di verifica delle conoscenze (50 %) — Esame finale, sessione ordinaria … 50 % SE3 · Portfolio (30 %) — Esame scritto di metà semestre … 10 % — Esame orale su un’unità del programma … 10 % — Esercizi svolti e consegnati in classe … 10 % a) Compito individuale con discussione orale (10 %) Criteri di valutazione: — Correttezza algoritmica e analisi dell’efficienza: corretta implementazione della soluzione e giustificazione ragionata della sua complessità temporale e spaziale in notazione asintotica, compresa la formulazione e la soluzione della relazione di ricorrenza nel caso in cui l’algoritmo sia ricorsivo. — Idoneità della tecnica scelta: giustificazione del motivo per cui la tecnica utilizzata (greedy, divide et impera, programmazione dinamica, backtracking o branch and bound) è quella appropriata per il problema e cosa esclude le altre. — Scelta delle strutture dati: adeguatezza delle strutture utilizzate rispetto al costo delle operazioni dominanti dell’algoritmo. — Struttura e chiarezza del codice: organizzazione modulare, uso appropriato delle funzioni e rispetto delle convenzioni stilistiche del linguaggio (PEP 8 in Python). — Documentazione: stringhe di documentazione e commenti che spiegano la logica dell’algoritmo, insieme a un’analisi del costo delle sue operazioni principali. — Verifica: test unitari scritti con unittest o pytest che dimostrino la correttezza e la robustezza della soluzione, compresi i casi limite. — Discussione orale: capacità di spiegare le scelte progettuali, di ragionare sui costi e di rispondere alle variazioni dell’enunciato del problema sollevate durante la discussione. b) Compito di gruppo con discussione orale (10 %) Oltre ai criteri sopra indicati: — Integrazione di diverse tecniche: soluzione di un problema che richiede più di una tecnica algoritmica, con una spiegazione ragionata di come il lavoro sia suddiviso tra di esse. — Confronto empirico: misurazione dei tempi di esecuzione utilizzando time o timeit e confronto dei risultati con la complessità teorica prevista, spiegando eventuali scostamenti. — Ripartizione dei compiti: durante la discussione, ogni membro del gruppo è responsabile dell’intero lavoro, non solo della propria parte. La mancata partecipazione alla discussione comporta la perdita del 50 % del voto relativo a tale attività a livello individuale. c) Esame finale, sessione ordinaria (50 %) Si svolge nella data stabilita dall’Università e verte sull’intero contenuto del corso. L’esame di metà semestre non esonera gli studenti da alcuna parte del programma. Criteri di valutazione: — Analisi dell’efficienza: calcolo della complessità temporale e spaziale di determinati algoritmi nelle notazioni O, Theta e Omega, e risoluzione di relazioni ricorrenti. — Progettazione di algoritmi: soluzione in pseudocodice di un problema non visto, con giustificazione della struttura dati scelta. — Padronanza delle tecniche: applicazione di algoritmi avidi, «divide et impera», programmazione dinamica, backtracking e «branch and bound» a problemi non trattati in classe, compresa la formulazione della funzione di potatura o dei limiti, ove applicabile. — Criteri di selezione: capacità di decidere quale tecnica sia più adatta a un dato problema e di argomentare il motivo per cui le altre vengono scartate. — Correttezza formale: precisione nella notazione, nella dimostrazione dell’ottimalità di una soluzione avida e nella formulazione della ricorrenza di un problema di programmazione dinamica. d) Esame scritto di metà semestre (10 %) Esame scritto a mano che si svolge a metà semestre, incentrato sulla progettazione di algoritmi in pseudocodice e sull’analisi della complessità. Non esonera gli studenti da alcuna parte del programma. Criteri di valutazione: — Correttezza dello pseudocodice e dei diagrammi di flusso. — Accuratezza dell’analisi della complessità e della soluzione delle ricorrenze. — Chiarezza del ragionamento scritto, valutata indipendentemente dal risultato finale. e) Esame orale su un blocco del programma (10 %) Esame individuale limitato a un'unità del programma, comunicata in anticipo. Non copre l'intero programma. Criteri di valutazione: — Comprensione piuttosto che memorizzazione: capacità di spiegare il funzionamento di un algoritmo del blocco senza fare riferimento al codice scritto. — Ragionamento sul costo: derivazione passo dopo passo della complessità, espressa a voce. — Risposta alle domande di approfondimento: reazione a una modifica dell’enunciato del problema o a un caso limite sollevato durante l’esame. — Precisione terminologica: uso corretto del vocabolario della materia. f) Esercizi svolti e consegnati in classe (10 %) Serie di esercizi svolti durante le lezioni e caricati sulla piattaforma del campus entro la scadenza indicata in ciascuno di essi. Criteri di valutazione: — Costanza: invio regolare durante tutto il semestre, non concentrato alla fine. — Correttezza della soluzione e rispetto delle indicazioni del problema. — Progressione: integrazione negli esercizi successivi delle correzioni segnalate in quelli precedenti. — Tracciabilità del lavoro svolto dallo studente: lo studente deve essere in grado di spiegare l’esercizio in classe se richiesto. Un esercizio che lo studente non è in grado di difendere viene valutato con zero. 2. REQUISITI AFFINCHÉ LA VALUTAZIONE CONTINUA CONTI AI FINI DEL VOTO FINALE — Ottenimento di un voto pari o superiore a 5,0 su 10 nell’esame finale del periodo ordinario. Al di sotto di tale soglia, il voto del corso sarà quello ottenuto in tale esame. — Dimostrare una frequenza minima del 70% alle lezioni in presenza. — Ottenere una media ponderata pari o superiore a 5,0 su 10 in tutte le attività. 3. VALUTAZIONE NON CONTINUA Gli studenti che non seguono la valutazione continua, o che non soddisfano il requisito minimo di frequenza, saranno valutati tramite un unico esame che vale il 100% del voto e che verte sull’intero contenuto del corso, sia teorico che pratico. 4. RECUPERO (SESSIONE D’ESAME STRAORDINARIA) Il voto viene determinato esclusivamente dall’esame di recupero, che verte sull’intero contenuto del corso. In questo periodo le attività di valutazione continua non incidono sul voto. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- George T. Heineman, Gary Pollice, Stanley Selkow Algorithms in a Nutshell (2ª edizione) O’Reilly Media. 2016. ISBN: 978-1-4919-01 2.- Mariona Nadal Strutture dati e algoritmi Anaya Multimedia. 2022. ISBN: 978-844154519 Altri: 3.- Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein Introduzione agli algoritmi McGraw-Hill. 2022. ISBN: 978-607150285 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242304 | Geometria differenziale e applicazioni | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Geometria differenziale e applicazioniCódigo: C0242304 Imprimir Anno accademico 2. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi L'obiettivo fondamentale è che lo studente impari a eseguire calcoli su curve e superfici dello spazio euclideo. Non è tanto importante che sviluppi una visione spaziale, quanto piuttosto che conosca le forme quadratiche fondamentali che determinano una superficie e che sappia dedurne le curvature e gli altri invarianti differenziali che le caratterizzano. Questo obiettivo si concentra sullo studio della geometria intrinseca e locale, in contrapposizione alla geometria estrinseca, che studia le superfici immerse in altre, e alla geometria globale, che studia la caratterizzazione della superficie nel suo insieme attraverso le classi caratteristiche. Prerequisiti Sebbene non siano stati stabiliti prerequisiti, è opportuno aver frequentato (in precedenza) i corsi Fondamenti matematici dell’ingegneria I e II e Algebra I e II, nonché aver frequentato o stare frequentando Calcolo differenziale o altri corsi con competenze e risultati di apprendimento simili. Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato nello sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a requisiti temporali o economici rigorosi. TIPO: Competenze. RC9 - Formulare problemi di ambito professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diversi ambiti della matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. Descrizione dei contenuti 1) Curve nel piano e nello spazio a) curve parametrizzate in base alla lunghezza dell’arco b) formule di Frenet 2) Superfici nello spazio euclideo a) superfici parametrizzate e implicite regolari: il piano tangente b) la prima forma fondamentale c) applicazioni: aree, lunghezze e angoli 3) Geometria intrinseca locale a) l’applicazione di Gauss b) la seconda forma fondamentale c) applicazioni: i) classificazione dei punti di una superficie ii) direzioni principali e asintotiche iii) linee di curvatura e asintotiche Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Prove di verifica delle conoscenze. Sistema e criteri di valutazione Il processo di valutazione consisterà nella verifica e nella valutazione dell’acquisizione delle competenze da parte dello studente. - Sono previste due sessioni d’esame ufficiali: ordinaria e straordinaria. SESSIONE ORDINARIA Nella sessione ordinaria, il voto finale del corso deriva da un processo di valutazione continua. La valutazione continua comprende le seguenti prove: 1) un esame a curve, a ottobre, che inciderà per il 20%; 2) un esame sulle superfici, l’ultimo giorno di lezione dell’anno (circa il 20 dicembre), che inciderà per il 30% 3) l’esame ufficiale, sessione ordinaria, che inciderà per il 50%. In nessun caso le prove superate esonerano dallo svolgimento di questo esame finale. Affinché venga applicata la valutazione continua, il voto dell’esame ufficiale deve essere pari o superiore a 4. In altre parole, se si ottiene un voto inferiore a 4 nell’esame finale, il corso non sarà superato e tale voto figurerà direttamente nella pagella. SESSIONE ORDINARIA Nella sessione straordinaria non verrà conservato alcun voto e si sosterrà l’esame corrispondente, che avrà un peso del 100% sul voto finale. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- A.M. Amores Lázaro Corso base di curve e superfici Sanz y Torres. 2001. ISBN: 8488667779 2.- Carmo, Manfredo P. do Geometria differenziale delle curve e delle superfici Madrid: Alianza, 1994. 1994. ISBN: 8420681350 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242603 | Meccanica e onde I | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Meccanica e onde ICódigo: C0242603 Imprimir Anno accademico 2. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Questo corso, che insieme a Meccanica e Onde II costituisce la materia Meccanica e Onde, ha come obiettivo principale quello di far acquisire agli studenti familiarità con la formulazione newtoniana della meccanica classica e di insegnare loro ad applicarla correttamente alla risoluzione di problemi meccanici. Più specificatamente, gli studenti devono conoscere i concetti di base del moto oscillatorio, nonché la fenomenologia ad esso associata; devono essere in grado di descrivere sia la cinematica che la dinamica del solido rigido nel piano e nello spazio; e devono comprendere la relazione tra le simmetrie e le leggi di conservazione in Fisica. Prerequisiti Nessuno Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK2 Comprendere fenomeni di natura fisicamente diversa e le loro analogie sottostanti per l’applicazione di soluzioni già note a nuovi problemi RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RK5 Comprendere la portata e i limiti della fisica classica che hanno portato alla formulazione della relatività speciale e generale, oltre che della meccanica quantistica, per affrontare i nuovi problemi che emergono nella fisica moderna. RK7 Comprendere le leggi e i principi della fisica, identificandone la struttura logica e matematica, il supporto sperimentale e i fenomeni da essi descritti RK12 Comprendere le teorie, le leggi e i modelli che regolano i fenomeni fisici legati alla meccanica RS1 Applicare le conoscenze, i concetti e i metodi più importanti dei diversi rami della Fisica. RS4 Applicare i metodi matematici e numerici nella modellizzazione e nella risoluzione esplicita di problemi di Fisica e delle discipline affini, selezionando gli strumenti appropriati e interpretando i risultati. Risultati di apprendimento RA1 Applica correttamente la formulazione newtoniana alla risoluzione di problemi meccanici. RA2 Conosce i concetti di base del moto ondulatorio, nonché la fenomenologia di base del moto oscillatorio, comprese le oscillazioni accoppiate e la risonanza, e sa risolvere problemi relativi alle oscillazioni libere, forzate e smorzate. RA3 Descrive sia la cinematica che la dinamica del solido rigido nel piano e nello spazio e applica tali conoscenze alla risoluzione di problemi relativi al solido rigido. RA4 Mette in relazione le simmetrie e le leggi di conservazione della Fisica, applicandole alla risoluzione di esercizi pratici. Descrizione dei contenuti Il corso tratta i seguenti argomenti: 1. Cinematica della particella. 2. Dinamica newtoniana. 3. Sistemi di riferimento non inerziali. 4. Cinematica del solido rigido. 5. Dinamica del solido rigido. 6. Oscillazioni e onde. Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 48 4 100 AP2.- Seminari o lezioni di applicazione pratica 30 2,5 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 72 3 50 AP4.- Lavoro autonomo 120 0 0 AP5.- Tutoraggio 24 0,6 30 AP6.- Verifiche delle conoscenze 6 0,5 100 TOTALE 300 10,6 Sistema e criteri di valutazione Il processo di valutazione consisterà nella verifica e nella valutazione dell’acquisizione delle competenze da parte dello studente. SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questo corso sono: - SE1: Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.). - SE2: Prove finali di verifica delle conoscenze. - SE4: Portfolio. CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti si concretizzano nei seguenti criteri di valutazione. Sono previste due sessioni d’esame ufficiali: ordinaria e straordinaria. +++SESSIONE ORDINARIA+++ Il voto finale di questa sessione è la media ponderata di una serie di prove di valutazione descritte di seguito: - Attività pratiche (SE1) 30% del voto finale: Esame parziale I (15%) + Esame parziale II (15%). - Prove finali di conoscenza (SE2) 60% del voto finale: esame finale della sessione ordinaria in cui vengono valutati tutti i contenuti del corso. - Portfolio (SE4) 10% del voto finale. Questo sistema di valutazione comprende la risoluzione e la consegna di esercizi svolti in classe con modifiche non banali che stimolino la creatività. Affinché venga presa in considerazione la valutazione continua (composta dalle attività pratiche (SE1) e dal portfolio (SE4)), gli studenti dovranno ottenere un voto pari o superiore a 4,0/10 nell’esame finale della sessione ordinaria. In caso contrario, il voto corrisponderà direttamente a quello ottenuto in tale esame. Il corso si considera superato nella sessione ordinaria se il voto ottenuto secondo le indicazioni precedenti è pari o superiore a 5,0. +++SESSIONE STRAORDINARIA+++ Nel caso in cui non si sia superato il corso nella sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo d’esami di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). 100% del voto finale della sessione straordinaria: esame finale della sessione straordinaria in cui vengono valutati tutti i contenuti del corso. La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0. VOTI L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea appartenenti all’ambito dello Spazio europeo dell’istruzione superiore. Tale sistema è il seguente: Il conseguimento dei crediti corrispondenti comporta il superamento degli esami o delle prove di valutazione associate. Il livello di apprendimento raggiunto dagli studenti sarà espresso con voti numerici su una scala da 0 a 10, con un decimale, a cui potrà essere aggiunta la corrispondente valutazione qualitativa: - 0-4,9: Insufficiente (SS). - 5,0-6,9: Superato (AP). - 7,0-8,9: Buono (NT). - 9,0-10: Eccellente (SB). La menzione «Matrícula de Honor» sarà attribuita agli studenti che abbiano ottenuto un voto pari o superiore a 9,0. Il loro numero non potrà superare il cinque per cento degli studenti iscritti alla materia nel corrispondente anno accademico, salvo nel caso in cui il numero di studenti iscritti sia inferiore a 20, nel qual caso potrà essere concessa una sola «Lode». Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- A. Fernández Rañada Dinamica classica Alianza. 1994. ISBN: 84-206-8133-4 Complementare: 2.- J.R. Taylor Meccanica classica Reverté. 2013. ISBN: 8429143122 Altri: 3.- C. Kittel, W.D. Knight, M.A. Ruderman Meccanica Reverté. 1968. ISBN: 978-84-291-42 4.- S.T. Thornton, J.B. Marion Dinamica classica delle particelle e dei sistemi Reverté. 1975. ISBN: 9788429140941 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 36 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SECONDO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0242305 | Calcolo integrale | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Calcolo integraleCódigo: C0242305 Imprimir Corso 2. Materia del secondo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Questo corso, che insieme a Calcolo differenziale costituisce la materia Analisi matematica II, appartenente al modulo di Formazione di base del corso di laurea, ha come obiettivo principale quello di fornire agli studenti una solida formazione sull’integrazione di Riemann delle funzioni a più variabili e sugli strumenti fondamentali del calcolo integrale in dimensioni superiori. In particolare, verrà affrontata l’integrazione di funzioni a più variabili su diversi tipi di domini, approfondendo gli aspetti concettuali e tecnici che consentono di estendere le nozioni unidimensionali al caso multivariabile. Si studierà inoltre il Teorema di Fubini e le sue applicazioni al calcolo degli integrali iterati, nonché il teorema del cambio di variabile, che consente di semplificare gli integrali mediante opportune trasformazioni. Inoltre, verranno analizzati gli integrali impropri a più variabili, prestando attenzione ai criteri di convergenza e alla loro corretta interpretazione. D’altra parte, verrà introdotto lo studio degli integrali di linea e di superficie, sia dal punto di vista geometrico che analitico, stabilendo la loro connessione con i campi scalari e vettoriali. Infine, verranno presentati i principali teoremi di integrazione del calcolo vettoriale, che mettono in relazione gli integrali su domini con gli integrali sul loro contorno e costituiscono strumenti fondamentali in matematica, fisica e ingegneria. In questo modo, il corso non solo mira a far comprendere agli studenti i fondamenti teorici del calcolo integrale a più variabili, ma anche a renderli capaci di applicarli con rigore e competenza nella risoluzione di problemi concreti. Prerequisiti Non sono stati stabiliti, sebbene sia altamente raccomandabile aver frequentato (in precedenza) i corsi «Fondamenti matematici dell’ingegneria I e II» e «Calcolo differenziale» o altri corsi con competenze e risultati di apprendimento simili. Competenze Non applicabile. Risultati di apprendimento RC9 - Formulare problemi di ambito professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diverse aree della Matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. Descrizione dei contenuti Il corso comprende i seguenti argomenti: 1. Integrazione di funzioni a più variabili. 2. Teorema di Fubini. 3. Teorema del cambio di variabile. 4. Integrali impropri. 5. Integrali di linea e di superficie. 6. Teoremi di integrazione vettoriale. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1 Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Esistono due sessioni d’esame ufficiali: ordinaria e straordinaria. *** Sessione ordinaria *** Il voto finale in questa sessione è la media ponderata dell’insieme delle prove di valutazione di seguito descritte: - 2 esami parziali non liberatori: 30% del voto finale (15% per ciascun esame parziale). - Risoluzione di esercizi: 15% del voto finale. - Esame finale della sessione ordinaria: 55% del voto finale. In questo esame saranno valutati tutti i contenuti trattati nel corso. Affinché venga presa in considerazione la valutazione continua (costituita dalla consegna degli esercizi e dai due esami parziali), gli studenti dovranno ottenere un voto minimo di 4,0 su 10,0 nell’esame finale. In tal caso verrà calcolata la media tra la valutazione continua e questo esame, anche se la prima risulti insufficiente. Qualora il voto dell’esame finale sia inferiore a 4,0 su 10,0, il voto del corso corrisponderà al 55% del voto ottenuto in detto esame. Il corso si considera superato nella sessione ordinaria se la votazione ottenuta secondo le indicazioni precedenti è pari o superiore a 5,0. *** Sessione straordinaria *** Nel caso in cui la materia non sia stata superata nella sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo d’esami di luglio (per ulteriori informazioni, consultare il Calendario Accademico). Consiste in un unico esame in cui vengono valutati tutti i contenuti della materia. La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0. VOTI L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea che rientrano nell’ambito dello Spazio europeo dell’istruzione superiore. Tale sistema è il seguente: Il conseguimento dei crediti corrispondenti comporta il superamento degli esami o delle prove di valutazione associati. Il livello di apprendimento raggiunto dagli studenti sarà espresso con voti numerici su una scala da 0 a 10, con un decimale, a cui potrà essere aggiunta la corrispondente valutazione qualitativa: - 0-4,9: Insufficiente (SS). - 5,0-6,9: Promosso (AP). - 7,0-8,9: Buono (NT). - 9,0-10: Eccellente (SB). La menzione «Matrícula de Honor» sarà attribuita agli studenti che abbiano ottenuto un voto pari o superiore a 9,0. Il loro numero non potrà superare il cinque per cento degli studenti iscritti alla materia nel corrispondente anno accademico, salvo nel caso in cui il numero di studenti iscritti sia inferiore a 20, nel qual caso potrà essere concessa una sola «Lode». Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Jerrold E. Marsden Elementary Classical Analysis W. H. Freeman and Company. 1974. ISBN: 0716721058 2.- Jerrold E. Marsden, Anthony J. Tromba Calcolo vettoriale 3ª ed. Addison-Wesley Iberoamericana. 1991. ISBN: 0201629356 Altri: 3.- James R. Munkres Analisi sulle varietà Addison-Wesley. 1991. ISBN: 0201315963 4.- Michael Spivak Calcolo sulle varietà Addison-Wesley. 1971. ISBN: 9780805390216 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242306 | Comunicazione tecnica in inglese / Technical Communication in English | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Comunicazione tecnica in inglese / Technical Communication in EnglishCódigo: C0242306 Imprimir Corso 2. Materia del secondo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Acquisizione delle competenze necessarie relative ai metodi esistenti per raggiungere un livello B2/C1, con particolare attenzione all'espressione individuale (orale e scritta), al processo comunicativo (espressione orale e ascolto), all’uso corretto della lingua orale e scritta (correttezza, coerenza e adeguatezza, proprietà lessicale, ortografia, vocabolario, pronuncia e creatività) e alla lettura di testi (lettura, comprensione e capacità critica). Si fornirà inoltre un'introduzione all'inglese tecnico nei settori dell'ingegneria, dell'aeronautica e della meccanica, nell'ambito del livello previsto. Lo studente acquisirà familiarità con il vocabolario tecnico di base e verrà introdotto a testi di livello B2 nell’ambito di studio del proprio corso di laurea./Acquisizione delle competenze necessarie per utilizzare i metodi esistenti al fine di raggiungere un livello B2/C1, con particolare enfasi sull’espressione individuale (orale e scritta), il processo comunicativo (espressione orale e ascolto), l’uso accurato della lingua parlata e scritta (correttezza, coerenza e adeguatezza, accuratezza lessicale, ortografia, vocabolario, pronuncia e creatività) e la lettura di testi (lettura, comprensione e pensiero critico). Il corso fornirà inoltre un’introduzione all’inglese tecnico nei settori dell’ingegneria, dell’aeronautica e della meccanica al livello corrispondente. Gli studenti acquisiranno familiarità con il vocabolario tecnico di base e saranno introdotti a testi di livello B2 relativi al proprio campo di studi. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso./No prerequisites have been established for this course. Competenze Non applicabile./Not applicable. Risultati di apprendimento RS6 - Analizzare testi nel campo della matematica con l’obiettivo di acquisire familiarità con la struttura e le pubblicazioni scientifiche, anche in lingua inglese. TIPO: Competenze./TYPE: Skills. RODS - Sviluppare una comunicazione efficace, il lavoro di squadra, il pensiero analitico, la creatività e la leadership etica da una prospettiva trasversale e con chiara ispirazione ai principi e ai valori democratici, nonché agli Obiettivi di Sviluppo Sostenibile, per operare con integrità nell’ambito professionale./ Sviluppare una comunicazione efficace, il lavoro di squadra, il pensiero analitico, la creatività e la leadership etica da una prospettiva trasversale, con chiara ispirazione ai principi e ai valori democratici, nonché agli Obiettivi di Sviluppo Sostenibile, per operare con integrità in ambito professionale. TIPO: Competenze./TYPE: Competences. Descrizione dei contenuti Il contenuto di questo corso è finalizzato a far acquisire allo studente le competenze di comprensione scritta, comprensione orale, espressione orale ed espressione scritta che gli consentano di operare in un contesto professionale in lingua inglese./Il contenuto di questo corso è concepito per consentire agli studenti di sviluppare le competenze necessarie per la comprensione scritta, la comprensione orale, la comunicazione orale e quella scritta, permettendo loro di operare efficacemente in un contesto professionale in lingua inglese. Verranno sviluppati contenuti che combinano l’inglese di base, con lo studio e il perfezionamento dell’uso della lingua in diversi ambiti della vita quotidiana, e l’inglese tecnico, con lo studio del vocabolario e dei concetti propri di diversi ambiti di specializzazione./Il corso combina contenuti di lingua inglese generale, incentrati sullo studio e sullo sviluppo dell’uso della lingua in una serie di contesti quotidiani, con l’inglese tecnico, incentrato sull’acquisizione di vocaboli e concetti specifici relativi a diversi ambiti di specializzazione professionale. Unità 1 – Innovazioni 1.1 Eureka! (p. 4) – Parlare di innovazioni;;;;. Grammatica: passato e presente perfetto continuo 1.2 Pozzi intelligenti (p. 6) – Collegamento delle frasi;;;; Riferimento a lavori completati. Grammatica: participio passato e coesione 1.3 Laser (p. 8) – Descrizioni tecniche;;;; Indicatori di sezione in un discorso. Unità 2 – Design 2.1 Spin-off (p. 10) – Funzione di un dispositivo;;;; Grammatica: presente e passato semplice passivo 2.2 Specifiche (p. 12) – Necessità, capacità, raccomandazione;; Grammatica: modali e semimodali 2.3 Proprietà (p. 14) – Descrizione delle proprietà. Grammatica: frasi per incoraggiare la partecipazione. Unità 3 – Sistemi 3.1 Problemi (p. 20) – Bassa probabilità, rassicurazione. Grammatica: Passivo progressivo e frasi che suggeriscono un basso rischio 3.2 Soluzioni (p. 22) – Riassumere, collegare. Grammatica: proposizione relativa non limitativa, participio presente, «although» 3.3 Controlli (p. 24) – Contrasto, prendere appunti. Grammatica: connettivi di contrasto Unità 4 – Procedure 4.1 Arresti (p. 26) – Eventi passati. Grammatica: verbi frasali composti da due parti 4.2 Revisione (p. 28) – Procedura passata; istruzioni. Grammatica: sostantivi derivati da verbi frasali. 4.3 Istruzioni (p. 30) – Istruzioni e azioni simultanee. Grammatica: Istruzioni orali vs scritte. Unità 5 – Processi 5.1 Cause (p. 36) – Causa ed effetto. Grammatica: frasi verbali, nominali e preposizionali di causa ed effetto. 5.2 Fasi (p. 38) – Spiegazione di un processo. Grammatica: scelta tra forma attiva e passiva. 5.3 Fasi (p. 40) – Prendere appunti e redigere un resoconto. Grammatica: gerundi e sostantivi come didascalie; coesione lessicale. Unità 6 – Pianificazione 6.1 Rischio (p. 42) – Gradi di certezza. Grammatica: frasi che esprimono gradi di certezza. 6.2 Crisi (p. 44) – Piani immediati e a lungo termine. Grammatica: futuro/futuro anteriore passivo 6.3 Progetti (p. 46) – Partecipazione alle riunioni. Grammatica: espressioni per presiedere una riunione. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di sfide./ Project development and challenge-based problem solving. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./ Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. AP6. Prove di valutazione./Prove di valutazione. Sistema e criteri di valutazione Il processo di valutazione sarà condotto al fine di ottenere i risultati di apprendimento previsti nel programma del corso. Le prove che verranno svolte valuteranno le quattro competenze linguistiche (comprensione scritta, comprensione orale, espressione scritta ed espressione orale). Tali prove saranno: • Prove di scrittura. • Prove scritte a scelta multipla, vero o falso, con spazi da riempire e domande a cui rispondere. • Esercizi di lettura e comprensione scritta. • Esercizi di vocabolario e grammatica. • Realizzazione e presentazione di elaborati. • Prove di comprensione orale. • Prove di espressione orale. VALUTAZIONE CONTINUA Gli studenti saranno valutati tramite valutazione continua, come segue: Prova parziale 1 (totale 35%): verranno valutate le quattro competenze Esame finale (35%): verranno valutate le quattro competenze 1 Presentazioni orali (20%) (Se lo studente supera la prova orale con un voto minimo di 5 in classe, il voto verrà conservato per la sessione ordinaria) Lavoro in classe (comportamento/atteggiamento in classe, frequenza e partecipazione attiva, svolgimento dei compiti): 10% IMPORTANTE: Nel caso in cui lo studente non abbia sostenuto una qualsiasi delle prove parziali o le abbia fallite, l’esame della sessione ordinaria avrà un peso del 100%. In questo caso gli studenti saranno valutati come segue: Scrittura 25% Lettura 25% Ascolto 25% Esame orale 25% Una volta sostenute tutte le prove di valutazione continua, se la media complessiva in una delle competenze (lettura, scrittura, ascolto e/o espressione orale) è inferiore a 2,5, non sarà possibile calcolare la media. In tal caso, il voto finale sarà al massimo un 3 e, pertanto, lo studente dovrà presentarsi alla sessione ordinaria corrispondente. ESAME FINALE: SESSIONE ORDINARIA SENZA VALUTAZIONE CONTINUA E/O SESSIONE STRAORDINARIA. Gli studenti saranno valutati come segue: Scrittura 25% Lettura 25% Ascolto 25% Esame orale 25% ------------------------- Il processo di valutazione sarà condotto con l'obiettivo di raggiungere i risultati di apprendimento previsti e definiti nella documentazione del programma. Le prove di valutazione verificheranno le quattro competenze linguistiche: comprensione scritta, comprensione orale, produzione scritta e produzione orale. Le attività di valutazione comprenderanno: • Compiti di scrittura. • Prove scritte comprendenti domande a scelta multipla, domande vero/falso, esercizi di completamento e domande a risposta breve. • Esercizi di lettura e comprensione scritta. • Esercizi di vocabolario e grammatica. • Preparazione e presentazione di relazioni. • Prove di comprensione orale. • Prove orali. VALUTAZIONE CONTINUA Gli studenti saranno valutati attraverso una valutazione continua come segue: Esame di metà semestre 1 (35%): saranno valutate tutte e quattro le competenze linguistiche. Esame finale (35%): verranno valutate tutte e quattro le competenze linguistiche. Presentazioni orali (20%): se uno studente supera la valutazione orale in classe con un voto minimo di 5 su 10, il voto ottenuto verrà mantenuto per il periodo d’esame ordinario. Lavoro in classe (10%): comprende il comportamento e l’atteggiamento in classe, la frequenza e la partecipazione attiva, nonché il completamento dei compiti assegnati. IMPORTANTE Se uno studente non sostiene o non supera una qualsiasi delle prove intermedie, l’esame ordinario inciderà per il 100% sul voto finale. In tal caso, gli studenti saranno valutati come segue: Scritto: 25% Lettura: 25% Comprensione orale: 25% Espressione orale: 25% Una volta completate tutte le attività di valutazione continua, se la media complessiva in una qualsiasi delle quattro abilità linguistiche (lettura, scrittura, ascolto e/o conversazione) è inferiore a 2,5 su 10, i voti non potranno essere mediati. In tal caso, il voto finale sarà limitato a 3 su 10 e lo studente sarà quindi tenuto a sostenere il corrispondente esame ordinario. ESAME FINALE: ESAME ORDINARIO SENZA VALUTAZIONE CONTINUA E/O ESAME STRAORDINARIO Gli studenti saranno valutati come segue: Scrittura: 25% Lettura: 25% Ascolto: 25% Espressione orale: 25% Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Chris Jacques Technical English 4 Pearson. 2022. ISBN: 1292424478 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242307 | Equazioni alle derivate parziali | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Equazioni alle derivate parzialiCódigo: C0242307 Imprimir Corso 2. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Questo corso offre numerosi approcci possibili. Si potrebbero studiare le equazioni differenziali parziali (EDP) in dimensione n, le proprietà delle soluzioni di alcuni tipi di EDP, ecc., ma si è scelto di incentrare questo corso sulla risoluzione delle EDP a 2 e 3 variabili. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è altamente raccomandabile aver frequentato o stare frequentando i corsi di calcolo a una e più variabili reali, nonché quelli di Equazioni differenziali ed Equazioni alle differenze. Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi per la risoluzione di problemi matematici e ingegneristici, utilizzando in ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze. RC9 - Formulare problemi di ambito professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diverse aree della matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. Descrizione dei contenuti Argomento 1: Equazioni differenziali lineari a 2 e 3 variabili. Equazioni differenziali semilineari. Il Pfaffiano. Equazioni differenziali lineari generali. Argomento 2: Funzioni continue e loro completamento in uno spazio di Hilbert mediante l’integrale di Lebesgue. Teorema della base. Base di Fourier e sviluppi in serie. Argomento 3: Il problema di Sturm–Liouville. Autovalori e autofunzioni. Argomento 4: Risoluzione delle EDP2 lineari a 2 e 3 variabili. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione SESSIONE ORDINARIA - Si terranno due verifiche non liberatorie, ciascuna con un peso del 15%. - Durante la sessione ordinaria si terrà un esame finale sull’intero programma del corso, con un peso del 70%. Importante: per calcolare la media è necessario ottenere un minimo di 4,0 su 10,0 nell’esame finale. In questo caso, la media viene calcolata anche se la valutazione continua risulta insufficiente. SESSIONE STRAORDINARIA - Si terrà un esame globale su tutta la materia con un peso del 100%. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Fondamentale: 1.- Gregorio Orozco e José Luis Guijarro Equazioni alle derivate parziali: un corso di matematica orientato alla risoluzione di problemi di fisica e ingegneria Bellisco. 2011. ISBN: 8495277166 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242308 | Introduzione alla programmazione parallela e distribuita / Introduction to Parallel and Distributed Programming | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Introduzione alla programmazione parallela e distribuita / Introduction to Parallel and Distributed ProgrammingCódigo: C0242308 Imprimir Corso 2. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Il corso ha l'obiettivo di fornire allo studente le nozioni fondamentali e la terminologia relative alla programmazione parallela, concorrente e distribuita, distinguendo i principali concetti, modelli e paradigmi di calcolo. Si intende inoltre sviluppare la capacità di analizzare e progettare soluzioni computazionali, valorizzando l’importanza della pianificazione e dello studio preliminare del problema, identificando possibili colli di bottiglia e proponendo strategie di ottimizzazione volte a migliorare l’efficienza e a ridurre i tempi di calcolo. Si intende formare lo studente a progettare e implementare soluzioni parallele, concorrenti e distribuite mediante l’uso di Python e dei suoi moduli e librerie, selezionando modelli di programmazione, come il multithreading e il multiprocessing, in base alle caratteristiche di ciascun problema. Si mira inoltre a fornire una visione applicata della programmazione parallela e distribuita in ambiti quali il calcolo scientifico, la simulazione, la grafica, la visione artificiale, gli ambienti collaborativi, le applicazioni web e l’elaborazione di grandi volumi di dati. Infine, si intende integrare i fondamenti della programmazione parallela e distribuita, il calcolo scientifico e la programmazione distribuita nello sviluppo di soluzioni e progetti, affrontando tecniche di input e output ad alte prestazioni, strategie per l’ottimizzazione della comunicazione e dell’accesso alle risorse, nonché diversi ambienti di programmazione basati su modelli e paradigmi paralleli e distribuiti e l’impiego di acceleratori computazionali. ------------------------- Il corso mira a fornire agli studenti le basi e la terminologia della programmazione parallela, concorrente e distribuita, distinguendo tra i principali concetti, modelli e paradigmi di calcolo. Mira inoltre a sviluppare la capacità degli studenti di analizzare e progettare soluzioni computazionali, riconoscendo l’importanza della pianificazione e dell’analisi preliminare dei problemi, individuando potenziali colli di bottiglia e sviluppando strategie di ottimizzazione volte a migliorare l’efficienza e a ridurre i tempi di calcolo. Il corso è finalizzato a fornire agli studenti le competenze necessarie per progettare e implementare soluzioni parallele, concorrenti e distribuite utilizzando Python e i relativi moduli e librerie, selezionando modelli di programmazione quali il multithreading e il multiprocessing in base alle caratteristiche di ciascun problema. Fornisce inoltre una prospettiva applicata alla programmazione parallela e distribuita in ambiti quali il calcolo scientifico, la simulazione, la grafica, la visione artificiale, gli ambienti collaborativi, le applicazioni web e l’elaborazione di dati su larga scala. Infine, il corso mira a integrare i fondamenti della programmazione parallela e distribuita, del calcolo scientifico e del calcolo distribuito nello sviluppo di soluzioni e progetti, affrontando tecniche di input/output ad alte prestazioni, strategie per l’ottimizzazione della comunicazione e dell’accesso alle risorse, nonché diversi ambienti di programmazione basati su modelli e paradigmi paralleli e distribuiti e l’uso di acceleratori computazionali. Prerequisiti È fondamentale aver frequentato (in precedenza) i corsi Fondamenti di programmazione e informatica e Strutture dei dati e algoritmi I e II o altri corsi con competenze e risultati di apprendimento simili./È essenziale che gli studenti abbiano precedentemente completato i corsi «Fondamenti di programmazione e informatica» e «Strutture dei dati e algoritmi I e II», oppure altri corsi con competenze e risultati di apprendimento simili. Competenze Non applicabile./Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati./ Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze./ TIPO: Competenze. RC3 - Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica/ Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica. TIPO: Competenze./TYPE: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici./ lavorare in modo autonomo e organizzato per lo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali./ Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze./TYPE: Competenze. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse/ Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Abilità o competenze./TYPE: Skills. RS5 - Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altre finalità, al fine di risolvere problemi/ Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altre finalità, al fine di risolvere problemi. TIPO: Competenze o abilità./TYPE: Skills. Descrizione dei contenuti 1) Introduzione alla programmazione parallela e distribuita - Concetti di base di concorrenza e parallelismo: differenze e motivazioni. - Evoluzione storica e motivazione della necessità di sistemi paralleli (multiprocessori, multithread) e distribuiti (cluster, cloud). - Principali sfide: sincronizzazione, comunicazione, scalabilità e bilanciamento del carico. 2) Calcolo scientifico: esigenze - Problematiche legate all’elevato costo computazionale in ambito scientifico (simulazioni, analisi numerica, big data). - Metodi per sfruttare la capacità di calcolo disponibile: ottimizzazione degli algoritmi, sfruttamento dell’architettura hardware (multicore, GPU). - Introduzione alle librerie e ai framework in Python per attività scientifiche su larga scala (NumPy, SciPy, ecc.), che vengono poi utilizzati con paradigmi paralleli. 3) Programmazione distribuita - Modelli di comunicazione in ambienti distribuiti: scambio di messaggi (MPI), sistemi a code, MapReduce e simili. - Realizzazione di applicazioni che coordinino più nodi (cluster, container, ambienti cloud). - Meccanismi di sincronizzazione e gestione dei guasti (tolleranza ai guasti, replica dei dati, resilienza). 4) I/O ad alte prestazioni - Strategie per ottimizzare il flusso di dati e ridurre i colli di bottiglia nell’accesso al disco o alla rete. - Sistemi di file distribuiti e paralleli (HDFS, Lustre, ecc.). - Tecniche di buffering, caching e partizionamento dei dati per ambienti HPC (High-Performance Computing). 5) Programmazione parallela - Paradigmi di parallelismo in Python: thread (modulo threading), processi (modulo multiprocessing) e alternative (futures, asyncio). - Modelli di programmazione concorrente (produttore-consumatore, map-reduce, pipeline). - Questioni di sicurezza e coerenza: esclusione reciproca, blocchi, semafori e rischi (condizioni di corsa, deadlock). 6) Ambienti di programmazione parallela basati su modelli/paradigmi - Panoramica di framework e librerie: mpi4py per MPI, Dask e PySpark per la gestione dei dati distribuiti, tra gli altri. - Scelta dei modelli in base al tipo di applicazione (data-intensive vs. compute-intensive). - Verifica delle prestazioni e delle metriche di scalabilità (speed-up, efficienza, throughput). 7) Acceleratori - Utilizzo di GPU e coprocessori per accelerare le attività di calcolo intensivo. - Integrazione con Python (CUDA-Python, Numba, librerie che sfruttano la GPU). - Modelli ibridi che combinano CPU multicore e GPU per ottimizzare l’esecuzione degli algoritmi in scenari reali. ------------------------- 1) Introduzione alla programmazione parallela e distribuita - Concetti di base di concorrenza e parallelismo: differenze e motivazioni. - Sviluppo storico e ragioni alla base della necessità di sistemi paralleli (multiprocessori, multithreading) e distribuiti (cluster, cloud computing). - Principali sfide: sincronizzazione, comunicazione, scalabilità e bilanciamento del carico. 2) Calcolo scientifico: requisiti - Problemi ad alta intensità di calcolo in ambito scientifico (simulazioni, analisi numerica, big data). - Metodi per sfruttare la capacità di calcolo disponibile: ottimizzazione degli algoritmi e sfruttamento delle architetture hardware (multicore, GPU). - Introduzione alle librerie e ai framework Python per il calcolo scientifico su larga scala (NumPy, SciPy, ecc.), successivamente utilizzati con paradigmi di programmazione parallela. 3) Programmazione distribuita - Modelli di comunicazione in ambienti distribuiti: passaggio di messaggi (MPI), sistemi basati su code, MapReduce e approcci simili. - Sviluppo di applicazioni che coordinano più nodi (cluster, container, ambienti cloud). - Meccanismi di sincronizzazione e gestione dei guasti (tolleranza ai guasti, replica dei dati, resilienza). 4) I/O ad alte prestazioni - Strategie per l’ottimizzazione del flusso di dati e la riduzione dei colli di bottiglia nell’accesso al disco o alla rete. - File system distribuiti e paralleli (HDFS, Lustre, ecc.). - Tecniche di buffering, caching e partizionamento dei dati per ambienti di calcolo ad alte prestazioni (HPC). 5) Programmazione parallela - Paradigmi di programmazione parallela in Python: thread (modulo threading), processi (modulo multiprocessing) e alternative (futures, asyncio). - Modelli di programmazione concorrente (produttore-consumatore, MapReduce, pipeline). - Problematiche di sicurezza e coerenza: esclusione reciproca, blocchi, semafori e rischi (condizioni di competizione, deadlock). 6) Ambienti di programmazione parallela basati su modelli/paradigmi - Panoramica dei framework e delle librerie: mpi4py per MPI, Dask e PySpark per la gestione distribuita dei dati, tra gli altri. - Selezione dei modelli di programmazione in base al tipo di applicazione (data-intensive vs. compute-intensive). - Verifica delle prestazioni e metriche di scalabilità (speed-up, efficienza, throughput). 7) Acceleratori - Utilizzo di GPU e coprocessori per accelerare attività ad alta intensità di calcolo. - Integrazione con Python (CUDA-Python, Numba, librerie accelerate da GPU). - Modelli ibridi che combinano CPU multicore e GPU per ottimizzare l’esecuzione degli algoritmi in scenari reali. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Lezioni interattive. AP3.2 Workshop e laboratori informatici. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. AP6. Prove di verifica delle conoscenze./Knowledge assessment tests. Sistema e criteri di valutazione SESSIONE ORDINARIA Nella sessione ordinaria, la valutazione oggettiva dell’apprendimento dello studente avverrà tramite valutazione continua. La ponderazione delle attività di valutazione continua è distribuita come segue: a) Esercitazione 1 (7,5%) Criteri di valutazione: - Corretta implementazione delle tecniche di parallelismo (multithreading o multiprocessing) trattate in classe. - Organizzazione e chiarezza del codice, uso adeguato delle strutture dati e delle librerie di Python. - Documentazione del codice (docstring e commenti) che spieghi la logica e i modelli di concorrenza scelti. - Efficienza della soluzione in termini di accelerazione rispetto alla versione sequenziale (se applicabile). b) Esercitazione 2 (7,5%) Criteri di valutazione: - Impiego di librerie specifiche per la programmazione distribuita (ad es. MPI, PySpark) e giustificazione del loro utilizzo. - Corretta architettura della soluzione distribuita (comunicazione tra nodi, distribuzione del carico, scalabilità). - Convalida dei risultati e verifica del corretto funzionamento in un ambiente distribuito o in un cluster simulato. - Pulizia, manutenzione e leggibilità del codice. c) Esercitazione finale (15%) Criteri di valutazione: - Integrazione delle conoscenze relative alla concorrenza (multithreading, multiprocessing) e alla distribuzione (cluster, container, utilizzo di librerie HPC). - Progettazione di una soluzione efficiente e scalabile che affronti un problema complesso relativo a big data, machine learning o calcolo scientifico, applicando strategie di parallelismo e distribuzione. - Qualità della documentazione del progetto (README dettagliato, guide d’uso, riferimenti a concetti teorici). - Presentazione dei risultati (grafici delle prestazioni, test su input di diverse dimensioni e valutazione della scalabilità). d) Esame parziale non liberatorio (30%) Criteri di valutazione: - Comprensione dei fondamenti della concorrenza in Python (uso di thread, processi e thread-safe). - Capacità di progettare e proporre soluzioni parallele di base. - Conoscenza teorica dei principali modelli di programmazione distribuita (MPI, MapReduce, ecc.) e dei relativi vantaggi. - Risoluzione di problemi ed esercizi brevi incentrati sulla verifica delle prestazioni e sulla gestione degli stati condivisi. e) Esame finale dell’intero corso (40%) Criteri di valutazione: - Padronanza completa della programmazione parallela e distribuita: teoria della concorrenza, sincronizzazione, deadlock, scalabilità e architetture distribuite. - Applicazione di modelli di progettazione per sistemi concorrenti e distribuiti. - Capacità di identificare i colli di bottiglia e proporre miglioramenti delle prestazioni. - Domande sia concettuali che pratiche, con particolare attenzione alla risoluzione di problemi reali e all’ottimizzazione di sistemi paralleli e/o distribuiti. IMPORTANTE: la media tra le esercitazioni, l’esame parziale e l’esame finale verrà calcolata solo se in ciascuna di queste attività di valutazione il voto è pari o superiore a 4,0 su 10,0. SESSIONE STRAORDINARIA Nella sessione straordinaria, la valutazione oggettiva dell’apprendimento dello studente avverrà tramite un unico esame, relativo all’intero corso, il cui peso nella votazione finale sarà, pertanto, pari al 100%. Criteri di valutazione: Consisterà in domande teoriche e pratiche sull’intero programma, che comprenderà: - Concetti di concorrenza in Python (processi, thread, GIL). - Tecniche di sincronizzazione e comunicazione (blocchi, semafori, code). - Librerie di programmazione distribuita (MPI, PySpark, Dask, ecc.). - Progettazione e ottimizzazione di sistemi paralleli e distribuiti (implementazione su cluster, scalabilità, tolleranza ai guasti). Verranno valutate la solidità concettuale, la capacità di risolvere problemi complessi e la chiarezza nella motivazione delle soluzioni proposte. Per superare il corso è necessario ottenere un voto minimo di 5 su 10. ------------------------- SESSIONE ORDINARIA DI ESAMI Nel periodo d’esame ordinario, la valutazione oggettiva dell’apprendimento degli studenti avverrà attraverso la valutazione continua. La ponderazione delle attività di valutazione continua è distribuita come segue: a) Compito pratico 1 (7,5%) Criteri di valutazione: - Corretta implementazione delle tecniche di parallelizzazione trattate in classe (multithreading o multiprocessing). - Organizzazione e chiarezza del codice, nonché uso appropriato delle strutture dati e delle librerie Python. - Documentazione del codice (docstring e commenti) che illustri la logica e i modelli di concorrenza scelti. - Efficienza della soluzione in termini di aumento della velocità rispetto alla versione sequenziale, ove applicabile. b) Esercitazione pratica 2 (7,5%) Criteri di valutazione: - Utilizzo di specifiche librerie di programmazione distribuita (ad es. MPI, PySpark) e giustificazione del loro impiego. - Corretta architettura della soluzione distribuita (comunicazione tra nodi, distribuzione del carico di lavoro e scalabilità). - Convalida dei risultati e verifica del corretto funzionamento in un ambiente distribuito o in un cluster simulato. - Chiarezza, manutenibilità e leggibilità del codice. c) Compito pratico finale (15%) Criteri di valutazione: - Integrazione delle conoscenze relative alla concorrenza (multithreading, multiprocessing) e al calcolo distribuito (cluster, container, utilizzo di librerie HPC). - Progettazione di una soluzione efficiente e scalabile che affronti un problema complesso relativo ai big data, all’apprendimento automatico o al calcolo scientifico, applicando strategie di parallelizzazione e di calcolo distribuito. - Qualità della documentazione del progetto (README dettagliato, guide per l’utente e riferimenti ai concetti teorici). - Presentazione dei risultati (grafici delle prestazioni, test con diverse dimensioni di input e valutazione della scalabilità). d) Esame di metà semestre non eliminatorio (30%) Criteri di valutazione: - Comprensione dei fondamenti della concorrenza in Python (uso di thread, processi e thread safety). - Capacità di progettare e proporre soluzioni parallele di base. - Conoscenza teorica dei principali modelli di programmazione distribuita (MPI, MapReduce, ecc.) e dei relativi vantaggi. - Risoluzione di problemi ed esercizi brevi incentrati sulla verifica delle prestazioni e sulla gestione dello stato condiviso. e) Esame finale sull’intero corso (40%) Criteri di valutazione: - Padronanza completa della programmazione parallela e distribuita: teoria della concorrenza, sincronizzazione, deadlock, scalabilità e architetture distribuite. - Applicazione dei modelli di progettazione ai sistemi concorrenti e distribuiti. - Capacità di individuare i colli di bottiglia e proporre miglioramenti delle prestazioni. - Domande sia concettuali che pratiche, con particolare attenzione alla risoluzione di problemi reali e all’ottimizzazione di sistemi paralleli e/o distribuiti. IMPORTANTE: I voti relativi alle prove pratiche, all’esame di metà semestre e all’esame finale saranno mediati solo se il voto ottenuto in ciascuna di queste attività di valutazione è pari o superiore a 4,0/10,0. SESSIONE D'ESAME STRAORDINARIA Nel periodo di esami straordinari, la valutazione oggettiva dell’apprendimento degli studenti avverrà tramite un unico esame che coprirà l’intero corso. Di conseguenza, tale esame costituirà il 100% del voto finale. Criteri di valutazione: L’esame consisterà in domande teoriche e pratiche che copriranno l’intero programma, tra cui: - Concetti di concorrenza in Python (processi, thread, GIL). - Tecniche di sincronizzazione e comunicazione (lock, semafori, code). - Librerie di programmazione distribuita (MPI, PySpark, Dask, ecc.). - Progettazione e ottimizzazione di sistemi paralleli e distribuiti (implementazione in cluster, scalabilità, tolleranza ai guasti). Verranno valutate la solidità concettuale, la capacità di risolvere problemi complessi e la chiarezza nella motivazione delle soluzioni proposte. Per superare il corso è richiesto un voto minimo di 5,0/10,0. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Giancarlo Zaccone Python Parallel Programming Cookbook Packt Pub Ltd. 2015. ISBN: 1785289586 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242309 | Metodi numerici | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Metodi numericiCódigo: C0242309 Imprimir Corso 2. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Il corso "Metodi numerici" introduce lo studente ai metodi fondamentali, insieme ai concetti associati, sviluppati per risolvere problemi matematici in modo approssimativo quando non è possibile ottenere una soluzione analitica. Il corso è incentrato non solo sull’ottenimento della soluzione approssimativa, ma anche e soprattutto sull’analisi dell’errore commesso in tale approssimazione, sulla stabilità dello stesso e sull’efficienza dei metodi applicabili alla risoluzione di un problema. L’apprendimento teorico-pratico dello studente viene integrato dall’implementazione computazionale dei metodi, rafforzando le competenze di programmazione e l’analisi critica dei risultati ottenuti. In questo contesto, gli obiettivi di apprendimento sono: - Comprendere i principi fondamentali dei metodi numerici e la loro importanza nella risoluzione di problemi matematici e, di conseguenza, ingegneristici. - Analizzare e valutare gli errori numerici associati ai diversi metodi, compresa la loro origine, propagazione e minimizzazione. - Sviluppare la capacità di selezionare il metodo numerico più adeguato per risolvere un determinato problema matematico. - Implementare algoritmi numerici utilizzando moderni strumenti computazionali, come Python o MATLAB. - Interpretare e convalidare i risultati ottenuti tramite metodi numerici, tenendone conto della precisione e dell’applicabilità. - Applicare le conoscenze acquisite a problemi pratici relativi alla matematica e all’ingegneria, promuovendo un approccio critico e riflessivo. Prerequisiti Si raccomanda di possedere una solida base di calcolo differenziale e integrale in una variabile (Fondamenti matematici dell’ingegneria I e II), nonché di algebra lineare (Algebra I e II). È inoltre consigliabile possedere conoscenze di programmazione in Python. Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi che risolvano problemi matematici e ingegneristici, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale, nonché la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. RK5 - Conoscere diversi modelli di simulazione, simulazione stocastica, gestione e pianificazione dei sistemi logistici; e risolvere con l’ausilio di software casi relativi a modelli di gestione e pianificazione della produzione. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per formulare proposizioni in diversi ambiti e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. Descrizione dei contenuti Questo corso è strutturato in 5 argomenti: - Argomento 1. Introduzione ai metodi numerici. - Argomento 2. Equazioni non lineari. - Argomento 3. Interpolazione numerica. - Argomento 4. Derivazione e integrazione numeriche. - Argomento 5. Algebra lineare numerica. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Il processo di valutazione consisterà nella valutazione del grado di acquisizione, da parte dello studente, dei risultati di apprendimento associati alla materia. SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questa materia sono: SE1 Attività pratiche. SE2 Prove finali di verifica delle conoscenze. SE3 Portfolio. Tali sistemi contribuiscono in misura maggiore o minore alla valutazione dei risultati di apprendimento previsti per questa materia. CRITERI DI VALUTAZIONE Esistono due sessioni d’esame ufficiali: ordinaria e straordinaria. +++SESSIONE ORDINARIA+++ Il voto finale di questa sessione sarà la media ponderata di una serie di prove di valutazione di seguito descritte: -- un caso pratico (SE1), con un peso del 30% sul voto finale della sessione ordinaria, che si svolgerà durante il periodo didattico in piccoli gruppi (designati dal coordinatore del corso) e per il quale sarà richiesta sia la consegna di esercizi durante lo svolgimento dello stesso sia la presentazione di una relazione al termine del periodo didattico. -- un esame parziale (SE3) non liberatorio, che si svolgerà in aula e individualmente durante il periodo didattico e che avrà un peso del 20% sul voto finale della sessione ordinaria. -- un esame finale (SE2) che si svolgerà in aula e individualmente durante il periodo d’esami della sessione ordinaria, a maggio-giugno (per ulteriori informazioni, consultare il campus virtuale), in cui vengono valutati tutti i contenuti trattati nel corso e che avrà un peso del 50% sul voto finale della sessione ordinaria, a condizione che lo studente ottenga in esso un voto pari o superiore a 4,0 punti su 10,0. In caso contrario (voto inferiore a 4,0 su 10,0), il voto del corso nella sessione ordinaria sarà quello ottenuto nell’esame finale. *** Solo gli esami saranno soggetti a revisione. ***** Il corso sarà considerato superato nella sessione ordinaria se il voto finale è pari a 5,0 punti su 10,0 o superiore. +++SESSIONE STRAORDINARIA+++ Nel caso in cui la materia non venga superata nella sessione ordinaria, lo studente potrà farlo nella sessione straordinaria. In questa sessione è prevista un’unica prova di valutazione, consistente in un esame che si terrà durante il periodo degli esami della sessione straordinaria, giugno-luglio (per ulteriori informazioni, consultare il campus virtuale), in cui verrà valutata l’intera materia trattata nel corso. ***** Il corso sarà considerato superato nella sessione straordinaria se il voto ottenuto in tale esame è pari o superiore a 5,0 su 10,0. Calendario Cliccare su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Burden, Richard L. Analisi numerica 7ª ed. Città del Messico: Thomson, 2002. 2002. ISBN: 9706861343 2.- Sánchez, Juan Miguel Problemi di calcolo numerico per ingegneri con applicazioni Madrid: McGraw-Hill, 2005. 2005. ISBN: 8448129512 Letteratura complementare: 3.- Vázquez Espí, Carlos Analisi numerica / Madrid: García-Maroto, 2013. 2013. ISBN: 9788415793069 Altri: 4.- Demidóvich, B. P. Calcolo numerico fondamentale 3ª ed.. Madrid: Paraninfo, 1988. 1988. ISBN: 842830887X 5.- Gerald, Curtis F. Analisi numerica con applicazioni 6ª ed. Città del Messico [ecc.]: Pearson Educación, 2000. 2000. ISBN: 9684443935 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242604 | Termodinamica | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
TermodinamicaCódigo: C0242604 Imprimir Corso 2. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi L'obiettivo del corso è fornire allo studente gli strumenti necessari per comprendere i processi termodinamici e i principi e le leggi che li regolano, in modo che sia in grado di affrontare con successo l'analisi e la risoluzione di problemi nell'ambito della termodinamica. Prerequisiti Nessuno Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK2 Comprendere fenomeni di natura fisicamente diversa e le loro analogie sottostanti per l’applicazione di soluzioni già note a nuovi problemi RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RK7 Comprendere le leggi e i principi della Fisica, identificandone la struttura logica e matematica, il fondamento sperimentale e i fenomeni da essi descritti RS1 Applicare le conoscenze, i concetti e i metodi più importanti dei diversi rami della fisica. RS4 Applicare i metodi matematici e numerici nella modellizzazione e nella risoluzione esplicita di problemi di Fisica e delle discipline affini, selezionando gli strumenti appropriati e interpretando i risultati. RS10 Applicare i principi e le leggi della termodinamica coinvolti nell’analisi dei fenomeni fisici. Risultati di apprendimento RA1 Identifica gli aspetti essenziali dei fenomeni fisici, descrivendoli quantitativamente e qualitativamente attraverso il formalismo termodinamico RA2 Presenta e interpreta le informazioni termodinamiche (grafici, tabelle, ecc.) RA3 Conosce il Primo Principio come principio generale di conservazione dell’energia, con una funzione di stato, l’energia interna. RA4 Enuncia i Principi della Termodinamica, ne analizza le conseguenze e li applica alla risoluzione di problemi RA5 Conosce come l’entropia e le sue proprietà spieghino il comportamento termodinamico dei sistemi. RA6 Identifica i potenziali termodinamici e analizza il comportamento termodinamico dei sistemi. Descrizione dei contenuti - Principio zero. Concetto di temperatura. - Relazioni termodinamiche. - Equazione termodinamica fondamentale. - Processi termodinamici - Primo principio: lavoro, energia interna e calore. Entalpia. - Secondo principio: entropia. - Potenziali termodinamici, equilibrio e stabilità. - Sistemi aperti, transizioni di fase, punti critici. - Terzo principio. Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 24 4 100 AP2.- Seminari o lezioni di applicazione pratica 15 2,5 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 36 3 50 AP4.- Lavoro autonomo 60 0 0 AP5.- Tutoraggio 12 0,6 30 AP6.- Prove di verifica 3 0,5 100 Sistema e criteri di valutazione Sessione ordinaria. Sistema di valutazione | Ponderazione SE1.- Attività pratiche | 25. Esame parziale SE2.- Prove finali di verifica delle conoscenze | 60. Esame finale sessione ordinaria SE4.- Portfolio | 15. Questo sistema di valutazione prevede la consegna quotidiana di domande e problemi non risolti in classe dal docente. Questo sistema di valutazione sarà ponderato in base alla frequenza complessiva al corso: se alla fine dell’anno accademico la frequenza dello studente alle ore di lezione in programma (SESSIONE, LAB) è superiore o pari al 60%, il voto relativo a questo sistema sarà quello ottenuto dopo la correzione da parte del docente. Se la frequenza dello studente all’insieme delle ore previste dal corso (SESSIONE e LAVORO) è inferiore al 60%, il voto relativo a questo sistema, ottenuto dopo la correzione da parte del docente, sarà ridotto in base al livello di frequenza raggiunto, in base a un parametro di frequenza definito dal docente. Affinché venga presa in considerazione la valutazione continua (composta dalle Attività pratiche (SE1) e dal Portfolio (SE4)), gli studenti dovranno ottenere un voto pari o superiore a 5,0/10 nell’esame finale della sessione ordinaria. In caso contrario, il loro voto corrisponderà direttamente a quello ottenuto in tale esame. La materia si considera superata nella sessione ordinaria se la valutazione finale è pari o superiore a 5,0/10. Sessione straordinaria Nel caso in cui non si sia superato il corso nella sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo degli esami di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). Il 100% del voto finale della materia nella sessione straordinaria corrisponde all’esame finale di tale sessione. La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0/10. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242608 | Meccanica e onde II / Mechanics and waves II | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Meccanica e onde II / Mechanics and waves IICódigo: C0242608 Imprimir Corso 2. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Questo corso, insieme a "Meccanica e Onde I", fa parte del modulo Meccanica e Onde. Il suo obiettivo principale è quello di far acquisire agli studenti familiarità con la meccanica lagrangiana e la meccanica hamiltoniana, due riformulazioni della meccanica newtoniana su cui si fonda gran parte della fisica fondamentale moderna (compresa la teoria quantistica dei campi e la relatività generale). Oltre a comprendere i fondamenti concettuali di questi formalismi, gli studenti dovranno essere in grado di applicarli alla risoluzione di problemi meccanici. Verrà inoltre presentata un’introduzione al problema dei due corpi e si discuterà della dinamica delle particelle che interagiscono tramite forze centrali e delle orbite che ne derivano. Infine, verranno esplorate le conseguenze dell’abbandono della nozione classica di spazio e tempo assoluti e dell’adozione dei postulati della relatività ristretta nella costruzione di una teoria meccanica. Prerequisiti Nessun prerequisito Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK2 Comprendere fenomeni di natura fisicamente diversa e le loro analogie sottostanti per l’utilizzo di soluzioni già note a nuovi problemi RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RK5 Comprendere la portata e i limiti della fisica classica che hanno portato alla formulazione della relatività speciale e generale, oltre che della meccanica quantistica, per affrontare i nuovi problemi che emergono nella fisica moderna. RK7 Comprendere le leggi e i principi della fisica, identificandone la struttura logica e matematica, il supporto sperimentale e i fenomeni da essi descritti RK12 Comprendere le teorie, le leggi e i modelli che regolano i fenomeni fisici legati alla meccanica RS1 Applicare le conoscenze, i concetti e i metodi più importanti dei diversi rami della Fisica. RS4 Applicare i metodi matematici e numerici nella modellizzazione e nella risoluzione esplicita di problemi di Fisica e delle discipline affini, selezionando gli strumenti appropriati e interpretando i risultati. Risultati di apprendimento RA5 Applicare correttamente la formulazione lagrangiana e hamiltoniana alla risoluzione di problemi di meccanica. RA6 Formula le equazioni del moto per forze di tipo centrale, risolvendole in modo completo e ottenendo le soluzioni del moto e le traiettorie. RA7 Formula e risolve le equazioni di un sistema che si discosta dalla propria posizione di equilibrio, classificando tale equilibrio. RA8 Approfondisce la conoscenza dei fondamenti della relatività speciale e delle sue conseguenze fisiche più rilevanti, acquisendo competenza nello studio della cinematica e della dinamica della particella nel contesto dello spazio-tempo di Minkowski. Descrizione dei contenuti - Meccanica lagrangiana. - Il problema dei due corpi. Forze centrali. Orbite. - Meccanica hamiltoniana. - Meccanica relativistica. Attività didattiche AP1.- Lezioni frontali partecipative AP2.- Seminari o lezioni di applicazione pratica AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) AP4.- Lavoro autonomo Sistema e criteri di valutazione ING Il processo di valutazione consisterà nella verifica e nella valutazione dell’acquisizione da parte dello studente delle competenze richieste. SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questo corso sono: - SE1: Attività pratiche. Consistono in due prove intermedie sostenute durante il periodo didattico. - SE2: Valutazione finale delle conoscenze. Corrisponde a un esame finale che verte sull’intero programma del corso. - SE4: Portfolio. Questo sistema di valutazione prevede la realizzazione e la consegna di circa quattro serie di esercizi, che potranno essere svolti individualmente o in piccoli gruppi a seconda dell’andamento del corso. CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti sono specificati attraverso i seguenti criteri di valutazione. Sono previste due sessioni d’esame ufficiali: ordinaria e straordinaria. SESSIONE ORDINARIA Il voto finale in questa sessione è la media ponderata delle componenti di valutazione di seguito descritte: - Attività pratiche (SE1): 25% del voto finale (12,5% per ciascuna prova intermedia). - Valutazione finale delle conoscenze (SE2): 60% del voto finale. - Portfolio (SE4): 15% del voto finale. Affinché la valutazione continua (costituita dal portfolio e dai due esami di metà semestre) venga presa in considerazione, gli studenti devono ottenere un voto minimo di 4,0 all’esame finale della sessione ordinaria. In caso contrario, il voto finale corrisponderà direttamente al voto ottenuto in tale esame. Il corso si considera superato nella sessione ordinaria se il voto finale è pari o superiore a 5,0. SESSIONE STRAORDINARIA Se lo studente non supera il corso nella sessione ordinaria, può sostenere la sessione straordinaria. La sessione straordinaria si svolge durante il periodo d’esami di luglio (per ulteriori informazioni, consultare il Calendario Accademico). Consiste in un unico esame che valuta l’intero contenuto del corso. Il voto della sessione straordinaria corrisponde direttamente al voto ottenuto in tale esame. Il corso si considera superato nella sessione straordinaria se il voto finale è pari o superiore a 5,0. SISTEMA DI VALUTAZIONE L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea nell’Area europea dell’istruzione superiore. Per ottenere i crediti corrispondenti è necessario superare gli esami o le prove di valutazione relative al corso. Il livello di apprendimento raggiunto dagli studenti sarà espresso mediante voti numerici su una scala da 0 a 10, con una cifra decimale, a cui potrà essere aggiunto un giudizio qualitativo: - 0–4,9: Insufficienza (SS). - 5,0–6,9: Superato (AP). - 7,0–8,9: Buono (NT). - 9,0–10: Eccellente (SB). La menzione «Honours» (Matrícula de Honor) può essere assegnata agli studenti che ottengono un voto pari o superiore a 9,0. Il numero di tali riconoscimenti non può superare il cinque per cento degli studenti iscritti al corso durante l’anno accademico corrispondente, a meno che il numero degli iscritti non sia inferiore a 20, nel qual caso potrà essere assegnato un solo riconoscimento «Honours». ESP Il processo di valutazione consisterà nella verifica e nella valutazione dell’acquisizione delle competenze da parte dello studente. SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questa materia sono: - SE1: Attività pratiche. Consistono nello svolgimento di due prove parziali nel corso del periodo didattico. - SE2: Prove finali di verifica delle conoscenze. Si tratta di un esame finale che copre l’intero programma del corso. - SE4: Portfolio. Questo sistema di valutazione prevede la risoluzione e la consegna di circa quattro serie di esercizi, che potranno essere affrontati individualmente o in piccoli gruppi a seconda dell’avanzamento del corso. CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti si concretizzano nei seguenti criteri di valutazione. Esistono due sessioni d’esame ufficiali: ordinaria e straordinaria. SESSIONE ORDINARIA Il voto finale di questa sessione è la media ponderata dell’insieme delle prove di valutazione di seguito descritte: - Attività pratiche (SE1): 25% del voto finale (12,5% per ogni esame parziale). - Prove finali di verifica delle conoscenze (SE2): 60% del voto finale. - Portfolio (SE4): 15% del voto finale. Affinché venga presa in considerazione la valutazione continua (costituita dal portfolio e dai due esami parziali), gli studenti dovranno ottenere un voto minimo di 4,0 nell’esame finale della sessione ordinaria. In caso contrario, il loro voto corrisponderà direttamente a quello ottenuto in tale esame. Il corso si considera superato nella sessione ordinaria se il voto finale è pari o superiore a 5,0. SESSIONE STRAORDINARIA Nel caso in cui non si sia superato il corso nella sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo d’esami di luglio (per ulteriori informazioni, consultare il Calendario Accademico). Consiste in un unico esame in cui vengono valutati tutti i contenuti del corso. Il voto nella sessione straordinaria corrisponde direttamente al voto ottenuto in tale esame. La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0. VOTI L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea che rientrano nell’ambito dello Spazio europeo dell’istruzione superiore. Tale sistema è il seguente: L’ottenimento dei crediti corrispondenti comporta il superamento degli esami o delle prove di valutazione associati. Il livello di apprendimento raggiunto dagli studenti sarà espresso con voti numerici su una scala da 0 a 10, con un decimale, a cui potrà essere aggiunta la corrispondente valutazione qualitativa: - 0-4,9: Insufficiente (SS). - 5,0-6,9: Superato (AP). - 7,0-8,9: Buono (NT). - 9,0-10: Eccellente (SB). La menzione «Matrícula de Honor» sarà attribuita agli studenti che abbiano ottenuto un voto pari o superiore a 9,0. Il loro numero non potrà superare il cinque per cento degli studenti iscritti alla materia nel corrispondente anno accademico, salvo nel caso in cui il numero di studenti iscritti sia inferiore a 20, nel qual caso potrà essere concessa una sola «Matrícula de Honor». Bibliografia Fondamentale: 1.- A. Fernández Rañada Dinamica classica 1ª ed. Alianza. 1994. ISBN: 8420681334 2.- H. Goldstein Meccanica classica Addison-Wesley. 1950. ISBN: 9780201025101 3.- J.R. Taylor Meccanica classica Reverté. 2013. ISBN: 8429143122 4.- S.T. Thornton, J.B. Marion Dinamica classica delle particelle e dei sistemi Reverté. 1975. ISBN: 9788429140941 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 42 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Terzo anno
PRIMO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0242601 | Elettromagnetismo I | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Elettromagnetismo ICódigo: C0242601 Imprimir Corso 3. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Lo studente acquisirà le nozioni fondamentali dell'elettromagnetismo, con particolare attenzione alla corretta applicazione degli strumenti del calcolo vettoriale a problemi rilevanti di elettrostatica, magnetostatica e problemi con condizioni al contorno. Prerequisiti Nessuno Competenze RA1 Padroneggia la descrizione di base della generazione dei campi elettromagnetici da cariche e correnti e dell’azione dei campi sulle cariche. RA2 Conosce il comportamento dei mezzi materiali in presenza di campi elettrici e magnetici e sa calcolare tali campi. RA3 Conosce e applica le tecniche analitiche e numeriche relative ai problemi al contorno per il potenziale. RA4 Comprende e sa utilizzare le equazioni di Maxwell nella loro forma differenziale e integrale. Risultati di apprendimento o RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica o RK2 Comprendere i fenomeni di natura fisicamente diversa e le loro analogie sottostanti per l’utilizzo di soluzioni già note a nuovi problemi o RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato o RK7 Comprendere le leggi e i principi della Fisica, identificandone la struttura logica e matematica, il supporto sperimentale e i fenomeni da essi descritti o RK11 Comprendere i fondamenti e i concetti di base relativi ai campi elettrici e magnetici, nonché l’interrelazione tra tali campi e la loro unificazione nell’elettromagnetismo o RS1 Applicare le conoscenze, i concetti e i metodi più importanti dei diversi rami della Fisica. o RS4 Applicare i metodi matematici e numerici nella modellizzazione e nella risoluzione esplicita di problemi di Fisica e delle discipline affini, selezionando gli strumenti appropriati e interpretando i risultati. Descrizione dei contenuti -Argomento 1. Elettrostatica Il campo elettrico (distribuzioni discrete e continue di carica), divergenza e rotazionalità del campo elettrico (legge di Gauss e irrotazionalità dei campi elettrostatici), Potenziale elettrico (equazione di Poisson, di Laplace e condizioni al contorno), lavoro ed energia in elettrostatica -Argomento 2. Mezzi conduttori Proprietà fondamentali, Cariche indotte, Carica superficiale e forza su un conduttore, Condensatori -Argomento 3. Magnetostatica e corrente elettrica Forze magnetiche (forze di Lorentz e correnti stazionarie), legge di Biot-Savart, divergenza e rotazionalità del campo magnetico (legge di Ampère, non divergenza del campo magnetico) Attività formative Attività formativa | N. ore (8-12) | Ore in presenza | % di presenza AP1.- Lezioni frontali partecipative | 48 | 4| 100 AP2.- Seminari o lezioni di applicazione pratica |30 |2,5 |100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) |72 |3 |50 AP4.- Lavoro autonomo |120 |0 |0 AP5.- Tutoraggio | 24 |0,6 |30 AP6.- Verifiche di conoscenza |6 |0,5 |100 TOTALE 300 10,6 Sistema e criteri di valutazione Il processo di valutazione consisterà nella verifica e nella valutazione dell’acquisizione delle competenze da parte dello studente. SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questo corso sono: - SE1: Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.). - SE2: Prove finali di verifica delle conoscenze. - SE4: Portfolio. CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti si concretizzano nei seguenti criteri di valutazione. Sono previste due sessioni d’esame ufficiali: ordinaria e straordinaria. +++SESSIONE ORDINARIA+++ Il voto finale di questa sessione è la media ponderata di una serie di prove di valutazione descritte di seguito: - Attività pratiche (SE1) 30% del voto finale: esame parziale fissato in anticipo (20%) + esercizi da consegnare proposti dal docente (10%). - Prove finali di conoscenza (SE2) 60% del voto finale: esame finale della sessione ordinaria in cui vengono valutati tutti i contenuti del corso. - Portfolio (SE4) 10% del voto finale. Questo sistema di valutazione prevede la consegna quotidiana di domande e problemi non risolti in classe dal docente. Questo sistema di valutazione sarà ponderato in base alla frequenza complessiva al corso: se alla fine dell’anno accademico la frequenza dello studente alle ore di lezione previste (SESSIONE, LAB) è superiore o pari al 60%, il voto relativo a questo sistema sarà quello ottenuto dopo la correzione da parte del docente. Se la frequenza dello studente all’insieme delle ore previste dal corso (SESSIONE e LAB) è inferiore al 60%, il voto relativo a questo sistema, ottenuto dopo la correzione da parte del docente, sarà ridotto in base al livello di frequenza raggiunto, in base a un parametro di frequenza definito dal docente. Affinché venga presa in considerazione la valutazione continua (costituita dalle Attività pratiche (SE1) e dal portfolio (SE4)), gli studenti dovranno ottenere un voto pari o superiore a 4,0/10 nell’esame finale della sessione ordinaria. In caso contrario, il voto corrisponderà direttamente a quello ottenuto in tale esame. Il corso si considera superato nella sessione ordinaria se il voto ottenuto seguendo le indicazioni precedenti è pari o superiore a 5,0. +++SESSIONE STRAORDINARIA+++ Nel caso in cui non si sia superato il corso nella sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo d’esami di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). - Il 100% del voto finale della materia nella sessione straordinaria corrisponde all’esame finale di tale sessione, in cui vengono valutati tutti i contenuti della materia. La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0. VOTI L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea che rientrano nell’ambito dello Spazio europeo dell’istruzione superiore. Tale sistema è il seguente: Il conseguimento dei crediti corrispondenti comporta il superamento degli esami o delle prove di valutazione associate. Il livello di apprendimento raggiunto dagli studenti sarà espresso con voti numerici su una scala da 0 a 10, con un decimale, a cui potrà essere aggiunta la corrispondente valutazione qualitativa: - 0-4,9: Insufficiente (SS). - 5,0-6,9: Promosso (AP). - 7,0-8,9: Buono (NT). - 9,0-10: Eccellente (SB). La menzione «Matrícula de Honor» sarà attribuita agli studenti che abbiano ottenuto un voto pari o superiore a 9,0. Il loro numero non potrà superare il cinque per cento degli studenti iscritti alla materia nel corrispondente anno accademico, salvo nel caso in cui il numero di studenti iscritti sia inferiore a 20, nel qual caso potrà essere concessa una sola «Lode». Bibliografia Fondamentale: 1.- Griffiths, David J Introduction to electrodynamics / David J. Griffiths Harlow, Regno Unito Pearson. 2014. ISBN: 1108420419 2.- Richard P. Feynman, Robert B. Leighton, Matthew Sands Lezioni di fisica di Feynman, Vol. II Edizione del nuovo millennio: Principalmente elettromagnetismo e materia Basic Books. 2011. ISBN: 9780465024940 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342300 | Approfondimento dei metodi numerici / Extension of Numerical Methods | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Approfondimento dei metodi numerici / Extension of Numerical MethodsCódigo: C0342300 Imprimir Corso 3. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Gli obiettivi del corso sono quelli di far apprendere agli studenti i diversi metodi numerici per la risoluzione delle equazioni differenziali e di far loro acquisire dimestichezza nell'uso delle librerie di simulazione numerica. Inoltre, lo studente dovrà essere in grado di applicarli a problemi rilevanti nell’ambito dell’ingegneria matematica./Gli obiettivi del corso sono quelli di far apprendere agli studenti i diversi metodi numerici per la risoluzione delle equazioni differenziali e di far loro acquisire padronanza nell’uso delle librerie di simulazione numerica. Inoltre, gli studenti dovranno essere in grado di applicare tali metodi a problemi rilevanti nell’ambito dell’ingegneria matematica. Prerequisiti È fondamentale aver frequentato (in precedenza) i corsi Equazioni differenziali ed equazioni a differenze, Equazioni a derivate parziali e Metodi numerici o altri corsi con competenze e risultati di apprendimento simili./È essenziale che gli studenti abbiano precedentemente completato i corsi “Equazioni differenziali e di differenza”, “Equazioni alle derivate parziali” e “Metodi numerici”, oppure altri corsi con competenze e risultati di apprendimento simili. Competenze Non applicabile./Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati/ Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze./ TIPO: Competenze. RC3 - Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato./ Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze./ TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici./ Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria./ Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RK5 - Conoscere diversi modelli di simulazione, la simulazione stocastica, la gestione e la pianificazione dei sistemi logistici; e risolvere, con l’ausilio di software, casi relativi a modelli di gestione e pianificazione della produzione/ Comprendere diversi modelli di simulazione, la simulazione stocastica e la gestione e pianificazione dei sistemi logistici; e risolvere, con l’ausilio di software, casi relativi a modelli di gestione e pianificazione della produzione. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RS1 - Utilizzare il linguaggio matematico per formulare proposizioni in diversi ambiti e costruire dimostrazioni relative ai problemi posti./ To use mathematical language to formulate propositions in various fields and to construct proofs for the given problems. TIPO: Abilità o competenze./TYPE: Skills. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti/ Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Competenze o abilità./TYPE: Skills. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Competenze o abilità./TYPE: Skills. RS5 - Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi/ Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi. TIPO: Competenze o abilità./TYPE: Skills. Descrizione dei contenuti Si studia il comportamento dei modelli lineari e delle equazioni differenziali non lineari, identificando sia la stabilità dei modelli sia il loro comportamento a lungo termine. Vengono definiti e compresi diversi metodi numerici per la risoluzione di equazioni differenziali ordinarie (EDO) lineari e non lineari, ponendo l’accento sull’implementazione computazionale di alcuni di questi modelli, quali il metodo di Eulero, i metodi di previsione-correzione o il metodo di Runge-Kutta di quarto ordine. Vengono inoltre sviluppati meccanismi numerici per la risoluzione di equazioni differenziali ordinarie di ordine superiore e di sistemi di equazioni differenziali ordinarie. In questo caso, vengono studiati anche sistemi di equazioni differenziali ordinarie non lineari e vengono esplorate le loro principali applicazioni nel campo dell’ingegneria matematica, come lo studio delle popolazioni, le applicazioni nella chimica industriale o nell’elettronica, nonché nei fenomeni di trasporto. ------------------------- Il corso esamina il comportamento dei modelli lineari e delle equazioni differenziali non lineari, concentrandosi sull’analisi della stabilità dei modelli e del comportamento a lungo termine. Vengono introdotti e studiati vari metodi numerici per la risoluzione di equazioni differenziali ordinarie (ODE) lineari e non lineari, con particolare enfasi sull’implementazione computazionale di molti di questi metodi, tra cui il metodo di Eulero, i metodi predittore-correttore e il metodo di Runge-Kutta di quarto ordine. Vengono inoltre sviluppati metodi numerici per la risoluzione di equazioni differenziali ordinarie (ODE) di ordine superiore e di sistemi di ODE. In questo contesto, vengono studiati i sistemi non lineari di ODE, insieme alle loro principali applicazioni nell’ingegneria matematica, tra cui la modellizzazione demografica, le applicazioni nella chimica industriale e nell’elettronica, nonché i fenomeni di trasporto. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Interactive classes. AP3.1. Sviluppo di progetti e risoluzione di sfide./ Project development and challenge-based problem solving. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./ Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. AP6. Verifiche delle conoscenze./Verifiche delle conoscenze. Sistema e criteri di valutazione SISTEMI DI VALUTAZIONE I sistemi progettati per valutare il grado di acquisizione, da parte degli studenti, dei risultati di apprendimento sono: SE1.- Attività pratiche. Attività pratiche individuali e di gruppo (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.). SE2.- Prove finali di verifica delle conoscenze. Prove oggettive di verifica delle conoscenze. Possono essere scritte o orali, a risposta aperta, a risposta breve o a scelta multipla, ecc. SE3.- Portfolio. Vengono valutate le prove dell’apprendimento (di conoscenza, prestazione o prodotto) dello studente raccolte in un dossier, in una cartella o in un portfolio nel corso del corso, con l’intento di spiegare e riflettere sull’apprendimento realizzato. Tali sistemi si concretizzano nei seguenti criteri di valutazione: SESSIONE ORDINARIA - SE3: 20% Esame parziale. - SE1: 30%. Si tratta di casi di studio pratici la cui valutazione si basa su una relazione finale. In genere se ne svolgono da 2 a 4 durante l’anno accademico. - SE2: 50%. Si tratta di prove scritte di verifica delle conoscenze, esame finale della sessione ordinaria. Il calcolo del voto finale nella sessione ordinaria sarà subordinato al raggiungimento di un voto minimo di 5,0 punti su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività e prove di valutazione. Nel caso in cui il voto ottenuto nell’esame finale sia inferiore a 5,0 punti su 10, il voto finale sarà quello ottenuto in tale esame. Inoltre, le prove di valutazione relative a SE1, ovvero i casi pratici che rappresentano il 30% della valutazione, non possono contenere una percentuale superiore al 30% di IA; qualora tale limite venga superato, a tale prova verrà assegnato un punteggio pari a 0/10. SESSIONE STRAORDINARIA La sessione straordinaria prevede lo svolgimento di un esame finale sull’intero corso. Il voto nella sessione straordinaria sarà calcolato come segue: - 100% del voto dell’esame teorico/pratico. ------------------------- METODI DI VALUTAZIONE I metodi di valutazione, concepiti per valutare in che misura gli studenti abbiano raggiunto i risultati di apprendimento previsti, sono i seguenti: SE1 – Attività pratiche Attività pratiche individuali e di gruppo (casi di studio, attività di problem solving e basate su sfide, lavori di progetto, presentazioni orali, dibattiti, ecc.). SE2 – Valutazioni finali delle conoscenze Valutazioni oggettive delle conoscenze. Queste possono essere scritte o orali e possono assumere la forma di domande a risposta aperta, a risposta breve, a scelta multipla o di altro tipo. SE3 – Portfolio Valutazione delle prove di apprendimento dello studente (conoscenze, prestazioni o prodotti) raccolte in un dossier, una cartella o un portfolio nel corso del percorso formativo, con l’obiettivo di documentare e riflettere sull’apprendimento raggiunto. Questi metodi di valutazione sono specificati attraverso i seguenti criteri di valutazione: PERIODO DI ESAME ORDINARIO SE3: 20% – Esame di metà semestre. SE1: 30% – Casi di studio pratici, valutati sulla base di una relazione finale. In generale, durante il corso vengono svolti da due a quattro casi di studio. SE2: 50% – Valutazione scritta delle conoscenze: esame finale durante il periodo di valutazione ordinario. Il calcolo del voto finale nel periodo d’esame ordinario è subordinato al conseguimento di un voto minimo di 5,0 su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività di valutazione e delle prove d’esame, anche qualora una di esse sia stata non superata. Se il voto ottenuto nell’esame finale è inferiore a 5,0 su 10, il voto finale corrisponderà al voto ottenuto in tale esame. Inoltre, le attività di valutazione relative a SE1 (casi di studio pratici), che incidono per il 30% sulla valutazione complessiva, non devono contenere più del 30% di contenuti generati dall’intelligenza artificiale. Se tale soglia viene superata, l’attività di valutazione riceverà un voto pari a 0/10. SESSIONE D'ESAME STRAORDINARIA Il periodo di esami straordinari consiste in un esame finale che verte sull’intero corso. Il voto relativo al periodo d’esame straordinario sarà calcolato come segue: - 100% — Voto dell’esame teorico/pratico. Calendario Clicca su questo link per visualizzare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- D. A. Ovalle, M. Á. Bernal-Yermanos e J. A. Posada-Restrepo Matematica per l’ingegneria. Metodi numerici con Python Politecnico Grancolombiano. 2017. ISBN: 978-958-8721- 2.- Steven Chapra e Raymond Canale Metodi numerici per ingegneri McGraw-Hill Interamericana de España S.L.. 2011. ISBN: 6071504996 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342301 | Sviluppo orientato agli oggetti / Object Oriented Development | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sviluppo orientato agli oggetti / Object Oriented DevelopmentCódigo: C0342301 Imprimir Corso 3. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Questo corso è suddiviso in una serie di moduli volti a migliorare e perfezionare le tecniche utilizzate dagli studenti nella programmazione e nel collaudo delle applicazioni. I moduli che compongono il corso sono: 1. Strutture avanzate di dati. In questo modulo si introducono gli studenti a tecniche specifiche per definire strutture di dati che modellino la realtà. 2. Tecniche algoritmiche. Si tratta di studiare diversi approcci alla risoluzione algoritmica dei problemi che possono essere utilizzati in diverse fasi della risoluzione dei problemi tramite computer. 3. Test dei programmi. L’obiettivo di questo modulo è quello di sensibilizzare lo studente sull’importanza dei test in ogni fase dello sviluppo. Verranno inoltre insegnate le tecniche più comuni per testare programmi e sistemi informatici. ------------------------- Questo corso è suddiviso in una serie di moduli volti a sviluppare e perfezionare le tecniche utilizzate dagli studenti nella programmazione e nel collaudo delle applicazioni. Il corso comprende i seguenti moduli: 1. Strutture dati avanzate. Questo modulo introduce gli studenti a tecniche specializzate per la definizione di strutture dati che modellano sistemi e fenomeni del mondo reale. 2. Tecniche algoritmiche. Questo modulo esamina diversi approcci alla soluzione algoritmica di problemi applicabili nelle diverse fasi della risoluzione di problemi basati sull’informatica. 3. Test del software. L’obiettivo di questo modulo è sensibilizzare gli studenti sull’importanza del testing durante l’intero processo di sviluppo del software. Agli studenti verranno inoltre illustrate le tecniche più comuni per il test di programmi software e sistemi informatici. Prerequisiti È fondamentale aver frequentato (in precedenza) i corsi Fondamenti di Programmazione e Informatica, Strutture dei Dati e Algoritmi I e II e Introduzione alla Programmazione Parallela e Distribuita o altri corsi con competenze e risultati di apprendimento simili./È essenziale che gli studenti abbiano precedentemente completato i corsi “Fondamenti di programmazione e informatica”, “Strutture dei dati e algoritmi I e II” e “Introduzione alla programmazione parallela e distribuita”, oppure altri corsi con competenze e risultati di apprendimento simili. Competenze Non applicabile./Not applicable. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati/ Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze./ TIPO: Competenze. RC3 - Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato/ Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze./TYPE: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica/ Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica. TIPO: Competenze./TYPE: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici./ lavorare in modo autonomo e organizzato per lo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali./ Sviluppare lavori e progetti relativi all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze./TYPE: Competences. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse/ Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Abilità o competenze./TYPE: Skills. RS5 - Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altre finalità, al fine di risolvere problemi/ Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altre finalità, al fine di risolvere problemi. TIPO: Competenze o abilità./TYPE: Skills. Descrizione dei contenuti 1. Introduzione alla Programmazione Orientata agli Oggetti (POO). 1.1. Fasi di sviluppo del software. Metodologie. 1.2. Diagrammi di progettazione. Linguaggio UML. 2. Classi in Python. 2.1. Programmazione imperativa. 2.2. Oggetti e classi. 2.3. Incapsulamento. 2.4. Modularità. 3. Eredità delle classi. 3.1. Gerarchia delle classi. Incapsulamento. 3.2. Classi astratte e interfacce. 3.3. Gestione degli errori. Eccezioni. 3.4. Collezioni e genericità. Classi interne. 3.5. Polimorfismo. Concorrenza. Interfacce funzionali. 4. Progettazione dell'interfaccia utente. 4.1. Elementi delle interfacce grafiche. 4.2. Distribuzione geometrica dei componenti. Layout. 4.3. Gestione degli eventi. Listener. 4.4. Framework per l'interfaccia. 4.5. Utilizzo della grafica. 5. Modelli di progettazione. 5.1. Concetti generali sui modelli. 5.2. Esempi rappresentativi in Python. ------------------------- 1. Introduzione alla programmazione orientata agli oggetti (OOP). 1.1. Fasi e metodologie di sviluppo del software. 1.2. Diagrammi di progettazione e il Linguaggio di Modellazione Unificato (UML) 2. Classi in Python. 2.1. Programmazione imperativa. 2.2. Oggetti e classi. 2.3. Incapsulamento. 2.4. Modularità. 3. Eredità delle classi. 3.1. Gerarchie di classi e incapsulamento. 3.2. Classi astratte e interfacce. 3.3. Gestione degli errori ed eccezioni. 3.4. Collezioni e generici. Classi interne. 3.5. Polimorfismo, concorrenza e interfacce funzionali. 4. Progettazione dell'interfaccia utente. 4.1. Elementi dell'interfaccia grafica utente. 4.2. Disposizione geometrica dei componenti e layout. 4.3. Gestione degli eventi e listener di eventi. 4.4. Framework per l'interfaccia utente. 4.5. Uso della grafica. 5. Modelli di progettazione. 5.1. Concetti generali sui modelli di progettazione. 5.2. Esempi rappresentativi in Python. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive. AP3.2 Workshop e laboratori informatici. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. AP6. Prove di verifica delle conoscenze./Knowledge assessment tests. Sistema e criteri di valutazione Il processo di valutazione sarà condotto tenendo conto delle diverse competenze. SESSIONE ORDINARIA La valutazione sarà composta dalle seguenti parti: - Il 50% di esame teorico/pratico. - Il 50% delle esercitazioni di laboratorio. Il calcolo del voto finale nella sessione ordinaria sarà subordinato al raggiungimento di un voto minimo di 4,0 su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività e prove di valutazione, anche qualora alcune di esse risultino non superate. Nel caso in cui il voto ottenuto nell’esame finale sia inferiore a 4,0 punti su 10, il voto finale sarà quello ottenuto in tale esame. SESSIONE STRAORDINARIA La valutazione consisterà in un’unica parte (100%), costituita da un esame teorico/pratico. ------------------------- Il processo di valutazione terrà conto delle diverse competenze da sviluppare. SESSIONE D'ESAME ORDINARIA La valutazione consisterà nelle seguenti componenti: - 50% - Esame teorico/pratico. - 50% - Esercitazioni di laboratorio. Il calcolo del voto finale nel periodo d'esame ordinario è subordinato al raggiungimento di un voto minimo di 4,0 su 10 nell'esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività di valutazione e delle prove di valutazione, anche qualora una di esse sia stata superata con esito negativo. Se il voto ottenuto nell’esame finale è inferiore a 4,0 su 10, il voto finale corrisponderà al voto ottenuto in tale esame. SESSIONE D'ESAME STRAORDINARIA La valutazione consisterà in un’unica componente (100%), ovvero un esame teorico-pratico. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- David A. Ham Programmazione orientata agli oggetti in Python per matematici (3ª edizione) Indipendente. 2023. ISBN: 979-886257750 2.- Krzysztof Postek, Alessandro Zocca, Joaquim A. S. Gromicho e Jeffrey C. Kantor Ottimizzazione matematica pratica con Python Cambridge University Press. 2025. ISBN: 1009493507 3.- Luciano Ramalho Fluent Python: Programmazione chiara, concisa ed efficace (2ª edizione) O'Reilly Media. 2022. ISBN: 1492056359 4.- Steven F. Lott e Dusty Phillips Python Object-Oriented Programming (4ª edizione) Packt Publishing. 2021. ISBN: 1801077266 Link Python - Documentazione ufficiale di Python Tutorial di base su Python - Tutorial su Python su W3School |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342302 | Ricerca operativa | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ricerca operativaCódigo: C0342302 Imprimir Corso 3. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Gli obiettivi generali del corso sono che lo studente: o Modelli problemi elementari di Ricerca Operativa. o Conosca i fondamenti dell'algoritmo del simplex e della dualità. o Risolva problemi di ottimizzazione lineare e interpreti correttamente i risultati. o Conoscere i modelli classici di ottimizzazione intera. o Applichi le condizioni di ottimizzazione non lineare in casi semplici. o Risolvere con l’ausilio di software problemi tipici della Ricerca Operativa, in particolare quelli di ottimizzazione lineare. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è altamente raccomandabile aver frequentato i corsi di Algebra I e II, nonché avere esperienza pregressa nei linguaggi di programmazione Python e VBA (Visual Basic for Applications). Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi che risolvano problemi matematici e ingegneristici, utilizzando per ogni caso l’ambiente computazionale adeguato. TIPO: Competenze. RC5 - Dimostrare un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico, ed essere in grado di assumere atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato nello sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze. RC9 - Formulare problemi di un contesto professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale, nonché la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diverse aree della matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenza. RS6 - Analizzare testi nel campo della matematica con l’obiettivo di familiarizzarsi con la struttura e le pubblicazioni scientifiche, anche in inglese. TIPO: Abilità o competenze. Descrizione dei contenuti PROBLEMI CLASSICI DI MODELLIZZAZIONE NELLA RICERCA OPERATIVA OTTIMIZZAZIONE LINEARE - Fondamenti teorici dell’algoritmo del simplex - Algoritmo del simplex - Inizializzazione dell'algoritmo: metodo delle penalità e le due fasi - Fondamenti teorici della dualità - Algoritmo duale del simplex - Inizializzazione dell'algoritmo: metodo della restrizione artificiale - Analisi di sensibilità e post-ottimizzazione OTTIMIZZAZIONE INTERA - Metodo di ramificazione e limitazione OTTIMIZZAZIONE NON LINEARE - Condizioni di Karush-Kuhn-Tucker Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.2 Workshop e laboratori informatici. AP4. Studio individuale, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Esistono due sessioni d’esame ufficiali: ordinaria e straordinaria. Il voto finale del corso nella SESSIONE ORDINARIA sarà calcolato come media ponderata tra progetti ed esami secondo le seguenti percentuali: - Valutazione continua (50%) + Esame parziale (20%) + Progetto con Python* (30%) - Esame finale (50%) * Per la valutazione del progetto in Python è obbligatorio aver frequentato e svolto tutte le sessioni di laboratorio in programma. Il calcolo del voto finale nella sessione ordinaria sarà subordinato al raggiungimento di un voto minimo di 4,0 su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività e prove di valutazione, anche qualora alcune di esse risultino non superate. Nel caso in cui il voto ottenuto nell’esame finale sia inferiore a 4,0 su 10, il voto finale sarà quello ottenuto in tale esame. Il voto finale del corso nella SESSIONE STRAORDINARIA corrisponderà al 100% del voto ottenuto in tale esame. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- José Niño Mora Introduzione all'ottimizzazione delle decisioni: metodi e modelli di ricerca operativa. Ediciones Pirámide. 2021. ISBN: 9788436845280 Complementare: 2.- Hillier, Frederick S. Ricerca operativa 7ª ed.: McGraw-Hill Interamericana. 2002. ISBN: 9701034864 3.- Taha, Hamdy A. Ricerca operativa 9ª ed.: Pearson Educación. 2012. ISBN: 9786073207966 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342303 | Tecniche di ottimizzazione e controllo | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tecniche di ottimizzazione e controlloCódigo: C0342303 Imprimir Corso 3. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Il corso di Ottimizzazione e Controllo per ingegneri matematici tratta tecniche fondamentali quali il Calcolo delle Variazioni, che ottimizza le funzionali mediante l’equazione di Eulero-Lagrange, applicata a problemi quali il brachistocronismo. Nell’ambito del Controllo, vengono studiati i sistemi dinamici, con controllori PID e controllo ottimale basato sul principio di Pontryagin. La Programmazione Dinamica viene introdotta per risolvere problemi sequenziali complessi, utilizzando il principio di ottimalità di Bellman, applicabile a problemi discreti e continui. Prerequisiti Si raccomanda di possedere conoscenze di calcolo differenziale e integrale, equazioni differenziali e statistica. È consigliabile avere conoscenze di programmazione in Python. Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi per la risoluzione di problemi matematici e ingegneristici, utilizzando in ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nell’ambito dell’ingegneria matematica. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a requisiti temporali o economici rigorosi. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze. RC9 - Formulare problemi di un contesto professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale, nonché la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. RS6 - Analizzare testi nel campo della matematica con l’obiettivo di familiarizzarsi con la struttura e le pubblicazioni scientifiche, anche in inglese. TIPO: Abilità o competenze. Descrizione dei contenuti Argomento 1. Calcolo delle variazioni Argomento 2. Tecniche di controllo ottimale Argomento 3. Regolazione lineare quadratica e filtro di Kalman Argomento 4. Programmazione dinamica Al termine del corso, lo studente sarà in grado di: - Comprendere e applicare il calcolo delle variazioni per ottimizzare le funzionali, utilizzando il principio di Eulero-Lagrange in problemi di traiettorie e in altri contesti. - Padroneggiare le tecniche di controllo classico e di controllo ottimale, compresa la progettazione e l’analisi dei controllori e l’applicazione del principio di Pontryagin - Sviluppare competenze nella programmazione dinamica per scomporre e risolvere problemi sequenziali complessi, applicando il principio di ottimalità di Bellman in scenari discreti e continui. - Integrare conoscenze teoriche e pratiche per modellare, analizzare e risolvere problemi reali di ottimizzazione e controllo in diversi settori dell’ingegneria e delle scienze applicate. - Utilizzare strumenti computazionali avanzati per implementare e simulare soluzioni ottimali in sistemi dinamici e processi decisionali. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.2 Workshop e laboratori informatici. AP4. Studio individuale, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Sessione ordinaria (Valutazione continua: 50%, peso dell’esame: 50%) La valutazione continua avrà un peso del 50% nella valutazione finale. L’esame avrà un peso del 50% nella valutazione finale. Il calcolo del voto finale nella sessione ordinaria sarà subordinato al raggiungimento di un voto minimo di 4,0 punti su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività e prove di valutazione, anche qualora alcune di esse risultino non superate. Nel caso in cui il voto ottenuto nell’esame finale sia inferiore a 4,0 punti su 10, il voto finale sarà quello ottenuto in tale esame. Sessione straordinaria (100% esame) Nella sessione straordinaria, la valutazione si baserà esclusivamente su un esame che coprirà tutti i contenuti del corso. L’esame avrà un peso del 100% nella valutazione finale. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- D. O. Anderson e John B. Moore Optimal Control: Linear Quadratic Methods Dover Publications. 2007. ISBN: 9780486457666 2.- Donald E. Kirk Teoria del controllo ottimale: un'introduzione Dover Publications. 2024. ISBN: 048632432X 3.- Frederick S. Hiller e Gerald J. Lieberman Introduzione alla ricerca operativa McGraw-Hill. 1991. ISBN: 8486862450 4.- Robert Grover Brown e Patrick Y. C. Hwang Introduzione ai segnali casuali e al filtraggio di Kalman applicato Wiley. 2012. ISBN: 0470609699 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342304 | Variabile complessa e analisi di Fourier | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Variabile complessa e analisi di FourierCódigo: C0342304 Imprimir Corso 3. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Conoscere, studiare e applicare i risultati teorici e pratici relativi alle funzioni analitiche, in particolare alle funzioni elementari e alle loro composizioni. Conoscere e applicare, per l’integrazione delle funzioni olomorfe, il teorema di Cauchy-Gousart e la formula integrale di Cauchy nelle sue diverse versioni per le funzioni di variabile complessa. Conoscere e applicare correttamente il teorema di Cauchy sui residui e le sue applicazioni. Conoscere la trasformata discreta di Fourier e le sue proprietà e applicarla alla teoria dei segnali: la trasformata rapida di Fourier, il filtraggio dei segnali; applicarla inoltre all’elaborazione delle immagini e alla compressione audio. Prerequisiti Non sono stati stabiliti prerequisiti. Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi per la risoluzione di problemi matematici e ingegneristici, utilizzando in ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze. RC9 - Formulare problemi di ambito professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK4 - Conoscere dimostrazioni rigorose di alcuni teoremi classici in diverse aree della matematica. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. Descrizione dei contenuti - Introduzione: numeri complessi. - Funzioni analitiche. - Funzioni elementari. - Il teorema e la formula integrale di Cauchy per funzioni di variabile complessa. - Teorema dei residui di Cauchy e applicazioni. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Il processo di valutazione continua comprende: 1) Una verifica sui calcoli con numeri complessi, argomenti 1 e 2 del programma, a metà corso, con un peso del 25% 2) Una verifica sull’integrazione complessa, argomenti 3 e 5 del programma, alla fine dell’anno, con un peso del 25% 3) L’esame ufficiale, sessione ordinaria, sull’intera materia, con un peso del 50%. In nessun caso il superamento delle prove di verifica esonera dallo svolgimento di questo esame finale. Affinché venga applicata la valutazione continua, il voto dell’esame ufficiale deve essere pari o superiore a 4. In altre parole, se si ottiene un voto inferiore a 4 nell’esame finale, la materia non sarà superata e tale voto figurerà direttamente nella pagella. Per la sessione straordinaria, verrà preso in considerazione solo tale esame con un peso del 100%. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Murray R. Spiegel Variabile complessa McGraw-Hill. 2011. ISBN: 6071505518 2.- Ruel V. Churchill e James Ward Brown Variabile complessa e applicazioni 7ª ed. McGraw-Hill. 2010. ISBN: 8448142128 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 36 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SECONDO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0242605 | Elettromagnetismo II | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Elettromagnetismo IICódigo: C0242605 Imprimir Corso 3. Materia del secondo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi L'obiettivo di questo corso è fornire allo studente le nozioni di base dell'elettrodinamica e della sua relazione con la relatività ristretta. Prerequisiti Nessun prerequisito Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK2 Comprendere fenomeni di natura fisicamente diversa e le analogie sottostanti per applicare soluzioni già note a nuovi problemi RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RK7 Comprendere le leggi e i principi della Fisica, identificandone la struttura logica e matematica, il fondamento sperimentale e i fenomeni da essi descritti RK11 Comprendere i fondamenti e i concetti di base relativi ai campi elettrici e magnetici, nonché l’interrelazione tra tali campi e la loro unificazione nell’elettromagnetismo RS1 Applicare le conoscenze, i concetti e i metodi più importanti dei diversi rami della Fisica. RS4 Applicare i metodi matematici e numerici nella modellizzazione e nella risoluzione esplicita di problemi di Fisica e delle discipline affini, selezionando gli strumenti appropriati e interpretando i risultati. Risultati di apprendimento RA5 Conoscere gli aspetti rilevanti relativi alla propagazione delle onde elettromagnetiche in mezzo libero e in presenza di contorno RA6 Identifica i meccanismi di emissione delle onde elettromagnetiche. RA6 Analizza i fenomeni di propagazione ed emissione delle onde elettromagnetiche. RA7 Dimostra di aver compreso la stretta relazione tra l’elettromagnetismo e la teoria della relatività. Descrizione dei contenuti Argomento 1: Conduttori in equilibrio elettrostatico Argomento 2: Elettrodinamica -Forza elettromotrice -Induzione elettromagnetica -Equazioni di Maxwell -Onde elettromagnetiche Argomento 3: Elettromagnetismo e relatività. Argomento 4: Radiazione elettromagnetica e sistemi radianti. Attività formative AP1.- Lezioni frontali partecipative AP2.- Seminari o lezioni di applicazione pratica AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) AP4.- Lavoro autonomo AP5.- Tutoraggio AP6.- Verifiche delle conoscenze Sistema e criteri di valutazione Valutazione continua Attività Ponderazione (%) SE1.- Attività pratiche 40 Esame parziale (20%). Consegna di domande e problemi non risolti in classe (20%). SE2.- Prove finali di verifica delle conoscenze. 60 Affinché la componente SE1 incida sul voto finale, è necessario ottenere un voto minimo di 4/10 nell’esame finale della sessione ordinaria. In ogni altro caso, questa voce avrà una ponderazione pari a 0/10. Valutazione finale straordinaria Nella sessione straordinaria, il voto dell’esame incide al 100% sul voto finale. Bibliografia Di base: 1.- Griffiths, David J. Introduction to Electrodynamics Pearson. 2014. ISBN: 9781292021423 2.- Jackson, J.D. Elettrodinamica classica, Cambridge University Press. 2017. ISBN: 9781119770763 Letteratura complementare: 3.- R.P. Feynman, R.B. Leighton, M. Sands Lezioni di fisica di Feynman, Vol. II: Edizione del nuovo millennio: Principalmente elettromagnetismo e materia: 02 Fondo Educativo Interamericano. 1972. ISBN: 9780465040841 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242606 | Laboratorio sperimentale I / Experimental Laboratory I | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Laboratorio sperimentale I / Experimental Laboratory ICódigo: C0242606 Imprimir Corso 3. Materia del secondo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi L'obiettivo di questo corso è quello di introdurre gli studenti alla sperimentazione in fisica, all'analisi dei dati e alla propagazione degli errori nei campi della meccanica, dell'elettromagnetismo e della termodinamica. Prerequisiti Nessun prerequisito Competenze RK2 Comprendere fenomeni di natura fisica diversa e le analogie sottostanti per applicare soluzioni già note a nuovi problemi RS2 Eseguire calcoli, valutazioni, studi, relazioni e compiti per sviluppare un lavoro di qualità nell’ambito della fisica. RS3 Stimare ordini di grandezza per interpretare fenomeni di laboratorio nel campo della Fisica e delle sue discipline, oltre che in Chimica. RS5 Utilizzare strumenti elettronici e/o strumenti informatici adeguati nella modellizzazione per la ricerca di soluzioni a problemi fisici. Risultati di apprendimento RA1 Conoscere i principi, le tecniche e gli strumenti di misura, nonché i fenomeni di interesse in Meccanica e onde, Termodinamica ed Elettromagnetismo. RA2 Utilizza in modo adeguato ed efficiente gli strumenti di misura (Meccanica e onde, Termodinamica ed Elettromagnetismo), seguendo i protocolli di misurazione, in particolare quelli relativi alla sicurezza dello sperimentatore. RA3 È in grado di valutare i limiti dei metodi di misura dovuti all’interferenza, alla semplicità dei modelli e agli effetti trascurati nel metodo di misura (Meccanica e onde, Termodinamica ed Elettromagnetismo). RA4 Rappresenta graficamente i dati, ricava informazioni dalla rappresentazione, analizza i dati, modella e confronta i risultati ottenuti con le leggi fisiche relative a Meccanica e onde, Termodinamica ed Elettromagnetismo. RA5 Documenta il processo di misurazione per quanto riguarda i suoi fondamenti, la strumentazione necessaria e le condizioni in cui è valido, effettuando l’analisi completa secondo il formato IMRD (Meccanica e onde, Termodinamica ed Elettromagnetismo). RC1 Svolgere in modo autonomo un lavoro di gestione di progetti relativi alle diverse aree della fisica Descrizione dei contenuti Verranno condotti sei esperimenti: Laboratori di meccanica: Caduta libera Esperimenti di termodinamica: 2. Legge dei gas ideali 3. Conducibilità termica 4. Legge dei gas adiabatici Laboratori di elettromagnetismo: 5. Campo magnetico nelle bobine 6. Induzione di Faraday Attività formative AP1.- Lezioni frontali partecipative AP2.- Seminari o lezioni di applicazione pratica AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) AP4.- Lavoro autonomo AP5.- Tutoraggio AP6.- Verifiche delle conoscenze AP10.- Attività in laboratori e/o aule pratiche Sistema e criteri di valutazione 1. Redazione di relazioni di laboratorio (SE1 + SE3, 40%), di cui una deve essere in formato articolo (SE2, 20%): un PDF realizzato con LaTeX utilizzando il modello fornito e redatto in inglese. Le restanti relazioni possono essere redatte in qualsiasi formato preferito dallo studente, sebbene l’uso di LaTeX rimanga obbligatorio............. 60% 2. Quaderno di laboratorio (SE3)............................................................................... 20% 3. Esame orale (SE2)............................................................ 20% |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342305 | Calcolo stocastico | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Calcolo stocasticoCódigo: C0342305 Imprimir Corso 3. Materia del secondo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi L'obiettivo di questo corso è fornire agli studenti una solida formazione nell'analisi e nella modellizzazione dei processi stocastici, consentendo loro di affrontare problemi dinamici soggetti a incertezza in diversi contesti. Al termine del corso, lo studente sarà in grado di: - Comprendere i fondamenti dei processi stocastici e la loro rilevanza nella modellizzazione dei fenomeni casuali. - Analizzare e caratterizzare le catene di Markov, applicandone le proprietà alla risoluzione di problemi matematici e ad applicazioni reali. - Sviluppare una comprensione approfondita delle martingale e delle loro proprietà fondamentali, applicandole all’analisi dei giochi d’azzardo, della finanza e di altri sistemi stocastici. - Modellare fenomeni casuali utilizzando il moto browniano, comprenderne le proprietà e il ruolo come base per il calcolo stocastico. - Avvicinarsi al calcolo stocastico attraverso l’integrazione stocastica e l’applicazione della formula di Itô, applicandola alla soluzione di equazioni differenziali stocastiche. - Formulare e risolvere problemi stocastici utilizzando un approccio teorico e analitico, con applicazioni in fisica, ingegneria finanziaria e altri campi dell’ingegneria matematica. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è altamente raccomandabile aver frequentato o stare frequentando i corsi di statistica previsti dal piano di studi. Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato nello sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze. RC8 - Valutare le ripercussioni e l’impatto sociale delle soluzioni e delle proposte dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto. TIPO: Competenze. RC9 - Formulare problemi di un contesto professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK3 - Conoscere i concetti di statistica e di inferenza statistica su grandi insiemi di dati. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. Descrizione dei contenuti Argomento 0. Ripasso della teoria della probabilità. - Spazi di probabilità, variabili casuali e distribuzioni di probabilità. - Valore atteso, varianza e covarianza. - Funzioni generatrici e trasformate di Laplace. - Vettori casuali e distribuzioni di probabilità congiunte. - Distribuzione normale multivariata. Argomento 1. Introduzione ai processi stocastici. Definizione e classificazione dei processi stocastici. Processi a tempo discreto e continuo. Funzione di autocorrelazione. Stazionarietà debole e forte. Argomento 2. Catene di Markov a tempo discreto. - Definizione e proprietà fondamentali. - Matrici di transizione e catene regolari. - Distribuzione stazionaria e convergenza. - Applicazioni alla modellizzazione matematica. Argomento 3. Martingale a tempo discreto. - Definizione e proprietà delle martingale. - Martingale, sottomartingale e supermartingale. - Teoremi di convergenza delle martingale. - Applicazioni in finanza. Argomento 4. Catene di Markov a tempo continuo. - Processi di Markov in tempo continuo. - Generatori infinitesimali e semigruppi di transizione. - Processi di Poisson. - Processi di nascita e morte. Argomento 5. Movimento browniano. - Definizione e costruzione del moto browniano. - Proprietà fondamentali: continuità, indipendenza degli incrementi e distribuzione normale. - Movimento browniano in più dimensioni. - Applicazioni in fisica e finanza (modelli di valutazione degli attivi). Argomento 6. Introduzione al calcolo stocastico: integrazione stocastica. - Integrale di Itô e proprietà fondamentali. - Formula di Itô e applicazioni. - Applicazioni nell'ingegneria finanziaria e nella modellizzazione di sistemi dinamici. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Il voto finale del corso nella SESSIONE ORDINARIA sarà calcolato come media ponderata tra progetti ed esami secondo la seguente ripartizione: - Valutazione continua (60%): + Consegna degli esercizi (20%). + Attività pratiche di gruppo (20%). + Esame parziale non liberatorio (20%). - Esame finale dell'intero corso (40%): è richiesto un voto minimo di 4,0 per il calcolo della media. Nel caso in cui il voto dell’esame finale sia pari o superiore a 4,0, questo viene conteggiato nella media con la valutazione continua, anche se quest’ultima è stata non superata. Il voto finale del corso nella SESSIONE STRAORDINARIA è pari al 100% del voto dell’esame finale di tale sessione. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Richard Durrett Essentials of Stochastic Processes Springer. 2018. ISBN: 3319833316 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342306 | Crittografia e sicurezza / Cryptography and Security | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Crittografia e sicurezza / Cryptography and SecurityCódigo: C0342306 Imprimir Corso 3. Materia del secondo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi In questo corso getteremo le basi della crittografia moderna, una disciplina fondamentale per garantire la sicurezza dei sistemi e delle comunicazioni digitali. La crittografia è essenziale per proteggere le informazioni sensibili, garantire la privacy e creare fiducia nell'era digitale. Perché la crittografia è importante? La crittografia non solo è essenziale per la sicurezza, ma svolge anche un ruolo chiave in: • Apprendimento automatico sicuro e intelligenza artificiale che tutela la privacy. • Blockchain e sistemi distribuiti. • Comunicazioni sicure nell’IoT e nel cloud computing. • Sistemi di identità digitale e autenticazione. • Privacy dei dati e conformità al GDPR. ------------------------- Questo corso introduce i fondamenti della crittografia moderna, una disciplina essenziale per garantire la sicurezza nei sistemi e nelle comunicazioni digitali. La crittografia svolge un ruolo fondamentale nella protezione delle informazioni sensibili, nella garanzia della privacy e nella creazione di fiducia nell’era digitale. Perché la crittografia è importante? La crittografia non è solo essenziale per la sicurezza, ma svolge anche un ruolo chiave in: • Apprendimento automatico sicuro e intelligenza artificiale che tutela la privacy. • Blockchain e sistemi distribuiti. • Comunicazioni sicure nell’IoT e nel cloud computing. • Identità digitale e sistemi di autenticazione. • La protezione dei dati e la conformità al GDPR. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è altamente raccomandabile aver frequentato o stare frequentando i corsi di programmazione previsti dal corso di laurea. Competenze Non applicabile./Not applicable. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati/ Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze./ TIPO: Competenze. RC3 - Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato/ Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze./TYPE: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica/ Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica. TIPO: Competenze./TYPE: Competenze. RC5 - Avere un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico./ avere un atteggiamento critico e autocritico per affrontare le sfide dell’attività di ingegnere matematico e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico. TIPO: Competenze./TYPE: Competences. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici./ lavorare in modo autonomo e organizzato per lo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali./ Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze./TYPE: Competenze. RC8 - Valutare le ripercussioni e l’impatto sociale delle soluzioni e delle proposte dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto/ Valutare l’impatto sociale e le implicazioni delle soluzioni e delle proposte nell’ambito dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto. TIPO: Competenze./TYPE: Competences. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria/ Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse/ Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Abilità o competenze./TYPE: Skills. RS5 - Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi./ Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi. TIPO: Competenze o abilità./TYPE: Skills. Descrizione dei contenuti Il corso vale 6 crediti ECTS e comprende: • Fondamenti teorici: principi matematici alla base dei sistemi crittografici, tra cui la teoria dell’informazione, la teoria dei numeri e la complessità computazionale. • Crittografia simmetrica: cifratori a flusso e a blocchi, compresi DES e AES, e le loro modalità operative. • Funzioni hash: funzioni hash crittografiche, le loro proprietà e applicazioni nella verifica dell’integrità e nelle firme digitali. • Crittografia asimmetrica: sistemi crittografici a chiave pubblica come RSA, lo scambio di chiavi Diffie-Hellman ed ElGamal. • Crittografia a curve ellittiche (ECC): sistemi crittografici moderni basati su curve ellittiche, che offrono maggiore sicurezza con chiavi di dimensioni più ridotte. • Crittografia post-quantistica: introduzione ai sistemi crittografici resistenti agli attacchi basati sul calcolo quantistico. ------------------------- Il corso vale 6 crediti ECTS e tratta i seguenti argomenti: • Fondamenti teorici: principi matematici alla base dei sistemi crittografici, tra cui la teoria dell’informazione, la teoria dei numeri e la complessità computazionale. • Crittografia simmetrica: cifrari a flusso e a blocchi, tra cui DES e AES, e le loro modalità di funzionamento. • Funzioni hash: funzioni hash crittografiche, loro proprietà e applicazioni nella verifica dell’integrità e nelle firme digitali. • Crittografia asimmetrica: sistemi crittografici a chiave pubblica quali RSA, lo scambio di chiavi Diffie–Hellman ed ElGamal. • Crittografia a curve ellittiche (ECC): moderni sistemi crittografici basati su curve ellittiche, che garantiscono una maggiore sicurezza con chiavi di dimensioni ridotte. • Crittografia post-quantistica: Introduzione ai sistemi crittografici progettati per resistere agli attacchi che utilizzano il calcolo quantistico. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Lezioni interattive. AP3.2 Workshop e laboratori informatici./Workshops and Computer Laboratories. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. Sistema e criteri di valutazione Nell’aula virtuale del corso potrai consultare in dettaglio le attività che dovrai svolgere, nonché le date di consegna, i criteri di valutazione e le griglie di valutazione relative a ciascuna di esse. SESSIONE ORDINARIA Per superare il corso nella sessione ordinaria, dovrai ottenere un voto pari o superiore a 5,0 su 10,0 nella valutazione finale del corso (media ponderata) e, inoltre: IMPORTANTE: Il voto medio di tutte le attività del corso dovrà essere pari o superiore a 5,0 su 10,0 per poter essere conteggiato nella media con il voto dell’esame. Inoltre, il voto dell’esame dovrà essere pari o superiore a 4,0 su 10,0 per poter essere conteggiato nella media con quello delle attività. Il voto finale in questa sessione si baserà sul seguente sistema di valutazione: Valutazione continua (40 % del voto finale): • Partecipazione al forum e comportamento quotidiano in aula: 5% del voto finale. • Esercitazioni TP1 e TP2: 15% ciascuna (30% in totale). – TP1: Implementazione di sistemi crittografici classici o di fondamenti matematici. – TP2: Implementazione di attacchi ai protocolli crittografici. • Attività sul forum: 5% del voto finale. • Comportamento e lavoro in aula: 5% del voto finale. – Progetto integrato che riguarda la crittografia simmetrica e/o asimmetrica. Esame finale (60 % del voto finale). L’esame finale valuterà la tua comprensione globale della crittografia, inclusi: • Concetti teorici e fondamenti matematici. • Analisi dei protocolli crittografici. • Valutazione della sicurezza e analisi delle vulnerabilità. • Risoluzione di problemi utilizzando tecniche crittografiche adeguate. SESSIONE STRAORDINARIA Per superare il corso nella sessione straordinaria, è necessario ottenere un voto pari o superiore a 5,0 su 10,0 nella valutazione finale del corso (media ponderata). Gli studenti dovranno consegnare le attività non superate nella sessione ordinaria, dopo aver ricevuto il relativo feedback dal docente, nonché quelle che non fossero state consegnate. Si applicano i seguenti criteri di valutazione: • Sia la media delle attività che il voto dell’esame devono essere ≥ 5,0. • La media ponderata finale deve essere ≥ 5,0. ------------------------- Informazioni dettagliate sulle attività da completare, sulle scadenze per la consegna, sui criteri di valutazione e sulle relative griglie di valutazione per ciascuna attività sono disponibili sul campus virtuale del corso. SESSIONE ORDINARIA Per superare il corso nel periodo d’esame ordinario, gli studenti devono ottenere un voto finale (media ponderata) pari o superiore a 5,0/10,0 e, inoltre: IMPORTANTE: La media dei voti di tutte le attività del corso deve essere pari o superiore a 5,0/10,0 per poter essere conteggiata nella media con il voto d’esame. Allo stesso modo, il voto d’esame deve essere pari o superiore a 4,0/10,0 per poter essere conteggiato nella media con il voto delle attività. Il voto finale per questo periodo d’esame sarà basato sul seguente sistema di valutazione: Valutazione continua (40% del voto finale): • Partecipazione al forum e coinvolgimento quotidiano in classe: 5% del voto finale. • Esercitazioni pratiche TP1 e TP2: 15% ciascuna (30% in totale). – TP1: Implementazione di sistemi crittografici classici o fondamenti matematici. – TP2: Implementazione di attacchi ai protocolli crittografici. • Compito sul forum: 5% del voto finale. • Partecipazione in classe e attività didattiche: 5% del voto finale. – Progetto completo che coinvolga la crittografia simmetrica e/o asimmetrica. Esame finale (60% del voto finale). L’esame finale valuterà la comprensione complessiva della crittografia da parte degli studenti, inclusi: • Concetti teorici e fondamenti matematici. • Analisi dei protocolli crittografici. • Valutazione della sicurezza e analisi delle vulnerabilità. • Risoluzione di problemi mediante tecniche crittografiche appropriate. SESSIONE D'ESAME STRAORDINARIA Per superare il corso nel periodo di esami straordinario, gli studenti devono ottenere un voto finale (media ponderata) pari o superiore a 5,0/10,0. Gli studenti devono consegnare tutte le attività non superate nel periodo di esame ordinario, dopo aver ricevuto il relativo feedback dal docente, nonché tutte le attività non ancora consegnate. Si applicano i seguenti criteri di valutazione: • Sia la media dei voti delle attività che il voto d’esame devono essere pari o superiori a 5,0/10,0. • La media ponderata finale deve essere pari o superiore a 5,0/10,0. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Luis Hernández Encinas La crittografia Los libros de la Catarata. 2016. ISBN: 9788490971079 2.- María Isabel González Vasco e Ángel Luis Pérez del Pozo Crittografia essenziale: Principi di base per la progettazione di schemi e protocolli sicuri Ediciones de la U. 2021. ISBN: 978-958-792-2 3.- Pino Caballero Gil Introduzione alla crittografia RA-MA S.A. Casa editrice e pubblicazioni. 2002. ISBN: 9788478975204 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342307 | Gestione dei dati / Data Management | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Gestione dei dati / Data ManagementCódigo: C0342307 Imprimir Corso 3. Materia del secondo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Questo corso ha lo scopo di fornire agli studenti le conoscenze e le competenze necessarie per gestire, trasformare e analizzare i dati in modo efficace, utilizzando diverse tecniche di esplorazione, riduzione della dimensionalità, clustering ed estrazione di conoscenza./Il corso mira a fornire agli studenti le conoscenze e le competenze necessarie per gestire, trasformare e analizzare i dati in modo efficace, utilizzando una serie di tecniche di esplorazione dei dati, riduzione della dimensionalità, clustering ed estrazione di conoscenza. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è altamente raccomandabile aver frequentato o frequentare attualmente i corsi di programmazione previsti dal piano di studi./Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è altamente raccomandabile che gli studenti abbiano già completato o stiano attualmente frequentando i corsi di programmazione previsti dal piano di studi. Competenze Non applicabile./Not applicable. Risultati di apprendimento RC1 - Sviluppare strumenti di visualizzazione di grandi volumi di dati per poter comunicare i risultati delle analisi effettuate su di essi, adattandoli a diversi tipi di pubblico, sia tecnico che non tecnico/ Sviluppare strumenti di visualizzazione di grandi volumi di dati per comunicare i risultati delle analisi effettuate su di essi, adattandoli a diversi tipi di pubblico, sia tecnico che non tecnico. TIPO: Competenze./TYPE: Competences. RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati./ Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze./TYPE: Competenze. RC3 - Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato./ Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze./TYPE: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica/ Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica. TIPO: Competenze./TYPE: Competenze. RC5 - Avere un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico./ avere un atteggiamento critico e autocritico per affrontare le sfide dell’attività di ingegnere matematico e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico. TIPO: Competenze./TYPE: Competences. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici./ lavorare in modo autonomo e organizzato per lo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali./ Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze./TYPE: Competenze. RC8 - Valutare le ripercussioni e l’impatto sociale delle soluzioni e delle proposte dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto/ Valutare l’impatto sociale e le implicazioni delle soluzioni e delle proposte nell’ambito dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto. TIPO: Competenze./TYPE: Competences. RC9 - Formulare i problemi di un contesto professionale utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione/Formulare i problemi in un contesto professionale utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze./TYPE: Competences. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria/ Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RK3 - Comprendere i concetti di statistica e inferenza statistica in grandi insiemi di dati./ To understand the concepts of statistics and statistical inference in large datasets. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RS2 - Applicare metodi di scienza dei dati (gestione, machine learning) nell’ambito del processo di analisi di grandi insiemi di dati in ambienti informatici./ Applicare metodi di scienza dei dati (gestione, machine learning) nell’ambito del processo di analisi di grandi insiemi di dati in ambienti informatici. TIPO: Competenze o abilità./TYPE: Skills. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti./ Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Competenze o abilità./TYPE: Skills. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse./ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Competenze o abilità./TYPE: Skills. RS5 - Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi/ Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi. TIPO: Competenze o abilità./TYPE: Skills. Descrizione dei contenuti Il corso di Gestione dei dati comprende i seguenti argomenti: o Argomento 1. Fondamenti di gestione dei dati. o Argomento 2. Archiviazione dei dati I: SQL o Argomento 3. Tecniche di estrazione della conoscenza o Argomento 4. Archiviazione dei dati II: NoSQL Al termine del corso, lo studente sarà in grado di: - Gestire e archiviare i dati in modo efficiente, comprendendo diversi modelli e architetture. - Trasformare i dati, correggendo gli errori e gestendo i valori mancanti. - Esplorare e selezionare i dati rilevanti, applicando analisi esplorative e visualizzazioni. - Ridurre la dimensionalità, utilizzando tecniche come PCA e t-SNE per ottimizzare l’analisi. - Applicare metodi di raggruppamento ed estrazione di conoscenza, quali il clustering, la classificazione e le regole di associazione. - Implementare soluzioni in Python, sviluppando modelli applicabili a problemi reali. ------------------------- Il corso di Gestione dei dati comprende i seguenti argomenti: o Argomento 1. Fondamenti di gestione dei dati o Argomento 2. Archiviazione dei dati I: SQL o Argomento 3. Tecniche di estrazione delle conoscenze o Argomento 4. Archiviazione dei dati II: NoSQL Al termine del corso, gli studenti saranno in grado di: - Gestire e archiviare i dati in modo efficiente, comprendendo i diversi modelli e architetture di dati. - Trasformare i dati correggendo gli errori e gestendo i valori mancanti. - Esplorare e selezionare i dati rilevanti applicando tecniche di analisi esplorativa dei dati e di visualizzazione. - Ridurre la dimensionalità utilizzando tecniche quali PCA e t-SNE per ottimizzare l’analisi dei dati. - Applicare metodi di clustering ed estrazione di conoscenze, quali il clustering, la classificazione e le regole di associazione. - Implementare soluzioni in Python, sviluppando modelli applicabili a problemi del mondo reale. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Interactive classes. AP3.2 Workshop e laboratori informatici. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio./Tutorial. AP6. Prove di verifica./Prove di verifica delle conoscenze. Sistema e criteri di valutazione SESSIONE ORDINARIA: Valutazione continua: - Partecipazione e frequenza + risoluzione dei casi pratici (50%): - Frequenza regolare alle lezioni e alle attività in programma. - Partecipazione attiva a discussioni e dibattiti - Esecuzione corretta e completa dei casi pratici. - Esame finale dell’intero corso (50%). Il voto delle attività di valutazione continua dovrà essere pari o superiore a 5,0 su 10,0 per poter essere conteggiato nella media con l’esame. Lo stesso vale per il voto dell’esame finale, che dovrà essere anch’esso pari o superiore a 5,0 su 10,0 per poter essere conteggiato nella media con le attività di valutazione continua. SESSIONE STRAORDINARIA: 100% esame. ------------------------- PERIODO DI ESAME ORDINARIO Valutazione continua: - Partecipazione e frequenza + completamento dei casi d’uso (50%): - Frequenza regolare alle lezioni e alle attività in programma. - Partecipazione attiva alle discussioni e ai dibattiti. - Esecuzione corretta e completa dei casi d'uso. - Esame finale che verte sull’intero corso (50%). Il voto della valutazione continua deve essere almeno 5,0/10,0 per poter essere conteggiato nella media con il voto dell’esame. Allo stesso modo, anche il voto dell’esame finale deve essere almeno 5,0/10,0 per poter essere conteggiato nella media con il voto della valutazione continua. SESSIONE D'ESAME STRAORDINARIA: Esame (100%). Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia di base: 1.- Anne-Christine BISSON SQL: Fondamenti del linguaggio Edizioni ENI. 2021. ISBN: 9782409030376 2.- E. Redmond e J. R. Wilson Sette database in sette settimane: una guida ai database moderni e al movimento NoSQL Pragmatic Bookshelf. 2012. ISBN: 9781934356920 3.- K. Chodorow MongoDB: The Definitive Guide (3ª ed.) O’Reilly Media. 2019. ISBN: 9781491954461 4.- R. Elmasri e S. B. Navathe Fondamenti dei sistemi di database (7ª ed.) Pearson. 2015. ISBN: 9780133970777 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342308 | Simulazione numerica / Numerical Simulation | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Simulazione numerica / Numerical SimulationCódigo: C0342308 Imprimir Corso 3. Materia del secondo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Gli obiettivi del corso si dividono in due grandi gruppi. Da un lato, lo studente apprenderà i principali metodi numerici per la risoluzione delle equazioni differenziali a derivate parziali (EDP). Dall'altro, lo studente apprenderà le principali tecniche di analisi e trattamento delle soluzioni ottenute. Il primo gruppo si suddivide in metodi di risoluzione esplicita e implicita delle EDP, insieme ai metodi di ricerca di soluzioni speciali (come quelle stazionarie) delle EDP. Il secondo gruppo si suddivide in algoritmi per la gestione di matrici di grandi dimensioni e nell’uso di funzionali e dell’analisi funzionale per comprendere e analizzare le soluzioni delle EDP ottenute con il primo gruppo di obiettivi. ------------------------- Gli obiettivi del corso si articolano in due aree principali. La prima è incentrata sullo studio dei principali metodi numerici per la risoluzione delle equazioni differenziali parziali (PDE). La seconda è incentrata sulle principali tecniche di analisi e trattamento delle soluzioni ottenute. La prima area tratta i metodi espliciti e impliciti per la risoluzione delle PDE, insieme ai metodi per trovare soluzioni speciali alle PDE, come le soluzioni in regime stazionario. La seconda area tratta gli algoritmi per la gestione di matrici di grandi dimensioni, nonché l’uso dei funzionali e dell’analisi funzionale per comprendere e analizzare le soluzioni delle PDE ottenute utilizzando i metodi trattati nella prima area. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è altamente raccomandabile aver frequentato o stare frequentando i corsi relativi all’area disciplinare del Calcolo Numerico, nonché quelli di programmazione previsti dal corso di laurea./Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, si raccomanda vivamente che gli studenti abbiano già completato o stiano attualmente frequentando i corsi dell’area disciplinare “Analisi numerica”, nonché i corsi di programmazione previsti dal corso di laurea. Competenze Non applicabile./Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati/ Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze./ TIPO: Competenze. RC3 - Applicare programmi software che risolvano problemi matematici e ingegneristici, utilizzando per ciascun caso l’ambiente computazionale adeguato./ Applicare programmi software che risolvano problemi matematici e ingegneristici, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze./ TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici./ lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria./ Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RK5 - Conoscere diversi modelli di simulazione, la simulazione stocastica, la gestione e la pianificazione dei sistemi logistici; e risolvere con l’ausilio di software casi relativi a modelli di gestione e pianificazione della produzione/ Comprendere diversi modelli di simulazione, la simulazione stocastica e la gestione e pianificazione dei sistemi logistici; e risolvere casi relativi a modelli di gestione e pianificazione della produzione utilizzando software. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RS1 - Utilizzare il linguaggio matematico per formulare proposizioni in diversi ambiti e costruire dimostrazioni relative ai problemi posti./ To use mathematical language to formulate propositions in various fields and to construct proofs for the given problems. TIPO: Abilità o competenze./TYPE: Skills. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti/ Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Competenze o abilità./TYPE: Skills. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Competenze o abilità./TYPE: Skills. RS5 - Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi/ Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi. TIPO: Competenze o abilità./TYPE: Skills. Descrizione dei contenuti - Introduzione alla simulazione con equazioni differenziali. Verranno esaminate le principali soluzioni delle equazioni differenziali di primo e secondo ordine. - Metodo delle differenze finite e metodo di Crank-Nicholson. Verranno studiati sia il metodo delle differenze finite esplicito che quello implicito, nonché il metodo di Crank-Nicholson, che verrà implementato per ottenere le soluzioni di: - Risoluzione numerica dell’equazione d’onda. - Risoluzione numerica dell’equazione del calore. - Risoluzione numerica dell’equazione di Laplace. - Risoluzione di equazioni alle derivate parziali con diverse forme di condizioni al contorno e di confine. Verranno esaminate condizioni al contorno omogenee e non omogenee. - Trattamento delle matrici sparse. Verrà condotto uno studio su come implementare numericamente la risoluzione delle matrici sparse e sui relativi vantaggi rispetto ai metodi convenzionali di risoluzione dei sistemi di equazioni. - Metodo degli elementi finiti. Verrà fornita un’introduzione al metodo degli elementi finiti e alla formulazione variazionale. Il metodo verrà implementato innanzitutto per la risoluzione delle equazioni differenziali ordinarie (EDO) e successivamente per la risoluzione delle equazioni differenziali parziali (EDPS) di secondo ordine. ------------------------- - Introduzione alla simulazione mediante equazioni differenziali. Verranno esaminati i principali metodi per la risoluzione di equazioni differenziali di primo e secondo ordine. - Metodi delle differenze finite e di Crank–Nicolson. Verranno studiati e implementati i metodi delle differenze finite espliciti e impliciti, nonché il metodo di Crank–Nicolson, per ottenere soluzioni numeriche a: - Soluzione numerica dell’equazione d’onda. - Soluzione numerica dell’equazione del calore. - Soluzione numerica dell’equazione di Laplace. - Soluzione di equazioni differenziali parziali con diversi tipi di condizioni al contorno. Verranno prese in considerazione condizioni al contorno omogenee e non omogenee. - Tecniche relative alle matrici sparse. Verranno studiati i metodi numerici per la risoluzione di sistemi che coinvolgono matrici sparse, insieme ai loro vantaggi rispetto ai metodi convenzionali per la risoluzione di sistemi di equazioni. - Metodo degli elementi finiti. Verrà fornita un’introduzione al metodo degli elementi finiti e alla formulazione variazionale. Il metodo verrà inizialmente applicato alla risoluzione di equazioni differenziali ordinarie (ODE) e successivamente alla risoluzione di equazioni differenziali parziali (PDE) di secondo ordine. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Interactive classes. AP3.1. Sviluppo di progetti e risoluzione di problemi basati su sfide./ Project development and challenge-based problem solving. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./ Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. AP6. Verifiche delle conoscenze./Verifiche delle conoscenze. Sistema e criteri di valutazione SESSIONE ORDINARIA Valutazione continua: - Laboratori e compiti (35%). *** I compiti che superano il 25-30% dell’IA saranno valutati con un punteggio da 0 a 10. - Esame della sessione ordinaria (65%): esame finale (dell’intero corso). *** Per poter calcolare la media con la valutazione dei laboratori e dei compiti è necessario ottenere un minimo di 4,5 su 10,0 in questo esame. Il corso si considera superato nella sessione ordinaria se il voto finale è pari o superiore a 5,0 su 10,0. SESSIONE STRAORDINARIA Nella sessione straordinaria lo studente sosterrà un unico esame su tutti i contenuti trattati nel corso. Il voto in questa sessione sarà quello ottenuto in tale esame (non verranno presi in considerazione né i laboratori né i compiti). La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0 su 10,0. ------------------------- PERIODO DI ESAME ORDINARIO Valutazione continua: - Laboratori e compiti (35%). *** A qualsiasi compito in cui l’uso dell’IA superi il 25–30% verrà assegnato un voto pari a 0/10. - Esame ordinario (65%): esame finale che verte sull’intero corso. *** Per poter calcolare la media tra il voto di questa prova e quello della valutazione continua relativa a workshop e compiti, è necessario ottenere un voto minimo di 4,5/10,0. Il corso si considera superato nel periodo d’esame ordinario se il voto finale è pari o superiore a 5,0/10,0. SESSIONE D'ESAME STRAORDINARIA Nel periodo d’esame straordinario, gli studenti saranno valutati su tutti i contenuti del corso in un unico esame. Il voto relativo a questo periodo d’esame corrisponderà al voto ottenuto in tale esame; non saranno presi in considerazione né i laboratori né i compiti. Il corso si considera superato nel periodo di esame straordinario se il voto finale è pari o superiore a 5,0/10,0. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Juan Carlos Jiménez Bedolla Metodi numerici con Python Università Nazionale Autonoma del Messico. 2022. ISBN: 978-607-30-58 2.- O. C. Zienkiewicz Il metodo degli elementi finiti Reverté. 2010. ISBN: 978-84-291-91 3.- Steven Chapra e Raymond Canale Metodi numerici per ingegneri McGraw-Hill Interamericana de España S.L.. 2011. ISBN: 6071504996 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342309 | Intelligenza artificiale | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Intelligenza artificialeCódigo: C0342309 Imprimir Corso 3. Materia del secondo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Il corso "Introduzione all'Intelligenza Artificiale" è stato progettato per fornire agli studenti di Ingegneria Matematica una panoramica dei concetti, delle tecniche e delle applicazioni fondamentali dell'IA. Il corso spazia dai principi di base, quali la definizione e l'impatto dell'IA in diversi settori industriali, fino allo sviluppo di modelli pratici. Gli studenti impareranno a implementare modelli di classificazione (di base e avanzati) e di regressione, esploreranno l’analisi dei dati attraverso le serie temporali e saranno introdotti alle reti neurali e all’apprendimento non supervisionato. Si privilegia un approccio pratico, utilizzando strumenti e linguaggi come Python, per risolvere problemi reali sviluppando al contempo una solida base teorica. Al termine del corso, lo studente sarà in grado di (obiettivi di apprendimento): - Acquisire una conoscenza approfondita della materia e delle sue applicazioni più comuni. - Implementare diversi modelli utilizzando la sintassi del linguaggio di programmazione Python. - Imparare e analizzare come addestrare modelli di intelligenza artificiale - Applicare modelli di IA a problemi del mondo reale di varia natura. Prerequisiti Si raccomanda di possedere conoscenze del linguaggio di programmazione Python, poiché sarà utilizzato come linguaggio di programmazione principale in questo corso. Si raccomanda di aver frequentato i corsi di analisi numerica, tecniche di ottimizzazione e controllo e algebra lineare. Competenze Non applicabile. Risultati di apprendimento RC1 - Sviluppare strumenti di visualizzazione di grandi volumi di dati per poter comunicare i risultati delle analisi effettuate su di essi, adattandoli a diversi tipi di pubblico, sia tecnico che non tecnico. TIPO: Competenze. RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi per la risoluzione di problemi matematici e ingegneristici, utilizzando in ogni caso l’ambiente computazionale adeguato. TIPO: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nell’ambito dell’Ingegneria Matematica. TIPO: Competenze. RC5 - Avere un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico, e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato nello sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze. RC8 - Valutare le ripercussioni e l’impatto sociale delle soluzioni e delle proposte dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto. TIPO: Competenze. RC9 - Formulare problemi di un contesto professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale, nonché la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. RK3 - Conoscere i concetti di statistica e inferenza statistica su grandi insiemi di dati. TIPO: Conoscenze o contenuti. RS2 - Applicare metodi di scienza dei dati (gestione, machine learning) nell’ambito del processo di analisi di grandi insiemi di dati in ambienti informatici. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. Descrizione dei contenuti Il corso di Intelligenza Artificiale del corso di laurea in Ingegneria Matematica dell’Università Alfonso X el Sabio comprende i seguenti argomenti: - Argomento 0. Fondamenti di IA. - Argomento 1. Modelli di classificazione. - Argomento 2. Modelli di regressione. - Argomento 3. Serie temporali e IA. - Argomento 4. Introduzione alle reti neurali. - Argomento 5. Modelli non supervisionati e di rinforzo. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.2 Workshop e laboratori informatici. AP4. Studio individuale, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche di conoscenza. Sistema e criteri di valutazione SESSIONE ORDINARIA (valutazione continua + esame finale): +++ Valutazione continua: partecipazione e frequenza + risoluzione dei casi pratici (50%). - Frequenza regolare alle lezioni e alle attività in programma. - Partecipazione attiva a discussioni e dibattiti. - Esecuzione corretta e completa dei casi di studio. +++ Esame finale: prova scritta nella sessione ordinaria su tutti i contenuti del corso (50%). - Per poter essere conteggiato nel calcolo del voto finale insieme alla valutazione continua. In tal caso, si procederà al calcolo della media anche qualora il voto ottenuto in quest’ultima sia inferiore a 5,0. SESSIONE STRAORDINARIA: Nella sessione straordinaria, la valutazione si baserà esclusivamente su un esame che coprirà tutti i contenuti del corso. L’esame avrà un peso del 100% nella valutazione finale. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Charu C. Aggarwal Algebra lineare e ottimizzazione per l'apprendimento automatico Springer. 2020. ISBN: 3030403432 2.- Eloy Vicente Cestero e Alfonso Mateos Caballero Intelligenza artificiale: fondamenti matematici, algoritmici e metodologici 978-84-09-46911-6. 2023. ISBN: 8409469111 3.- John D. Kelleher, Brian Mac Namee e Aoife D'Arcy Fondamenti di apprendimento automatico per l’analisi predittiva dei dati, seconda edizione: algoritmi, esempi risolti e casi di studio The MIT Press. 2020. ISBN: 0262044692 4.- Peter J. Brockwell (Autore), Richard A. Davis Introduzione alle serie temporali e alle previsioni (Springer Texts in Statistics) 3ª ed. Springer International Publishing AG. 2016. ISBN: 9783319298528 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 42 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Quarto anno
PRIMO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0342602 | Fisica quantistica I | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fisica quantistica ICódigo: C0342602 Imprimir Corso 4. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi L'obiettivo di questo corso è fornire allo studente una formazione introduttiva e rigorosa alla Fisica Quantistica, comprendendo i fondamenti sperimentali e concettuali che hanno dato origine alla teoria quantistica e avvicinandosi alla formulazione ondulatoria della Meccanica Quantistica attraverso l'equazione di Schrödinger. Il corso fornisce le basi fisiche e matematiche necessarie per la descrizione di semplici sistemi quantistici, sviluppando la comprensione della quantizzazione dell’energia, della dualità onda-particella, della funzione d’onda e dell’interpretazione probabilistica degli stati quantistici. Al termine del corso, lo studente dovrà essere in grado di: • comprendere i fondamenti sperimentali che hanno portato allo sviluppo della fisica quantistica; • interpretare la natura duale della radiazione e della materia; • padroneggiare i concetti di base relativi alla funzione d’onda e alla descrizione probabilistica dei sistemi quantistici; • applicare l’equazione di Schrödinger indipendente dal tempo a semplici problemi unidimensionali e tridimensionali; • analizzare sistemi quantistici fondamentali, come l’oscillatore armonico e l’atomo idrogenoide; • risolvere problemi di base della meccanica quantistica utilizzando gli strumenti matematici propri della formulazione di Schrödinger. Il corso fornisce le basi concettuali, fisiche e matematiche necessarie per lo studio successivo del formalismo generale della meccanica quantistica, dei metodi di approssimazione, della teoria del momento angolare, gli atomi multielettronici e altre applicazioni avanzate trattate nei corsi di Fisica Quantistica II e Struttura della Materia. Prerequisiti Nessuno Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK2 Comprendere fenomeni di natura fisicamente diversa e le loro analogie sottostanti per l’utilizzo di soluzioni già note a nuovi problemi RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RK5 Comprendere la portata e i limiti della fisica classica che hanno portato alla formulazione della relatività speciale e generale, oltre che della meccanica quantistica, per affrontare i nuovi problemi che emergono nella fisica moderna. RK6 Conoscere i principi della matematica e della statistica che sono alla base degli studi di fisica nei sistemi classici e quantistici RK7 Comprendere le leggi e i principi della fisica, identificandone la struttura logica e matematica, il fondamento sperimentale e i fenomeni da essi descritti RK8 Comprendere i concetti fondamentali della fisica quantistica nella modellizzazione dei fenomeni su scala atomica e subatomica RS1 Applicare le conoscenze, i concetti e i metodi più importanti dei diversi rami della fisica. Risultati di apprendimento RA1 Utilizza i fondamenti sperimentali della fisica quantistica e i suoi postulati per discutere adeguatamente esercizi e/o esperimenti di laboratorio. RA2 Applica in modo appropriato la formulazione matematica della meccanica quantistica a sistemi unidimensionali e tridimensionali semplici per portare a termine con successo le attività pratiche. RA3 Comprende la natura duale degli enti microscopici e le conseguenze di tale dualità sulle loro caratteristiche e sulla loro descrizione. RA4 Conosce le basi sperimentali della fisica quantistica e gestisce con disinvoltura gli ordini di grandezza delle diverse grandezze fisiche su scala atomica. Descrizione dei contenuti Argomento 1: Radiazione termica e postulato di Planck. Argomento 2: Proprietà corpuscolari della radiazione elettromagnetica. Argomento 3: Ipotesi di de Broglie e proprietà ondulatorie della materia. Argomento 4: Modelli atomici classici e semiclassici. Argomento 5: Formulazione ondulatoria della meccanica quantistica. Argomento 6: Equazione di Schrödinger indipendente dal tempo. Argomento 7: Modello atomico di Schrödinger. Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 48 4 100 AP2.- Seminari o lezioni di applicazione pratica 30 2,5 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 72 3 50 AP4.- Lavoro autonomo 120 0 0 AP5.- Tutoraggio 24 0,6 30 AP6.- Verifiche di conoscenza 6 0,5 100 TOTALE 300 10,6 Sistema e criteri di valutazione Il processo di valutazione consisterà nella valutazione del grado di acquisizione delle competenze associate al corso da parte dello studente. SESSIONE ORDINARIA – VALUTAZIONE CONTINUA La valutazione continua consisterà nelle seguenti prove: -- un caso pratico, con un peso del 20% sul voto finale del corso, che gli studenti svolgeranno in piccoli gruppi nel corso del semestre; tale caso pratico comporterà la presentazione di uno o più elaborati, ciascuno dei quali sarà valutato e avrà il proprio peso nella valutazione complessiva del caso. Le date di consegna saranno comunicate con sufficiente anticipo. -- un esame parziale, con un peso del 20% sul voto finale del corso. La data del primo esame, in cui saranno valutati gli argomenti da 1 a 3, sarà comunicata con sufficiente anticipo (si terrà nel mese di novembre). -- un esame finale, con un peso del 60% sul voto finale del corso, in cui saranno valutati tutti i contenuti (argomenti) trattati e che si terrà nella data stabilita dall’università per l’esame della sessione ordinaria (comunicata ufficialmente all’inizio del quadrimestre). ***** La media ponderata di tutte queste prove di valutazione verrà calcolata esclusivamente se nell’esame finale il voto ottenuto è pari o superiore a 4,0 punti su 10. A sua volta, solo gli esami saranno soggetti a revisione. ***** Lo studente avrà superato il corso nella sessione ordinaria se e solo se otterrà un voto finale (media ponderata di tutte le prove di valutazione) pari o superiore a 5,0 punti su 10. In caso contrario, lo studente potrà superare il corso nella sessione straordinaria. SESSIONE STRAORDINARIA In questa sessione, lo studente sarà esaminato su tutti i contenuti (argomenti) trattati in un esame finale che si terrà nella data stabilita dall’università per l’esame della sessione straordinaria. Il voto, in questa sessione, sarà unico ed esclusivamente quello ottenuto in tale esame; la materia sarà considerata superata se il voto è pari o superiore a 5,0 su 10. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Juan José Gómez Cadenas Meccanica quantistica: Introduzione e applicazioni Edizioni Paraninfo. 2012. ISBN: 8498825126 2.- Robert Martin Eisberg e Robert Resnick Fisica quantistica: atomi, molecole, solidi, nuclei e particelle Casa editrice Limusa S.A. de C.V. (Messico). 1978. ISBN: 978-968180419 Letteratura complementare: 3.- Alberto Galindo e Pedro Pascual Meccanica quantistica Casa editrice Reverte. 1991. ISBN: 8429158801 4.- Ramón Fernández e José Luis Sánchez 100 problemi di fisica quantistica Alianza Editorial. 2001. ISBN: 8420686336 Altri: 5.- David J. Griffiths Introduzione alla meccanica quantistica Cambridge University Press. 2018. ISBN: 1107189632 6.- J. J. Sakurai J.J. Sakurai – Meccanica quantistica moderna Addison-Wesley. 2017. ISBN: 1108422411 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442300 | Apprendimento automatico | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Apprendimento automaticoCódigo: C0442300 Imprimir Corso 4. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Questo corso ha l'obiettivo di presentare in modo graduale i concetti di base e avanzati dell'apprendimento automatico. All'inizio del corso verranno illustrati i fondamenti dell'apprendimento automatico supervisionato, per poi passare ai modelli di deep learning. Il corso si concluderà con i modelli di analisi non supervisionata. Le conoscenze necessarie per comprendere i modelli di reti neurali presentati in questo corso includono concetti teorici fondamentali, nonché la capacità di costruire i propri modelli utilizzando il linguaggio di programmazione Python. A tal fine, uniremo i concetti teorici a casi d’uso, che consentiranno di verificare i risultati ottenuti su problemi del mondo reale. Prerequisiti Si raccomanda di possedere conoscenze del linguaggio di programmazione Python, poiché sarà utilizzato come linguaggio di programmazione principale in questo corso di apprendimento automatico (Machine Learning). Competenze Non applicabile. Risultati di apprendimento RC1 - Sviluppare strumenti di visualizzazione di grandi volumi di dati per poter comunicare i risultati delle analisi effettuate su di essi, adattandoli a diversi tipi di pubblico, sia tecnico che non tecnico. TIPO: Competenze. RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi per la risoluzione di problemi matematici e ingegneristici, utilizzando in ogni caso l’ambiente computazionale adeguato. TIPO: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nell’ambito dell’Ingegneria Matematica. TIPO: Competenze. RC5 - Dimostrare un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico, ed essere in grado di adottare comportamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato nello sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze. RC8 - Valutare le ripercussioni e l’impatto sociale delle soluzioni e delle proposte dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto. TIPO: Competenze. RC9 - Formulare problemi di un contesto professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. RK3 - Conoscere i concetti di statistica e inferenza statistica su grandi insiemi di dati. TIPO: Conoscenze o contenuti. RS2 - Applicare metodi di scienza dei dati (gestione, machine learning) nell’ambito del processo di analisi di grandi insiemi di dati in ambienti informatici. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. Descrizione dei contenuti Argomento 0. Fondamenti di apprendimento automatico Argomento 1. Modelli di classificazione e regressione Argomento 2. Reti neurali Argomento 3. Reti neurali convoluzionali (CNN) Argomento 4. Reti neurali ricorrenti (RNN) Argomento 5. Elaborazione del linguaggio naturale Argomento 6. Modelli non supervisionati Al termine del corso, lo studente sarà in grado di: - Acquisire una conoscenza approfondita dell’apprendimento automatico e delle sue applicazioni più comuni. - Implementare diversi modelli utilizzando la sintassi del linguaggio di programmazione Python. - Imparare e analizzare come addestrare i modelli di apprendimento automatico. - Applicare modelli di apprendimento automatico a problemi del mondo reale di varia natura. - Comprendere e utilizzare correttamente gli strumenti e le tecniche di implementazione dei modelli già addestrati. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.2 Workshop e laboratori informatici. AP4. Studio individuale, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione SESSIONE ORDINARIA (peso dei casi di utilizzo: 50%, peso dell’esame: 50%): 1) Partecipazione e frequenza + risoluzione dei casi pratici (50%): a) Frequenza regolare alle lezioni e alle attività in programma. b) Partecipazione attiva a discussioni e dibattiti c) Esecuzione corretta e completa dei casi pratici 2) Esame finale (50%): esame nella sessione ordinaria che comprenderà il 50% di domande teoriche e il 50% di casi pratici. Il calcolo del voto finale nella sessione ordinaria sarà subordinato al raggiungimento di un voto minimo di 4,0 su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività e delle prove di valutazione, anche qualora alcune di esse risultino non superate. Nel caso in cui il voto ottenuto nell’esame finale sia inferiore a 4,0 punti su 10, il voto finale sarà quello ottenuto in tale esame. SESSIONE STRAORDINARIA (100% esame): Nella sessione straordinaria, la valutazione si baserà esclusivamente su un esame che coprirà tutti i contenuti del corso. L’esame avrà un peso del 100% nella valutazione finale. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia di base: 1.- Charu C. Aggarwal Algebra lineare e ottimizzazione per l'apprendimento automatico Springer. 2020. ISBN: 3030403432 2.- Eloy Vicente Cestero e Alfonso Mateos Caballero Intelligenza artificiale: fondamenti matematici, algoritmici e metodologici 978-84-09-46911-6. 2023. ISBN: 8409469111 3.- John D. Kelleher, Brian Mac Namee e Aoife D'Arcy Fondamenti di apprendimento automatico per l’analisi predittiva dei dati, seconda edizione: algoritmi, esempi risolti e casi di studio The MIT Press. 2020. ISBN: 0262044692 4.- Peter J. Brockwell (Autore), Richard A. Davis Introduzione alle serie temporali e alle previsioni (Springer Texts in Statistics) 3ª ed. Springer International Publishing AG. 2016. ISBN: 9783319298528 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442301 | Modelli di gestione e produzione / Management and Production Models | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Modelli di gestione e produzione / Management and Production ModelsCódigo: C0442301 Imprimir Corso 4. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Il corso "Modelli di gestione e produzione" offre agli studenti di Ingegneria Matematica una visione completa della gestione e della realizzazione dei progetti, combinando tecniche matematiche con metodologie agili quali Scrum e Kanban. Verranno esplorati processi, strumenti e modelli applicati alla pianificazione, all'esecuzione e all'ottimizzazione dei progetti in diversi contesti produttivi. Nel corso del corso, gli studenti acquisiranno le competenze necessarie per: - Applicare modelli matematici alla gestione dei progetti, all’ottimizzazione delle scorte, alla sequenzializzazione delle attività e alla gestione delle code d’attesa. - Implementare metodologie agili con strumenti quali Jira e Figma per organizzare i flussi di lavoro e migliorare la produttività. - Modellare e risolvere problemi di affidabilità, sostituzione e manutenzione in diversi contesti produttivi. - Comprendere e applicare modelli di simulazione, compresa la generazione di numeri e variabili casuali per l’analisi e il processo decisionale. - Integrare tecniche matematiche con approcci gestionali moderni per migliorare l’efficienza e l’adattabilità nella produzione. Questo corso combina teoria e pratica attraverso casi di studio applicati e strumenti software, preparando gli studenti ad affrontare le sfide della gestione dei progetti in contesti industriali e tecnologici. ------------------------- Il corso «Modelli di gestione e produzione» offre agli studenti di Ingegneria Matematica una prospettiva completa sulla gestione dei progetti e sulla produzione, combinando tecniche matematiche con metodologie agili quali Scrum e Kanban. Il corso esplora processi, strumenti e modelli applicati alla pianificazione, all’esecuzione e all’ottimizzazione dei progetti in diversi ambienti produttivi. Nel corso del corso, gli studenti svilupperanno la capacità di: - Applicare modelli matematici alla gestione dei progetti, all’ottimizzazione delle scorte, alla pianificazione delle attività e ai sistemi di accodamento. - Implementare metodologie agili utilizzando strumenti quali Jira e Figma per organizzare i flussi di lavoro e migliorare la produttività. - Modellare e risolvere problemi di affidabilità, sostituzione e manutenzione in diversi contesti produttivi. - Comprendere e applicare modelli di simulazione, compresa la generazione di numeri casuali e variabili casuali per l’analisi e il processo decisionale. - Integrare tecniche matematiche con moderni approcci gestionali per migliorare l’efficienza e l’adattabilità nella produzione. Il corso combina l’apprendimento teorico e pratico attraverso casi di studio applicati e strumenti software, preparando gli studenti ad affrontare le sfide della gestione dei progetti in contesti industriali e tecnologici. Prerequisiti Per trarre il massimo beneficio dal corso, si raccomanda di possedere conoscenze di base di matematica applicata, accesso a Internet e padronanza degli strumenti digitali, nonché familiarità con gli ambienti di lavoro collaborativi./Per trarre il massimo beneficio dal corso, gli studenti devono possedere conoscenze di base di matematica applicata, accesso a Internet e padronanza nell’uso degli strumenti digitali, nonché familiarità con gli ambienti di lavoro collaborativi. Competenze Non applicabile./Non applicabile. Risultati di apprendimento RC1 - Sviluppare strumenti di visualizzazione di grandi volumi di dati per poter comunicare i risultati delle analisi effettuate su di essi, adattandoli a diversi tipi di pubblico, sia tecnico che non tecnico/ Sviluppare strumenti di visualizzazione di grandi volumi di dati per comunicare i risultati delle analisi effettuate su di essi, adattandoli a diversi tipi di pubblico, sia tecnico che non tecnico. TIPO: Competenze./TYPE: Competences. RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati./ Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze./TYPE: Competenze. RC3 - Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato./ Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze./TYPE: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica/ Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica. TIPO: Competenze./TYPE: Competenze. RC5 - Avere un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico./ avere un atteggiamento critico e autocritico per affrontare le sfide dell’attività di ingegnere matematico e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico. TIPO: Competenze./TYPE: Competences. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici./ lavorare in modo autonomo e organizzato per lo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali./ Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze./TYPE: Competenze. RC8 - Valutare le ripercussioni e l’impatto sociale delle soluzioni e delle proposte dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto/ Valutare l’impatto sociale e le implicazioni delle soluzioni e delle proposte nell’ambito dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto. TIPO: Competenze./TYPE: Competences. RC9 - Formulare i problemi di un contesto professionale utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione/Formulare i problemi in un contesto professionale utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze./TYPE: Competences. RK3 - Comprendere i concetti di statistica e inferenza statistica in grandi insiemi di dati./ To understand the concepts of statistics and statistical inference in large datasets. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RK5 - Conoscere diversi modelli di simulazione, la simulazione stocastica, la gestione e la pianificazione dei sistemi logistici; e risolvere, con l’ausilio di software, casi relativi a modelli di gestione e pianificazione della produzione/ Comprendere diversi modelli di simulazione, la simulazione stocastica e la gestione e pianificazione dei sistemi logistici; e risolvere, con l’ausilio di software, casi relativi a modelli di gestione e pianificazione della produzione. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RS2 - Applicare metodi di Data Science (gestione, machine learning) nell’ambito del processo di analisi di grandi insiemi di dati in ambienti informatici./ To apply Data Science methods (management, machine learning) as part of the process of analyzing large datasets in computing environments. TIPO: Competenze o abilità./TYPE: Skills. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti./ Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Competenze o abilità./TYPE: Skills. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse./ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Competenze o abilità./TYPE: Skills. RS5 - Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi/ Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi. TIPO: Competenze o abilità./TYPE: Skills. Descrizione dei contenuti Questo corso offre agli studenti di Ingegneria Matematica una visione pratica della gestione e della realizzazione di progetti attraverso metodologie agili quali Scrum e Kanban. Verrà esplorato l’uso di strumenti digitali quali Jira e Figma per pianificare, eseguire e monitorare i progetti in ambienti produttivi. Verranno affrontati concetti chiave della gestione dei progetti, tra cui la pianificazione agile, la gestione dei team, la simulazione dei processi e l’ottimizzazione dei flussi di lavoro, integrando approcci matematici per il processo decisionale e il miglioramento continuo. CONTENUTI GENERALI Unità 1: Fondamenti della gestione dei progetti Introduzione alla gestione dei progetti: principi di base ed evoluzione storica. Confronto tra metodologie tradizionali e agili. Ruoli chiave nella gestione dei progetti: Product Owner, Scrum Master e team di sviluppo. Applicazione di modelli matematici nella gestione dei progetti. Unità 2: Metodologie agili e strumenti di gestione Introduzione a Scrum e Kanban: principi e differenze. Utilizzo di Jira per la gestione di progetti agili. Organizzazione del backlog, definizione delle priorità delle attività e pianificazione degli sprint. Implementazione di bacheche Kanban e Scrum in Jira. Gestione visiva del lavoro e ottimizzazione dei flussi. Unità 3: Pianificazione dei progetti con Jira Creazione e gestione del backlog: epiche, user story e attività. Stima delle attività e assegnazione delle risorse. Sviluppo della tempistica del progetto e monitoraggio dei progressi. Analisi del carico di lavoro e ottimizzazione delle prestazioni del team. Unità 4: Esecuzione e monitoraggio dei progetti Monitoraggio del lavoro del team tramite Jira. Utilizzo di grafici burn-down e diagrammi di flusso cumulativi. Controllo della qualità e gestione dei rischi nei progetti agili. Risoluzione degli incidenti e creazione di report in Jira. Unità 5: Progettazione e prototipazione con Figma Introduzione a Figma come strumento di prototipazione. Creazione di wireframe e prototipi interattivi. Collaborazione in team e revisione dei prototipi in tempo reale. Documentazione del progetto e preparazione per lo sviluppo. Unità 6: Chiusura dei progetti e valutazione Convalida dei risultati finali e chiusura del progetto. Valutazione dei risultati e delle metriche di prestazione. Riflessione sui processi e miglioramento continuo. Etica e buone pratiche nella gestione dei progetti agili. METODOLOGIA Il corso si basa su un approccio pratico, in cui gli studenti applicheranno direttamente i concetti a progetti reali utilizzando Jira e Figma. Verrà promosso l’apprendimento attivo attraverso simulazioni, risoluzione di casi pratici e lavoro di gruppo. Le lezioni teoriche saranno integrate da esercitazioni pratiche sull’utilizzo degli strumenti digitali, garantendo un’esperienza di apprendimento applicata e dinamica. ------------------------- Questo corso offre agli studenti di Ingegneria Matematica una prospettiva pratica sulla gestione dei progetti e sulla produzione attraverso metodologie agili quali Scrum e Kanban. Esplora l’uso di strumenti digitali quali Jira e Figma per pianificare, eseguire e monitorare i progetti in ambienti di produzione. Vengono affrontati i concetti chiave della gestione dei progetti, tra cui la pianificazione agile, la gestione del team, la simulazione dei processi e l’ottimizzazione del flusso di lavoro, integrando approcci matematici a supporto del processo decisionale e del miglioramento continuo. CONTENUTI GENERALI Unità 1: Fondamenti di gestione dei progetti Introduzione alla gestione dei progetti: principi di base e sviluppo storico. Confronto tra metodologie tradizionali e agili. Ruoli chiave nella gestione dei progetti: Product Owner, Scrum Master e team di sviluppo. Applicazione dei modelli matematici alla gestione dei progetti. Unità 2: Metodologie agili e strumenti di gestione Introduzione a Scrum e Kanban: principi e differenze. Utilizzo di Jira per la gestione agile dei progetti. Organizzazione del backlog, definizione delle priorità delle attività e pianificazione degli sprint. Implementazione delle bacheche Kanban e Scrum in Jira. Gestione visiva del lavoro e ottimizzazione del flusso di lavoro. Unità 3: Pianificazione del progetto con Jira Creazione e gestione del backlog: epiche, user story e attività. Stima delle attività e allocazione delle risorse. Pianificazione del progetto e monitoraggio dello stato di avanzamento. Analisi del carico di lavoro e ottimizzazione delle prestazioni del team. Unità 4: Esecuzione e monitoraggio del progetto Monitoraggio del lavoro del team tramite Jira. Utilizzo dei grafici burn-down e dei diagrammi di flusso cumulativo. Controllo della qualità e gestione dei rischi nei progetti agili. Risoluzione dei problemi e reporting in Jira. Unità 5: Progettazione e prototipazione con Figma Introduzione a Figma come strumento di prototipazione. Creazione di wireframe e prototipi interattivi. Collaborazione in team e revisione dei prototipi in tempo reale. Documentazione di progettazione e preparazione per lo sviluppo. Unità 6: Chiusura e valutazione del progetto Convalida dei risultati finali e chiusura del progetto. Valutazione dei risultati e degli indicatori di prestazione. Riflessione sui processi e miglioramento continuo. Etica e buone pratiche nella gestione agile dei progetti. METODOLOGIA Il corso segue un approccio pratico in cui gli studenti applicheranno direttamente i concetti trattati a progetti reali utilizzando Jira e Figma. L’apprendimento attivo sarà favorito attraverso simulazioni, risoluzione di problemi basati su casi concreti e lavoro di squadra. Il corso combina lezioni teoriche con attività pratiche di implementazione utilizzando strumenti digitali, garantendo un’esperienza di apprendimento applicata e dinamica. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Interactive classes. AP3.1. Sviluppo di progetti e risoluzione di sfide./ Project development and challenge-based problem solving. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./ Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. AP6. Verifiche delle conoscenze./Verifiche delle conoscenze. Sistema e criteri di valutazione SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questo corso sono: - SE1: Attività pratiche - SE2: Prove finali di verifica delle conoscenze - SE3: Portfolio CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti si concretizzano nei seguenti criteri di valutazione: - Sono previste due sessioni d’esame ufficiali: ordinaria e straordinaria. +++SESSIONE ORDINARIA+++ Il voto finale di questa sessione è la media ponderata di una serie di prove di valutazione descritte di seguito: -- Esercizi pratici/test (SE3), con un peso del 20% sul voto finale della sessione ordinaria, da svolgere individualmente o in piccoli gruppi durante il periodo didattico in classe. -- Progetto finale (SE1), da svolgere individualmente o in piccoli gruppi durante il periodo didattico, che avrà un peso del 30% sul voto finale della sessione ordinaria. -- Esame globale (SE2), da svolgere individualmente durante la sessione d’esame ordinaria ufficiale, il cui contenuto comprenderà l’insieme delle materie trattate e che avrà un peso del 50% sul voto finale della sessione ordinaria, a condizione che il voto minimo superi il 4 su 10. In caso di mancato raggiungimento di tale voto, la valutazione finale del corso sarà di «bocciato» nella sessione ordinaria. *** La materia si considera superata nella sessione ordinaria se la valutazione finale è pari o superiore a 5,0. +++SESSIONE STRAORDINARIA+++ Nel caso in cui non si superi la materia nella sessione ordinaria, lo studente potrà farlo nella sessione straordinaria con un peso del 100% e una valutazione di tutti i contenuti. La sessione straordinaria si svolgerà durante il periodo degli esami di luglio (per ulteriori informazioni, consultare il campus virtuale). Consiste in un unico esame in cui vengono valutati tutti i contenuti del corso. *** La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0, con un minimo di 5 in entrambe le parti. ------------------------- SISTEMI DI VALUTAZIONE I sistemi di valutazione per questo corso sono: SE1: Attività pratiche SE2: Valutazioni finali delle conoscenze SE3: Portfolio CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti vengono attuati attraverso i seguenti criteri di valutazione: - Sono previsti due periodi d’esame ufficiali: il periodo d’esame ordinario e il periodo d’esame straordinario. +++PERIODO D'ESAME ORDINARIO+++ Il voto finale per questo periodo d’esame è la media ponderata delle seguenti attività di valutazione: -- Esercizi pratici/prove pratiche (SE3): 20% del voto finale del Periodo d’esame ordinario. Queste attività saranno svolte individualmente o in piccoli gruppi durante il periodo didattico in classe. -- Progetto finale (SE1): 30% del voto finale del periodo d’esame ordinario. Il progetto sarà svolto individualmente o in piccoli gruppi durante il periodo didattico. -- Esame completo (SE2): 50% del voto finale del periodo d’esame ordinario. L’esame si svolgerà individualmente durante il periodo ufficiale d’esame ordinario e verterà sull’intero programma del corso. Per l’applicazione della media ponderata è necessario ottenere in questo esame un voto minimo di 4 su 10. Se tale voto minimo non viene raggiunto, il voto finale del corso nel periodo di esame ordinario sarà «Non superato». *** Il corso si considera superato nel periodo d’esame ordinario se il voto finale è pari o superiore a 5,0. +++PERIODO DI ESAME STRAORDINARIO+++ Se lo studente non supera il corso durante il periodo d’esame ordinario, potrà sostenere l’esame del corso durante il periodo d’esame straordinario, in cui l’esame incide per il 100% sul voto finale e verte su tutti i contenuti del corso. Il periodo di esami straordinario si svolgerà durante il periodo d’esami di luglio (per ulteriori informazioni, consultare il campus virtuale). Consiste in un unico esame che verte su tutti i contenuti del corso. *** Il corso si considera superato nel periodo di esami straordinario se il voto finale è pari o superiore a 5,0. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Fondamentale: 1.- Chopra, Sunil; Meindl, Peter Supply Chain Management: Strategy, Planning, and Operation Pearson Education. 2022. ISBN: 9780132743952 2.- Heizer, Jay; Render, Barry; Munson, Chuck Gestione delle operazioni: sostenibilità e gestione della catena di approvvigionamento (Conosciuto in spagnolo anche come "Principi di gestione delle operazioni") Pearson Education. 2009. ISBN: 978-607-442-0 3.- Nahmias, Steven; Olsen, Tava Lennon Analisi della produzione e delle operazioni Waveland Press. 2021. ISBN: 978-147864766 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442302 | Ottimizzazione delle reti | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ottimizzazione delle retiCódigo: C0442302 Imprimir Corso 4. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi - Riconoscere correttamente diverse situazioni, quali i problemi di rete, e utilizzare il modello adeguato. - Conosce e implementa gli algoritmi appropriati per risolvere problemi di rete. - È in grado di applicare metodi euristici ai problemi di ottimizzazione combinatoria. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è altamente raccomandabile aver frequentato tutti i corsi di matematica del corso di laurea, nonché i corsi di programmazione dei primi due anni. Competenze Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi per la risoluzione di problemi matematici e ingegneristici, utilizzando in ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nell’ambito dell’Ingegneria Matematica. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a requisiti temporali o economici rigorosi. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze. RC9 - Formulare problemi di un contesto professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale, nonché la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. RS1 - Utilizzare il linguaggio matematico per enunciare proposizioni in diversi campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. RS6 - Analizzare testi nel campo della matematica con l’obiettivo di familiarizzarsi con la struttura e le pubblicazioni scientifiche, anche in inglese. TIPO: Abilità o competenze. Descrizione dei contenuti Argomento 1. Introduzione alla teoria dei grafi: grafi, alberi e strutture arborescenti. Argomento 2. Problema del percorso minimo. Argomento 3. Problema dei flussi (flusso massimo, flusso a costo minimo, ecc.). Argomento 4. Percorsi nei grafi: cicli euleriani e hamiltoniani. Argomento 5. Problemi di ottimizzazione combinatoria. Attività formative AP1. Lezioni frontali. AP2. Lezioni interattive. AP3.2 Workshop e laboratori informatici. AP4. Studio individuale, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche di conoscenza. Sistema e criteri di valutazione Esistono due sessioni d’esame ufficiali: ordinaria e straordinaria. Il voto finale del corso nella SESSIONE ORDINARIA sarà calcolato come media ponderata tra progetti ed esami secondo la seguente formula: - Valutazione continua (50%) + Esame parziale (20%) + Progetto (30%) - Esame finale (50%) Il calcolo del voto finale nella sessione ordinaria sarà subordinato al raggiungimento di un voto minimo di 4,0 su 10 nell’esame finale. Una volta soddisfatto tale requisito, verrà calcolata la media ponderata di tutte le attività e prove di valutazione, anche qualora alcune di esse risultino non superate. Nel caso in cui il voto ottenuto nell’esame finale sia inferiore a 4,0 su 10, il voto finale sarà quello ottenuto in tale esame. Nella SESSIONE STRAORDINARIA l’esame finale avrà un peso del 100%. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Ana María Vieites Rodríguez, Felicidad Aguado Martín, Felipe Gago Couso, Manuel Ladra González, Gilberto Pérez Vega e Concepción Vidal Martín Teoria dei grafi. Esercizi e problemi risolti Edizioni Paraninfo. 2014. ISBN: 9788428337076 2.- José Niño Mora Introduzione all’ottimizzazione delle decisioni: metodi e modelli di ricerca operativa. Edizioni Pirámide. 2021. ISBN: 9788436845280 Letteratura complementare: 3.- Hillier, Frederick S. Ricerca operativa 7ª ed.: McGraw-Hill Interamericana. 2002. ISBN: 9701034864 4.- Taha, Hamdy A. Ricerca operativa 9ª ed.: Pearson Educación. 2012. ISBN: 9786073207966 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442303 | Simulazione dei sistemi logistici / Simulation of Logistics Systems | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Simulazione dei sistemi logistici / Simulation of Logistics SystemsCódigo: C0442303 Imprimir Corso 4. Materia del primo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Il corso ha lo scopo di fornire allo studente le conoscenze e gli strumenti necessari per la progettazione e l'analisi dei prodotti, tenendo conto delle loro caratteristiche strutturali e meccaniche, delle proprietà dei materiali, dell'affidabilità e dei processi di fabbricazione. Si intende inoltre far comprendere allo studente i fondamenti e la metodologia del calcolo mediante il metodo degli elementi finiti (FEM), nonché le sue principali applicazioni, le procedure di calcolo e l’interpretazione dei risultati./Il corso mira a fornire agli studenti le conoscenze e gli strumenti necessari per la progettazione e l’analisi dei prodotti, tenendo conto delle loro caratteristiche strutturali e meccaniche, delle proprietà dei materiali, dell’affidabilità e dei processi di produzione. Si mira inoltre a consentire agli studenti di comprendere i fondamenti e la metodologia dei calcoli mediante il metodo degli elementi finiti (FEM), nonché le sue principali applicazioni, le procedure di calcolo e l’interpretazione dei risultati. Si intende sviluppare la capacità di analizzare disegni tecnici e di utilizzare sistemi di progettazione assistita da computer e tecniche di modellazione tridimensionale mediante strumenti informatici specifici, nonché di applicare il metodo degli elementi finiti alla simulazione di modelli tridimensionali. Si mira inoltre a fornire agli studenti le competenze necessarie per raccogliere e gestire i dati richiesti per la risoluzione di problemi di progettazione e simulazione, nonché per affrontare modelli di gestione e pianificazione della produzione mediante l’uso di strumenti informatici specializzati./Il corso mira a sviluppare la capacità degli studenti di analizzare disegni tecnici e utilizzare sistemi di progettazione assistita da computer (CAD) e tecniche di modellazione tridimensionale tramite strumenti software specializzati, nonché di applicare il metodo degli elementi finiti alla simulazione di modelli tridimensionali. Inoltre, gli studenti svilupperanno la capacità di raccogliere e gestire i dati necessari per risolvere problemi di progettazione e simulazione, nonché di affrontare modelli di gestione e pianificazione della produzione utilizzando strumenti software specializzati. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è vivamente raccomandabile aver frequentato o stare frequentando i corsi Fondamenti fisici dell’ingegneria, Equazioni differenziali ed equazioni alle differenze, Simulazione numerica e Tecniche di ottimizzazione e controllo./Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, si raccomanda vivamente che gli studenti abbiano già completato o stiano attualmente frequentando i corsi Fondamenti di fisica ingegneristica, Equazioni differenziali e a differenze, Simulazione numerica e Tecniche di ottimizzazione e controllo. Competenze Non applicabile./Non applicabile. Risultati di apprendimento RC1 - Sviluppare strumenti di visualizzazione di grandi volumi di dati per poter comunicare i risultati delle analisi effettuate su di essi, adattandoli a diversi tipi di pubblico, sia tecnico che non tecnico/ Sviluppare strumenti di visualizzazione di grandi volumi di dati per comunicare i risultati delle analisi effettuate su di essi, adattandoli a diversi tipi di pubblico, sia tecnico che non tecnico. TIPO: Competenze./TYPE: Competences. RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati./ Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze./TYPE: Competenze. RC3 - Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato./ Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze./TYPE: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica/ Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica. TIPO: Competenze./TYPE: Competenze. RC5 - Avere un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico./ avere un atteggiamento critico e autocritico per affrontare le sfide dell’attività di ingegnere matematico e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico. TIPO: Competenze./TYPE: Competences. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici./ lavorare in modo autonomo e organizzato per lo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali./ Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze./TYPE: Competenze. RC8 - Valutare le ripercussioni e l’impatto sociale delle soluzioni e delle proposte dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto/ Valutare l’impatto sociale e le implicazioni delle soluzioni e delle proposte nell’ambito dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto. TIPO: Competenze./TYPE: Competences. RC9 - Formulare i problemi di un contesto professionale utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione/Formulare i problemi in un contesto professionale utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze./TYPE: Competenze. RK3 - Comprendere i concetti di statistica e inferenza statistica in grandi insiemi di dati./ To understand the concepts of statistics and statistical inference in large datasets. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RK5 - Conoscere diversi modelli di simulazione, la simulazione stocastica, la gestione e la pianificazione dei sistemi logistici; e risolvere, con l’ausilio di software, casi relativi a modelli di gestione e pianificazione della produzione/ Comprendere diversi modelli di simulazione, la simulazione stocastica e la gestione e pianificazione dei sistemi logistici; e risolvere, con l’ausilio di software, casi relativi a modelli di gestione e pianificazione della produzione. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RS2 - Applicare metodi di Data Science (gestione, machine learning) nell’ambito del processo di analisi di grandi insiemi di dati in ambienti informatici./ Applicare metodi di Data Science (gestione, machine learning) nell’ambito del processo di analisi di grandi insiemi di dati in ambienti informatici. TIPO: Competenze o abilità./TYPE: Skills. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti./ Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Competenze o abilità./TYPE: Skills. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse./ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Competenze o abilità./TYPE: Skills. RS5 - Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi/ Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, al fine di risolvere problemi. TIPO: Competenze o abilità./TYPE: Skills. Descrizione dei contenuti 1. Introduzione 1.1 Presentazione del corso. 1.2 Ripasso dei concetti di base. • Considerazioni progettuali. • Caratteristiche strutturali e meccaniche dei materiali. • Concetto di solido rigido e solido elastico. Ipotesi. Sollecitazioni, carichi e tensioni. • Principali proprietà dei materiali: modulo di Young, coefficiente di Poisson. • Tensioni e deformazioni principali. Tensioni equivalenti. • Criteri di resistenza dei materiali. • Caratteristiche di affidabilità. • Considerazioni relative alla manutenzione. • Aspetti relativi alla produzione. • Creatività nella progettazione. 2. Modellazione dei sistemi 2.1 Ambiente di lavoro e operazioni. • Ambiente di lavoro di CATIA e principali funzionalità. • Modulo di progettazione meccanica. 2.2 Sketcher. • Nozioni di base e ambienti del modulo di schizzo 2D. • Riferimenti e vincoli. • Strumenti di disegno 2D. 2.3 Part Design. • Nozioni di base sulla modellazione 3D. • Caratteristiche basate sullo schizzo. • Caratteristiche di rifinitura. • Progettazione multi-corpo. 2.4 Materiali e rendering. • Applicazione dei materiali. • Strumento di rendering. 2.5 Esercizi. 3. Simulazione di sistemi 3.1 Metodologia della simulazione con il metodo degli elementi finiti (FEM). • Metodologia e metodo di calcolo con elementi finiti (FEM). 3.2 Modelli e mesh. • Preparazione dei modelli CAD, importazione, semplificazioni, modello FEM. • Meshing dei componenti. Considerazioni sul meshing. Selezione del tipo di meshing. 3.3 Modulo strutturale-elastico. • Applicazione dei carichi e dei vincoli al modello. • Convergenza. Analisi dei risultati. Convalida dei risultati. • Post-elaborazione. 3.4 Analisi modale. • Definizione dei carichi e dei vincoli del modello. • Convergenza. Analisi dei risultati. Convalida dei risultati. • Post-elaborazione. 3.5 Analisi termica. • Implementazione dei carichi e dei vincoli del modello. • Convergenza. Analisi dei risultati. Convalida dei risultati. • Post-elaborazione. 3.6 Esercizi. 4. Simulazione di processi logistici e produttivi 4.1 Simulazione di processi logistici e produttivi. 4.2 Esercizi. ------------------------- 1. Introduzione 1.1. Panoramica del corso 1.2. Ripasso dei concetti di base • Considerazioni progettuali. • Proprietà strutturali e meccaniche dei materiali. • Concetti relativi ai solidi rigidi ed elastici. Ipotesi. Carichi, condizioni di carico e sollecitazioni. • Principali proprietà dei materiali: modulo di Young e coefficiente di Poisson. • Sollecitazioni e deformazioni principali. Sollecitazioni equivalenti. • Criteri di resistenza dei materiali. • Caratteristiche di affidabilità. • Considerazioni sulla manutenzione. • Aspetti relativi alla produzione. • Creatività nella progettazione. 2. Modellazione del sistema 2.1. Ambiente di lavoro e movimenti • Ambiente di lavoro CATIA e principali funzionalità. • Modulo di progettazione meccanica. 2.2. Sketcher • Nozioni fondamentali e ambienti di lavoro del modulo di schizzo 2D. • Riferimenti e vincoli. • Strumenti di disegno 2D. 2.3. Progettazione di parti • Nozioni fondamentali sulla modellazione 3D. • Elementi basati sullo schizzo. • Elementi di rifinitura. • Progettazione multicorpo. 2.4. Materiali e rendering • Applicazione dei materiali. • Strumenti di rendering. 2.5. Esercizi 3. Simulazione di sistema 3.1. Metodologia di simulazione con il Metodo degli Elementi Finiti (FEM) Metodologia e procedure di calcolo basate sul metodo degli elementi finiti (FEM). 3.2. Modelli e mesh • Preparazione dei modelli CAD, importazione, semplificazione e creazione del modello FEM. • Rete dei componenti. Considerazioni sulla rete. Selezione del tipo di rete appropriato. 3.3. Analisi strutturale/elastica • Applicazione dei carichi e dei vincoli al modello. • Convergenza, analisi dei risultati e validazione dei risultati. • Post-elaborazione. 3.4. Analisi modale • Applicazione dei carichi e dei vincoli del modello. • Convergenza, analisi dei risultati e verifica dei risultati. • Post-elaborazione. 3.5. Analisi termica • Applicazione dei carichi e dei vincoli del modello. • Convergenza, analisi dei risultati e verifica dei risultati. • Post-elaborazione. 3.6. Esercizi 4. Simulazione dei processi logistici e produttivi 4.1. Simulazione dei processi logistici e produttivi 4.2. Esercizi Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di sfide./ Project development and challenge-based problem solving. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./ Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. AP6. Verifiche delle conoscenze./Verifiche delle conoscenze. Sistema e criteri di valutazione SESSIONE ORDINARIA: • Prova di valutazione continua 1 – 25% • Caso pratico e presentazione – 20% • Prova di valutazione continua 2 – 55% (punteggio minimo >= 5) Nel caso in cui si debba sostenere l’esame della sessione ordinaria, il peso di tale esame è pari all’80% del totale. SESSIONE STRAORDINARIA: • Caso pratico – 20% • Esame – 80% ------------------------- CRITERI DI VALUTAZIONE PERIODO DI ESAME ORDINARIO • Test di valutazione continua 1 – 25% • Caso di studio pratico e presentazione – 20% • Test di valutazione continua 2 – 55% (è necessario ottenere un voto minimo di 5/10) Se lo studente è tenuto a sostenere l’esame durante il periodo d’esame ordinario, tale esame incide per l’80% sul voto complessivo. PERIODO DI ESAME STRAORDINARIO • Caso di studio pratico – 20% • Esame – 80% Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Eduardo Torrecilla Insagurbe Il grande libro di CATIA Alfaomega Grupo Editor. 2013. ISBN: 978-607-707-8 2.- Singiresu S. Rao Il metodo degli elementi finiti in ingegneria Butterworth-Heinemann (Elsevier). 2011. ISBN: 978-1-85617-6 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SECONDO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0342603 | Laboratorio sperimentale II / Experimental Laboratory II | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Laboratorio sperimentale II / Experimental Laboratory IICódigo: C0342603 Imprimir Corso 4. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi L'obiettivo di questo corso è quello di introdurre gli studenti alla sperimentazione nel campo dell'ottica e dell'elettronica. L'obiettivo di questo corso è quello di introdurre gli studenti alla sperimentazione nel campo dell'ottica e dell'elettronica. Prerequisiti Nessun prerequisito Competenze Comprendere i fenomeni di natura fisicamente diversa e le loro analogie sottostanti per l’utilizzo di soluzioni già note a nuovi problemi. RS3 Stimare gli ordini di grandezza per interpretare i fenomeni di laboratorio nel campo della Fisica e delle sue discipline, oltre che in Chimica. / Estimate orders of magnitude to interpret laboratory phenomena in the field of Physics and its disciplines, as well as in Chemistry. RS4 Applicare metodi matematici e numerici nella modellizzazione e nella risoluzione esplicita di problemi di Fisica e delle discipline affini, selezionando gli strumenti appropriati e interpretando i risultati. / Apply mathematical and numerical methods in the modelling and explicit resolution of problems in Physics and related disciplines, selecting appropriate tools and interpreting results. RS5 Utilizzare strumenti elettronici e/o strumenti informatici adeguati nella modellizzazione per la ricerca di soluzioni a problemi fisici. / Utilizzare strumenti elettronici e/o strumenti informatici adeguati nella modellizzazione per la ricerca di soluzioni a problemi fisici. RC1 Svolgere in modo autonomo attività di gestione di progetti relativi alle diverse aree della fisica. / Svolgere in modo autonomo attività di gestione di progetti relativi alle diverse aree della fisica. Risultati di apprendimento RA1 Conosce i principi, le tecniche e gli strumenti di misura, nonché i fenomeni di interesse nell’ambito della Meccanica e delle onde, della Termodinamica e dell’Elettromagnetismo. RA2 Utilizza in modo adeguato ed efficiente gli strumenti di misura (Meccanica e onde, Termodinamica ed Elettromagnetismo), seguendo i protocolli di misurazione, in particolare quelli relativi alla sicurezza dello sperimentatore. RA3 È in grado di valutare i limiti dei metodi di misura dovuti all’interferenza, alla semplicità dei modelli e agli effetti trascurati nel metodo di misura (Meccanica e onde, Termodinamica ed Elettromagnetismo). RA4 Rappresenta graficamente i dati, ricava informazioni dalla rappresentazione, analizza i dati, modella e confronta i risultati ottenuti con le leggi fisiche relative a Meccanica e onde, Termodinamica ed Elettromagnetismo. RA5 Documenta il processo di misurazione per quanto riguarda i suoi fondamenti, la strumentazione richiesta e le condizioni in cui è valido, effettuando l’analisi completa secondo il formato IMRD (Meccanica e onde, Termodinamica ed Elettromagnetismo). Descrizione dei contenuti Esercitazioni di laboratorio di ottica ed elettronica. Elaborazione dei dati, tecniche di analisi e calcolo degli errori. Esercitazioni di laboratorio di ottica ed elettronica. Elaborazione dei dati, tecniche di analisi e calcolo degli errori. Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 6 0,33 100 AP2.- Seminari o lezioni di applicazione pratica 6 0,33 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 18 0,5 50 AP4.- Lavoro autonomo 180 0 0 AP5.- Tutoraggio 36 0,6 30 AP6.- Verifiche di conoscenza 6 0,33 100 AP10.- Attività in laboratori e/o aule pratiche 198 11 100 TOTALE 450 13,09 Sistema e criteri di valutazione Periodo di esami regolari Sistema di valutazione | Ponderazione % SE1 – Attività pratiche | 30% Presentazione orale di un esperimento di elettronica (15%) Relazione scientifica su un esperimento di ottica (15%) SE2 – Esame finale | 40% SE3 – Quaderno di laboratorio | 30% Per quanto riguarda il quaderno di laboratorio, ogni esperimento deve contenere i seguenti elementi: titolo dell’esperimento, data, raccolta dei dati, risposte alle domande assegnate, eventuali incidenti Per consegnare il lavoro (quaderno di laboratorio, relazione scientifica o presentazione orale) relativo a un esperimento, gli studenti devono aver partecipato alla raccolta dei dati per quell’esperimento. In caso di impossibilità a partecipare, devono informare il docente prima dell’inizio della raccolta dei dati (ore 14:30), il quale valuterà la situazione in base alle circostanze individuali. Affinché la valutazione continua venga presa in considerazione (comprendente le Attività pratiche (SE1) e il Quaderno di laboratorio (SE3)), gli studenti devono ottenere un voto pari o superiore a 4,0/10 nell’esame finale del periodo d’esame ordinario SE2. In caso contrario, il loro voto finale corrisponderà direttamente al voto ottenuto in tale esame. Il corso si considera superato nel periodo d’esame ordinario se il voto finale è pari o superiore a 5,0/10. Sessione d’esame straordinaria Se lo studente non ha superato il corso durante il periodo d’esame ordinario, può sostenere l’esame straordinario. L’esame straordinario si svolgerà durante il periodo d’esame di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). Il 100% del voto finale del corso nel periodo d’esame straordinario corrisponde all’esame finale di tale periodo. Il corso si considera superato nel periodo di esame straordinario se il voto finale è pari o superiore a 5,0/10. Periodo di valutazione ordinaria Sistema di valutazione | Percentuale SE1 - Attività pratiche | 30 % Presentazione orale di un esperimento di Elettronica (15 %) Relazione scientifica su un esperimento di ottica (15 %) SE2 - Esame finale | 40 % SE3 - Quaderno delle esercitazioni di laboratorio | 30 % Per quanto riguarda il quaderno delle esercitazioni, ogni esperimento deve contenere le seguenti sezioni: titolo dell’esperimento, data, raccolta dei dati, risposte alle attività e osservazioni. Per consegnare il lavoro (quaderno delle esercitazioni, relazione scientifica o presentazione orale) relativo a un esperimento, gli studenti devono aver partecipato alla raccolta dei dati di tale esperimento. Se non possono partecipare, dovranno informare il docente prima dell’inizio della raccolta dei dati (14:30), il quale prenderà una decisione in base alle circostanze particolari di ciascun caso. Affinché la valutazione continua venga presa in considerazione (composta dalle Attività pratiche (SE1) e dal Quaderno di laboratorio (SE3)), gli studenti devono ottenere un voto pari o superiore a 4,0/10 nell’Esame finale del periodo di valutazione ordinaria (SE2). In caso contrario, il voto finale corrisponderà direttamente al voto ottenuto in tale esame. La materia si considera superata nel periodo di valutazione ordinario se il voto finale è pari o superiore a 5,0/10. Periodo di valutazione straordinaria Se lo studente non ha superato il corso durante il periodo di valutazione ordinario, potrà sostenere l’esame straordinario. L’esame straordinario si terrà durante il periodo d’esame di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). Il 100% del voto finale della materia nel periodo di valutazione straordinaria corrisponde all’esame finale di tale periodo. La materia si considera superata nel periodo di valutazione straordinaria se il voto finale è pari o superiore a 5,0/10. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442304 | Scienza dei big data | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Scienza dei big dataCódigo: C0442304 Imprimir Corso 4. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Il corso di Scienza dei Big Data offre una panoramica sulla gestione e l’analisi di grandi volumi di dati, spaziando dall’archiviazione e dall’elaborazione fino all’analisi e alla visualizzazione. Vengono approfonditi i concetti fondamentali, le tecniche per archiviare ed elaborare i dati in modo efficiente e le architetture moderne che combinano diversi approcci di elaborazione. Vengono inoltre affrontati i metodi per preparare, pulire e trasformare i dati, nonché le tecniche di analisi e interpretazione dei risultati. Si discutono inoltre gli aspetti etici e legali legati all’uso dei dati e si analizzano le tendenze future in questo campo. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è consigliabile aver frequentato gli altri corsi dell’area Data Science, ovvero Gestione dei dati e Apprendimento automatico, nonché tutti i corsi di programmazione previsti dal corso di laurea. Competenze Non applicabile. Risultati di apprendimento RC1 - Sviluppare strumenti di visualizzazione di grandi volumi di dati per poter comunicare i risultati delle analisi effettuate su di essi, adattandoli a diversi tipi di pubblico, sia tecnico che non tecnico. TIPO: Competenze. RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze. RC3 - Applicare programmi per la risoluzione di problemi matematici e ingegneristici, utilizzando in ogni caso l’ambiente computazionale adeguato. TIPO: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nell’ambito dell’Ingegneria Matematica. TIPO: Competenze. RC5 - Avere un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico, e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico. TIPO: Competenze. RC6 - Lavorare in modo autonomo e organizzato nello sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze. RC8 - Valutare le ripercussioni e l’impatto sociale delle soluzioni e delle proposte dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto. TIPO: Competenze. RC9 - Formulare problemi di un contesto professionale, utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze. RK2 - Padroneggiare i concetti di base della matematica discreta, della logica, dell’algoritmica, della codifica, della ricerca operativa e dell’intelligenza artificiale, nonché la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. RK3 - Conoscere i concetti di statistica e inferenza statistica su grandi insiemi di dati. TIPO: Conoscenze o contenuti. RS2 - Applicare metodi di scienza dei dati (gestione, machine learning) nell’ambito del processo di analisi di grandi insiemi di dati in ambienti informatici. TIPO: Abilità o competenze. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Abilità o competenze. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Abilità o competenze. RS5 - Utilizzare applicazioni informatiche di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altre per risolvere problemi. TIPO: Abilità o competenze. Descrizione dei contenuti Argomento 1. Introduzione alla gestione dei big data Argomento 2. Preparazione dei dati e progettazione ETL Argomento 3. Fondamenti dei Big Data Argomento 4. Architettura dei dati Argomento 5. Big Data e nuove tendenze Argomento 6. Analisi dei dati. Progettazione di sistemi di visualizzazione. Al termine del corso, lo studente sarà in grado di: - Introduzione ai Big Data: comprendere i concetti di base, le caratteristiche e le sfide associate alla gestione di grandi quantità di dati. - Preparazione dei dati: apprendere le tecniche di pulizia, trasformazione e integrazione tramite processi ETL per garantire la qualità dei dati. - Fondamenti dei Big Data: acquisire familiarità con le tecnologie, gli strumenti e i principi chiave dell’ecosistema dei Big Data, insieme alle sfide etiche e legali. - Architettura dei dati: progettare e analizzare architetture moderne quali data lake, data warehouse e sistemi ibridi scalabili ed efficienti. - Tendenze nei Big Data: identificare i progressi tecnologici e come l’intelligenza artificiale potenzi l’analisi e l’innovazione nel campo dei Big Data. - Analisi dei dati: acquisire competenze per interpretare, convalidare e analizzare i dati in modo efficace ai fini del processo decisionale. - Sistemi di visualizzazione: progettare visualizzazioni chiare e utili che consentano di comunicare i risultati in modo comprensibile e utilizzabile. Attività formative AP1. Lezioni frontali. AP2. Lezioni dinamiche. AP3.2 Workshop e laboratori informatici. AP4. Studio individuale, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione SESSIONE ORDINARIA: casi di utilizzo: 50%; esame finale dell’intero corso (questionario): 50%. - I casi di studio avranno un peso del 50% nella valutazione finale. - Il questionario avrà un peso del 50% nella valutazione finale. Verrà calcolata la media tra i casi di utilizzo e il questionario a condizione che il voto di quest’ultimo sia pari o superiore a 4,0 su 10,0 e, in tal caso, anche se i casi di utilizzo risultino non superati. *** Casi di studio: - Frequenza regolare alle lezioni e alle attività in programma. - Partecipazione attiva a discussioni e dibattiti - Esecuzione corretta e completa dei casi pratici *** Questionario: esame della sessione ordinaria. SESSIONE STRAORDINARIA: 100% esame finale dell’intero corso. Nella sessione straordinaria, la valutazione si baserà esclusivamente su un esame che coprirà tutti i contenuti del corso. L’esame avrà un peso del 100% nella valutazione finale. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- AnHai Doan, Alon Halevy e Zachary Ives Principles of Data Integration Morgan Kaufmann Publishers Inc. 2012. ISBN: 9780124160446 2.- Big Data: Principi e migliori pratiche dei sistemi di dati scalabili in tempo reale Nathan Marz et al. Wiley India. 2015. ISBN: 9351198065 3.- Foster Provost e Tom Fawcett Data Science for Business: Cosa c'è da sapere sul data mining e sul pensiero analitico dei dati O'Reilly Media. 2013. ISBN: 9781449374266 4.- Joe Reis e Matt Housley Fondamenti di ingegneria dei dati: Progettare e sviluppare sistemi di dati robusti Marcombo. 2023. ISBN: 8426736882 5.- Kieran Healy Visualizzazione dei dati: un'introduzione pratica Princeton University Press. 2018. ISBN: 0691181624 6.- Martin Kleppmann Progettazione di applicazioni ad alta intensità di dati: le grandi idee alla base di sistemi affidabili, scalabili e gestibili O'Reilly Media. 2017. ISBN: 1449373321 7.- Tom White Hadoop: la guida definitiva: archiviazione e analisi su scala Internet O'Reilly Media. 2015. ISBN: 1491901632 8.- Wes McKinney Python per l'analisi dei dati: elaborazione dei dati con Pandas, Numpy e Jupyter O'Reilly Media. 2022. ISBN: 109810403X |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442305 | Pianificazione e gestione dei progetti di ingegneria matematica / Planning and Management of Mathematical Engineering Projects | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Pianificazione e gestione dei progetti di ingegneria matematica / Planning and Management of Mathematical Engineering ProjectsCódigo: C0442305 Imprimir Corso 4. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Il corso ha l'obiettivo di fornire allo studente le basi, i metodi e gli strumenti necessari per la pianificazione e la gestione integrale di progetti di Ingegneria Matematica, affrontandone le diverse fasi e dimensioni, tra cui l'ambito di applicazione, la pianificazione temporale, i costi, le risorse, la qualità, la comunicazione e la gestione dei rischi. Si intende inoltre sviluppare la capacità di valutare la fattibilità economica dei progetti e di applicare criteri di qualità, normative e gestione efficiente delle risorse./Il corso mira a fornire agli studenti le basi, i metodi e gli strumenti necessari per la pianificazione e la gestione integrale dei progetti di Ingegneria Matematica, affrontandone le diverse fasi e dimensioni, tra cui l’ambito di applicazione, la pianificazione temporale, i costi, le risorse, la qualità, la comunicazione e la gestione dei rischi. Mira inoltre a sviluppare la capacità degli studenti di valutare la fattibilità economica dei progetti e di applicare criteri di qualità, conformità normativa e gestione efficiente delle risorse. Si intende preparare lo studente a svolgere le funzioni proprie della direzione di progetto, sviluppando competenze di leadership, processo decisionale, gestione dei team e risoluzione dei conflitti in contesti multidisciplinari e interculturali. Si mira inoltre a sviluppare la capacità di applicare metodologie e strumenti di gestione a progetti di carattere tecnologico e di R&S&I, integrando strategie di innovazione e risoluzione dei problemi nella loro pianificazione ed esecuzione./Il corso è finalizzato a fornire agli studenti le competenze necessarie per svolgere le funzioni di gestione dei progetti, sviluppando competenze in materia di leadership, processo decisionale, gestione dei team e risoluzione dei conflitti in contesti multidisciplinari e interculturali. Inoltre, gli studenti svilupperanno la capacità di applicare metodologie e strumenti di gestione dei progetti a progetti tecnologici e di ricerca, sviluppo e innovazione, integrando strategie di innovazione e approcci di risoluzione dei problemi nella loro pianificazione ed esecuzione. Prerequisiti Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è consigliabile aver frequentato il corso «Modelli di gestione e produzione»./Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è consigliabile che gli studenti abbiano precedentemente completato il corso «Modelli di gestione e produzione». Competenze Non applicabile./Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati./ Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati. TIPO: Competenze./ TIPO: Competenze. RC3 - Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato/ Applicare programmi software che risolvano problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato. TIPO: Competenze./TYPE: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica/ Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica. TIPO: Competenze./TYPE: Competenze. RC5 - Avere un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico./ avere un atteggiamento critico e autocritico per affrontare le sfide dell’attività di ingegnere matematico e possedere la capacità di mostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico. TIPO: Competenze./TYPE: Competences. RC6 - Lavorare in modo autonomo e organizzato allo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, nel rispetto di rigorosi requisiti temporali o economici./ lavorare in modo autonomo e organizzato per lo sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a rigorosi requisiti temporali o economici. TIPO: Competenze./TYPE: Competences. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali./ Sviluppare lavori e progetti legati all’ingegneria matematica con impatto su team interdisciplinari o in contesti multiculturali. TIPO: Competenze./TYPE: Competenze. RC8 - Valutare le ripercussioni e l’impatto sociale delle soluzioni e delle proposte dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto/ Valutare l’impatto sociale e le implicazioni delle soluzioni e delle proposte nell’ambito dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto. TIPO: Competenze./TYPE: Competences. RC9 - Formulare i problemi di un contesto professionale utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione/Formulare i problemi in un contesto professionale utilizzando il linguaggio matematico, in modo da facilitarne l’analisi e la risoluzione. TIPO: Competenze./TYPE: Competences. RK5 - Conoscere diversi modelli di simulazione, la simulazione stocastica, la gestione e la pianificazione dei sistemi logistici; e risolvere, con l’ausilio di software, casi relativi a modelli di gestione e pianificazione della produzione/ Comprendere diversi modelli di simulazione, la simulazione stocastica e la gestione e la pianificazione dei sistemi logistici; e risolvere, con l’ausilio di software, casi relativi a modelli di gestione e pianificazione della produzione. TIPO: Conoscenze o contenuti./TYPE: Knowledge or Content. RS3 - Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti./ Proporre, analizzare, convalidare e interpretare i modelli e gli strumenti matematici più adeguati in situazioni reali, in base agli obiettivi perseguiti. TIPO: Competenze o abilità./TYPE: Skills. RS4 - Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse./ Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Abilità o competenze./ TIPO: Abilità o competenze. Descrizione dei contenuti - Contesto della gestione dei progetti. - Processi della gestione dei progetti. - Pianificazione e gestione dell’integrazione del progetto. - Pianificazione e gestione dell’ambito del progetto. - Contesto della gestione dei progetti: Introduzione alla gestione dei progetti, alla sua importanza e al suo impatto sull'ingegneria. - Processi della gestione dei progetti: fasi e metodologie di gestione, dall’avvio alla chiusura del progetto. - Pianificazione e gestione dell’integrazione del progetto: coordinamento dei diversi elementi e processi per garantire la coerenza del progetto. - Pianificazione e gestione dell’ambito del progetto: definizione, delimitazione e controllo degli obiettivi e dei risultati attesi del progetto. - Pianificazione e gestione delle scadenze: strategie e strumenti per la programmazione e il controllo del calendario del progetto. - Pianificazione e gestione dei costi: stima, preventivazione e controllo dei costi del progetto. - Pianificazione e gestione della qualità: applicazione di standard e metodologie per garantire la qualità del progetto e dei suoi risultati. - Gestione delle comunicazioni: strategie e strumenti per garantire una comunicazione efficiente tra gli attori del progetto. - Pianificazione e gestione delle risorse umane: assegnazione, sviluppo e gestione del team di lavoro del progetto. - Leadership, gestione dei conflitti e direzione del personale: competenze relative al processo decisionale, alla motivazione e alla risoluzione dei conflitti all’interno dei team di lavoro. - Pianificazione e gestione delle comunicazioni: progettazione e applicazione di strategie per una trasmissione efficace delle informazioni all’interno del progetto. - Fattibilità e gestione dei rischi: analisi della fattibilità del progetto e applicazione di strategie per mitigare i rischi. - Gestione degli approvvigionamenti del progetto: gestione dell’acquisto di beni e servizi necessari al progetto. - Presentazione dei risultati: tecniche e strumenti per la documentazione e l’esposizione dei progressi e dei risultati del progetto. - Progetti di R&S&I: gestione di progetti di ricerca, sviluppo e innovazione in contesti tecnologici e scientifici. - Contabilità applicata ai progetti: principi contabili e finanziari applicati alla gestione economica dei progetti. ------------------------- - Contesto della gestione dei progetti. - Processi di gestione dei progetti. - Pianificazione e gestione dell'integrazione del progetto. - Pianificazione e gestione dell'ambito del progetto. - Contesto della gestione dei progetti: Introduzione alla gestione dei progetti, alla sua importanza e al suo impatto sull'ingegneria. - Processi di gestione del progetto: fasi e metodologie di gestione del progetto, dall’avvio alla chiusura. - Pianificazione e gestione dell’integrazione del progetto: coordinamento delle diverse componenti e dei processi del progetto per garantirne la coerenza. - Pianificazione e gestione dell’ambito del progetto: definizione, delimitazione e controllo degli obiettivi e dei risultati attesi del progetto. - Pianificazione e gestione della tempistica: strategie e strumenti per la pianificazione e il controllo della tempistica del progetto. - Pianificazione e gestione dei costi: stima, definizione del budget e controllo dei costi del progetto. - Pianificazione e gestione della qualità: applicazione di standard e metodologie per garantire la qualità del progetto e dei suoi risultati. - Gestione delle comunicazioni: strategie e strumenti per garantire una comunicazione efficace tra le parti interessate al progetto. - Pianificazione e gestione delle risorse umane: assegnazione, sviluppo e gestione del team di progetto. - Leadership, gestione dei conflitti e gestione del personale: competenze relative al processo decisionale, alla motivazione e alla risoluzione dei conflitti all’interno dei team di lavoro. - Pianificazione e gestione della comunicazione: progettazione e attuazione di strategie per una comunicazione efficace delle informazioni relative al progetto. - Gestione della fattibilità e dei rischi: analisi della fattibilità del progetto e applicazione di strategie di mitigazione dei rischi. - Gestione degli appalti di progetto: gestione dell’acquisizione di beni e servizi necessari per il progetto. - Presentazione dei risultati: tecniche e strumenti per documentare e presentare lo stato di avanzamento e i risultati del progetto. - Progetti di ricerca, sviluppo e innovazione: gestione di progetti di ricerca, sviluppo e innovazione in contesti tecnologici e scientifici. - Contabilità di progetto: principi contabili e finanziari applicati alla gestione finanziaria dei progetti. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Lezioni interattive. AP3.1. Sviluppo di progetti e risoluzione di sfide./ Project development and challenge-based problem solving. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio./Tutorial. AP6. Verifiche delle conoscenze./Verifiche delle conoscenze. Sistema e criteri di valutazione SESSIONE ORDINARIA • Lavoro + Presentazione 30% (≥5) È vietato l’uso dell’intelligenza artificiale generativa di testo. • Prova di valutazione continua 1 – 20% • Prova di valutazione continua 2 (Esame finale) – 50% (≥5) SESSIONE STRAORDINARIA • Compito 20% (≥5) È vietato l'uso dell'IA generativa di testo. • Esame finale – 80% (≥5) ------------------------- PERIODO DI ESAME ORDINARIO • Compito + Presentazione – 30% (≥5) È vietato l'uso dell'IA generativa per la generazione di testo. • Test di valutazione continua 1 – 20% • Test di valutazione continua 2 (Esame finale) – 50% (≥5) PERIODO DI ESAME STRAORDINARIO • Compito – 20% (≥5) È vietato l'uso dell'IA generativa per la generazione di testi. • Esame finale – 80% (≥5) Calendario Clicca su questo link per visualizzare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- José Juan Déniz Mayor Fondamenti di contabilità finanziaria: teoria e pratica Delta Publicaciones. 2007. ISBN: 978-84-96477- 2.- Project Management Institute (PMI) Guida al Project Management Body of Knowledge (PMBOK® Guide) – Settima edizione e Lo standard per la gestione dei progetti Project Management Institute. 2021. ISBN: 978-1-62825-6 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442306 | Tesi di laurea | OB | 12 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tesi di laureaCódigo: C0442306 Imprimir Corso 4. Materia del secondo quadrimestre. Obbligatorio. 12 crediti. Profesores
Obiettivi L'obiettivo della Tesi di Laurea (TFG) in un corso di laurea universitario è dimostrare la capacità dello studente di applicare in modo integrato le conoscenze acquisite durante il percorso di studi alla risoluzione di un problema, di un caso o di un progetto specifico nell'ambito del proprio campo di studi. Attraverso la Tesi di Laurea, si mira a far sviluppare allo studente competenze chiave quali la ricerca, l’analisi critica, la metodologia scientifica e la comunicazione dei risultati, contribuendo in modo molto positivo alla sua formazione professionale. Inoltre, il lavoro deve dimostrare rigore accademico e originalità, sia attraverso un approccio teorico, sperimentale o applicato. Requisiti preliminari Per iscriversi alla tesi di laurea (TFG), lo studente dovrà essere in grado di completare, nell’anno accademico in questione, la totalità dei crediti necessari per il conseguimento del titolo ufficiale. Sarà necessaria un’autorizzazione speciale del Rettore qualora il numero totale di crediti a cui lo studente intenda iscriversi ai fini del comma precedente superi il centotrenta per cento del carico didattico previsto per l’ultimo anno nel corrispondente piano di studi. Competenze Non applicabile. Risultati di apprendimento RTFG - Realizzare individualmente, presentare e difendere un progetto nell’ambito dell’Ingegneria Matematica in cui siano sintetizzati e integrati i risultati di apprendimento acquisiti nel corso di laurea, per poi difenderlo pubblicamente davanti a una commissione universitaria. TIPO: Competenze RODS - Sviluppare una comunicazione efficace, il lavoro di squadra, il pensiero analitico, la creatività e la leadership etica da una prospettiva trasversale e con chiara ispirazione ai principi e ai valori democratici, nonché agli Obiettivi di Sviluppo Sostenibile per operare con integrità nell’ambito professionale. TIPO: Competenze Descrizione dei contenuti Lavoro originale svolto individualmente, consistente in un progetto integrale nell’ambito dell’Ingegneria Matematica di natura professionale in cui si sintetizzino le competenze acquisite durante il percorso formativo. Attività formative P4. Elaborazione di progetti e risoluzione di sfide. P6. Tutoraggio. AP7. Elaborazione della tesi di laurea. AP8. Discussione pubblica. Sistema e criteri di valutazione La valutazione della tesi di laurea richiede che lo studente abbia preventivamente superato tutte le materie di Formazione di Base, Formazione Obbligatoria e Opzionali (in quest’ultimo caso, scelte dallo studente) corrispondenti al piano di studi del corso di laurea. Inoltre, richiede anche l’approvazione motivata del relatore della tesi o, in sua assenza, del responsabile didattico del corso di laurea. I sistemi e i criteri di valutazione sono i seguenti: SE6: Presentazione e discussione della tesi di laurea - 80% del voto finale. SE7: Valutazione della relazione scritta redatta dallo studente per la tesi di laurea - 20% del voto finale. La «presentazione e discussione» a cui fa riferimento il sistema di valutazione SE6 è di carattere pubblico, ovvero si svolge davanti a una commissione d’esame. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442603 | Fisica quantistica II | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fisica quantistica IICódigo: C0442603 Imprimir Corso 4. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi L'obiettivo di questo corso è fornire agli studenti contenuti avanzati di fisica quantistica Prerequisiti Nessuno Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK2 Comprendere fenomeni di natura fisicamente diversa e le loro analogie sottostanti, al fine di applicare soluzioni già note a nuovi problemi RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RK5 Comprendere la portata e i limiti della fisica classica che hanno portato alla formulazione della relatività speciale e generale, oltre che della meccanica quantistica, per affrontare i nuovi problemi che emergono nella fisica moderna. RK6 Conoscere i principi della matematica e della statistica che sono alla base degli studi di fisica nei sistemi classici e quantistici RK7 Comprendere le leggi e i principi della fisica, identificandone la struttura logica e matematica, il fondamento sperimentale e i fenomeni da essi descritti RK8 Comprendere i concetti fondamentali della fisica quantistica nella modellizzazione dei fenomeni su scala atomica e subatomica RS1 Applicare le conoscenze, i concetti e i metodi più importanti dei diversi rami della Fisica. Risultati di apprendimento RA5 Conoscere gli elementi di base della teoria generale del momento angolare e, in particolare, del momento angolare orbitale e dello spin, per lo studio delle proprietà degli atomi semplici. RA6 Applica la teoria delle collisioni nella meccanica quantistica a semplici modelli di diffusione. RA7 Ha familiarità con l’uso di metodi approssimativi come strumento semplice per ricavare le caratteristiche fondamentali di sistemi altamente complessi che non possono essere risolti in modo esatto Descrizione dei contenuti Argomento 1: Formalismo, postulati ed evoluzione temporale: spazi di Hilbert, notazione di Dirac, osservabili, basi continue, misura degli osservabili, principio di indeterminazione, evoluzione temporale, sistema a due stati, oscillatore armonico quantistico, matrice di densità. Argomento 2: Teoria delle perturbazioni: non degenere e degenere Argomento 3: Teoria del momento angolare: momento angolare orbitale, teoria algebrica, momento angolare intrinseco, somma dei momenti angolari Argomento 4: Introduzione alla teoria quantistica della diffusione. Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 48 4 100 AP2.- Seminari o lezioni di applicazione pratica 30 2,5 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 72 3 50 AP4.- Lavoro autonomo 120 0 0 AP5.- Tutoraggio 24 0,6 30 AP6.- Verifiche di conoscenza 6 0,5 100 TOTALE 300 10,6 Sistema e criteri di valutazione Il processo di valutazione consisterà nella verifica e nella valutazione dell’acquisizione delle competenze da parte dello studente. SISTEMI DI VALUTAZIONE I sistemi di valutazione relativi a questo corso sono: - SE1: Attività pratiche (risoluzione di casi, problemi e sfide, realizzazione di progetti, presentazioni orali, dibattiti, ecc.). - SE2: Prove finali di verifica delle conoscenze. - SE4: Portfolio. CRITERI DI VALUTAZIONE I sistemi di valutazione sopra descritti si concretizzano nei seguenti criteri di valutazione. Sono previste due sessioni d’esame ufficiali: ordinaria e straordinaria. +++SESSIONE ORDINARIA+++ Il voto finale di questa sessione è la media ponderata di una serie di prove di valutazione descritte di seguito: - Attività pratiche (SE1) 40% del voto finale: Esame parziale fissato in anticipo (20 %) + Esercizi da consegnare proposti dal docente (10 %) + Consegna quotidiana di domande e problemi non risolti in classe dal docente (10 % †). †Questo sistema di valutazione sarà ponderato in base alla frequenza complessiva al corso: se alla fine dell’anno accademico la frequenza dello studente alle ore di lezione in programma (SESSIONE, LAB) è pari o superiore al 60%, il voto relativo a questo sistema sarà quello ottenuto dopo la correzione da parte del docente. Se la frequenza dello studente all’insieme delle ore previste dal corso (SESSIONE e LAVORO) è inferiore al 60%, il voto relativo a questo sistema, ottenuto dopo la correzione da parte del docente, sarà ridotto in base al livello di frequenza raggiunto, in base a un parametro di frequenza definito dal docente. - Prove finali di verifica delle conoscenze (SE2) 60% del voto finale: esame finale della sessione ordinaria in cui vengono valutati tutti i contenuti del corso. Affinché venga presa in considerazione la valutazione continua (composta dalle Attività pratiche (SE1) e dal portfolio (SE4)), gli studenti dovranno ottenere un voto pari o superiore a 4,0/10 nell’esame finale della sessione ordinaria. In caso contrario, il voto finale corrisponderà direttamente a quello ottenuto in tale esame. Il corso si considera superato nella sessione ordinaria se il voto ottenuto secondo le indicazioni precedenti è pari o superiore a 5,0. +++SESSIONE STRAORDINARIA+++ Nel caso in cui non si sia superato il corso nella sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo d’esami di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). - Il 100% del voto finale della materia nella sessione straordinaria corrisponde all’esame finale di tale sessione, in cui vengono valutati tutti i contenuti della materia. La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0. VOTI L’articolo 5 del Regio Decreto 1125/2003, del 5 settembre, stabilisce il sistema di valutazione applicabile alle materie dei corsi di laurea che rientrano nell’ambito dello Spazio europeo dell’istruzione superiore. Tale sistema è il seguente: L’ottenimento dei crediti corrispondenti comporta il superamento degli esami o delle prove di valutazione associati. Il livello di apprendimento raggiunto dagli studenti sarà espresso con voti numerici su una scala da 0 a 10, con un decimale, a cui potrà essere aggiunta la corrispondente valutazione qualitativa: - 0-4,9: Insufficiente (SS). - 5,0-6,9: Superato (AP). - 7,0-8,9: Buono (NT). - 9,0-10: Eccellente (SB). La menzione «Matrícula de Honor» sarà attribuita agli studenti che abbiano ottenuto un voto pari o superiore a 9,0. Il loro numero non potrà superare il cinque per cento degli studenti iscritti alla materia nel corrispondente anno accademico, salvo nel caso in cui il numero di studenti iscritti sia inferiore a 20, nel qual caso potrà essere concessa una sola «Matrícula de Honor». Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 36 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
MATERIE OPZIONALI
| Codice | Soggetti | Carattere* | ECTS |
|---|---|---|---|
| N/A | Corso facoltativo | OP | 12 |
| TOTALE: | 12 | ||
Quinta classe
PRIMO QUART'ANNO
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0342600 | Elettronica | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ElettronicaCódigo: C0342600 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Questo corso getterà le basi dell'elettronica e dei circuiti elettronici, fornendo allo studente le conoscenze necessarie per l'analisi dei circuiti elettronici e la comprensione dei loro usi e applicazioni. Inoltre, introdurrà lo studente alla progettazione elettronica e alle sue applicazioni nella vita quotidiana. Verranno studiati i principali componenti elettronici, partendo dai circuiti RLC, sia in corrente continua che in corrente alternata, per poi passare agli amplificatori operazionali e ai diodi, fino ad arrivare ai transistor BJK e ai MOSFET. Verrà data particolare attenzione alle applicazioni di questi circuiti, come ad esempio la descrizione dei circuiti delle fonti di alimentazione o delle principali porte logiche. Prerequisiti Nessuno Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RC4 Comprendere i processi di produzione, i fondamenti fisici e le applicazioni dei vari tipi di materiali. Risultati di apprendimento RA1 Analizza i circuiti in corrente continua e in corrente alternata. RA2 Conosce i dispositivi fondamentali, i diodi e i transistor bipolari e ad effetto di campo, e la loro descrizione mediante semplici modelli funzionali. RA3 Comprende le principali applicazioni del transistor nei circuiti di amplificazione: circuiti amplificatori di base e amplificatore operazionale. RA4 Progetta circuiti con amplificatori operazionali. RA5 Conosce e utilizza software di simulazione elettronica. RA6 Comprende le applicazioni del transistor nell’elettronica digitale. Descrizione dei contenuti - Legge di Ohm e leggi di Kirchhoff, analisi dei circuiti in corrente continua. - Analisi dei circuiti RLC. Circuiti a corrente variabile. Fenomeni transitori, analisi dei circuiti in corrente alternata. Fenomeni stazionari. - Analisi delle reti. Teoremi di Thevenin e Norton - Polarizzazione. Modello equivalente a piccolo segnale. Amplificatori a uno stadio. Risposta in frequenza. Collegamento in cascata di stadi amplificatori. - Amplificatore operazionale e applicazioni. Amplificatore operazionale ideale. - Amplificatori. Circuiti equivalenti degli amplificatori. Retroazione. Analisi nel dominio della frequenza. Stadi di amplificazione. - Introduzione alla teoria dei semiconduttori. Giunzione p-n. Diodo, transistor bipolare (BJT) e MOSFET. Equazioni caratteristiche. Funzione amplificatrice del BJT e del MOSFET. Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 24 4 100 AP2.- Seminari o lezioni di applicazione pratica 15 2,5 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 36 3 50 AP4.- Lavoro autonomo 60 0 0 AP5.- Tutoraggio 12 0,6 30 AP6.- Verifiche di conoscenza 3 0,5 100 TOTALE 150 10,6 Sistema e criteri di valutazione Sessione ordinaria Il voto finale di questa sessione è la media ponderata di una serie di prove di valutazione descritte di seguito: Valutazione continua (40%): SE3-Portafogli 10% SE1-Casi di studio/risoluzione di problemi: 30% Valutazione finale (60%): SE2-Prove finali di conoscenza 60% (Voto minimo 4/10 affinché la valutazione continua abbia peso. In caso contrario, il voto corrisponderà direttamente a quello ottenuto in tale esame.) Il corso si considera superato nella sessione ordinaria se il voto finale, tenuto conto di quanto sopra, è pari o superiore a 5,0/10. Sessione straordinaria Nel caso in cui non si sia superato il corso nella sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo d’esami di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). Il 100% del voto finale della materia nella sessione straordinaria corrisponde all’esame finale di tale sessione, in cui vengono valutati tutti i contenuti della materia. La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0/10. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Charles, K., & Alexander, S. Fondamenti di circuiti elettrici McGraw-Hill Interamerican. 2013. ISBN: 978-607-15-09 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342604 | Ottica/Optics | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ottica/OpticsCódigo: C0342604 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi - Comprendere come il carattere corpuscolare e ondulatorio della luce si sia evoluto con il progresso della ricerca scientifica nel campo della fisica. - Riconoscere i diversi processi ottici che si verificano quando la luce si propaga attraverso un mezzo. - Conoscere il principio di Fermat e le sue implicazioni fisiche. - Comprendere i principi e le leggi dell’ottica geometrica. - Determinare la posizione e le caratteristiche delle immagini formate dai sistemi ottici. - Conoscere il funzionamento degli strumenti ottici (microscopio e telescopio). - Identificare i possibili stati di polarizzazione della luce e le modalità con cui la luce può essere polarizzata. - Applicare la legge di Malus. - Comprendere le equazioni di Fresnel e come applicarle. - Calcolare la portata del flusso di energia utilizzando il vettore di Poynting e la sua media temporale. - Comprendere il fenomeno dell’interferenza e il calcolo delle intensità. - Conoscere il funzionamento dell’interferometro di Michelson e dell’interferometro di Fabry-Pérot. - Comprendere il significato fisico della coerenza e la distinzione tra coerenza fisica e temporale. - Descrivere la diffrazione attraverso una singola fenditura. - Distinguere tra approssimazioni di Fraunhofer e di Fresnel nella teoria della diffrazione. - Descrivere il funzionamento dei reticoli di diffrazione. - Comprendere i meccanismi di interazione tra radiazione e materia: assorbimento, emissione spontanea ed emissione stimolata. - Analizzare le principali caratteristiche della radiazione laser, il funzionamento di un laser e alcune tipologie di laser. - Comprendere come la natura corpuscolare e ondulatoria della luce si sia evoluta con il progresso della ricerca scientifica in fisica. - Riconoscere i diversi processi ottici che si verificano quando la luce si propaga attraverso un mezzo. - Conoscere il principio di Fermat e le sue implicazioni fisiche. - Comprendere i principi e le leggi dell’ottica geometrica. -Determinare la posizione e le caratteristiche delle immagini formate dai sistemi ottici. -Conoscere il funzionamento degli strumenti ottici (microscopio e telescopio). -Identificare i possibili stati di polarizzazione della luce e come è possibile polarizzarla. -Utilizzare la legge di Malus. -Comprendere le equazioni di Fresnel e come applicarle. -Calcolare il flusso di energia mediante il vettore di Poynting e la sua media temporale. -Comprendere il fenomeno dell’interferenza e il calcolo delle intensità. -Conoscere il funzionamento dell’interferometro di Michelson e dell’interferometro di Fabry-Pérot. -Conoscere il significato fisico della coerenza e la distinzione tra coerenza spaziale e temporale. -Descrivere la diffrazione attraverso una singola fenditura. -Distinguere tra le approssimazioni di Fraunhofer e di Fresnel nella teoria della diffrazione. -Descrivere il funzionamento dei reticoli di diffrazione. -Comprendere i meccanismi di interazione radiazione-materia: assorbimento, emissione spontanea ed emissione stimolata. -Analizzare le principali caratteristiche della radiazione laser, il funzionamento di un laser e alcuni tipi di laser. Prerequisiti Nessuno Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica. RK2 Comprendere i fenomeni di natura fisicamente diversa e le loro analogie sottostanti per l’utilizzo di soluzioni già note a nuovi problemi/ Understand the phenomena of physically different nature and their underlying analogies for the use of already known solutions to new problems. RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per effettuare approssimazioni che consentano di costruire un modello semplificato/ Analizzare i concetti e i principi fondamentali dei sistemi fisici per effettuare approssimazioni che consentano di costruire un modello semplificato. RK4 Comprendere i principi fisici più rilevanti per la loro applicazione pratica ai settori più importanti dell’ottica. / Comprendere i principi fisici più rilevanti per la loro applicazione pratica ai settori più importanti dell’ottica. RK7 Comprendere le leggi e i principi della Fisica, identificandone la struttura logica e matematica, il fondamento sperimentale e i fenomeni da essi descritti. / Comprendere le leggi e i principi della Fisica, identificandone la struttura logica e matematica, il fondamento sperimentale e i fenomeni da essi descritti. RS1 Applicare le conoscenze, i concetti e i metodi più importanti dei diversi rami della Fisica. / Apply the most important knowledge, concepts and methods of the different branches of Physics. RS4 Applicare i metodi matematici e numerici nella modellizzazione e nella risoluzione esplicita di problemi di Fisica e delle discipline affini, selezionando gli strumenti appropriati e interpretando i risultati. / Apply mathematical and numerical methods in the modelling and explicit resolution of problems in Physics and related disciplines, selecting appropriate tools and interpreting results. Risultati di apprendimento RA1 Descrive e analizza i processi ottici nell’ambito di un modello ondulatorio, inclusi i fenomeni di propagazione, polarizzazione, interferenza e diffrazione, applicandoli alla risoluzione di problemi. RA2 Comprende il concetto di coerenza. RA3 Conosce i fondamenti dei diversi tipi di interferometri e dei reticoli di diffrazione e sa applicare tali conoscenze alla risoluzione di problemi RA4 Descrive e analizza i principi dell’ottica geometrica e la loro applicazione allo studio dei sistemi ottici. RA5 Spiega e analizza i fondamenti dell’ottica moderna e comprende i principi su cui si basano i dispositivi laser e le tecniche impiegate nella generazione di impulsi luminosi. Descrizione dei contenuti - Proprietà della luce. - Ottica geometrica. - Strumenti ottici. - Ottica ondulatoria: riflessione, rifrazione, polarizzazione. - Interferenza (introduzione alla teoria della coerenza, sovrapposizione dei campi, interferometri). - Teoria scalare della diffrazione (approssimazioni di Fraunhofer e Fresnel). Potere risolutivo degli strumenti. Reti di diffrazione. Introduzione al filtraggio della frequenza spaziale. - Emissione e assorbimento della radiazione. - Introduzione all’ottica moderna. Amplificazione della radiazione stimolata: il laser. - Proprietà della luce. - Ottica geometrica. - Strumenti ottici. - Ottica ondulatoria: riflessione, rifrazione, polarizzazione. - Interferenza (introduzione alla teoria della coerenza, sovrapposizione dei campi, interferometri). -Teoria scalare della diffrazione (approssimazioni di Fraunhofer e Fresnel). Potere risolutivo degli strumenti. Reti di diffrazione. Introduzione al filtraggio delle frequenze spaziali. -Emissione e assorbimento della radiazione. -Introduzione all’ottica moderna. Amplificazione della radiazione stimolata: il laser. Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 24 4 100 AP2.- Seminari o lezioni di applicazione pratica 15 2,5 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 36 3 50 AP4.- Lavoro autonomo 60 0 0 AP5.- Tutoraggio 12 0,6 30 AP6.- Prove di verifica 3 0,5 100 Sistema e criteri di valutazione Periodo di esami regolari Sistema di valutazione | Ponderazione % SE1.- Attività pratiche | 25. Esame di metà semestre SE2.- Prove finali di verifica delle conoscenze | 60. Periodo d’esame ordinario SE4.- Portfolio 15. Questo sistema di valutazione prevede la presentazione periodica di domande e problemi non risolti in classe dal docente. Il peso attribuito a questo sistema di valutazione dipenderà dalla frequenza complessiva dello studente al corso: Se, alla fine dell’anno accademico, la frequenza dello studente alle ore di lezione in programma (SESION, TRAB) è pari o superiore al 60%, il voto corrispondente a questo sistema di valutazione sarà quello ottenuto dopo la valutazione del docente. Se la frequenza dello studente rispetto al totale delle ore previste dal corso (SESION e TRAB) è inferiore al 60%, il voto corrispondente a questo sistema di valutazione, ottenuto in seguito alla valutazione del docente, sarà ridotto in base al livello di frequenza raggiunto, secondo un parametro di frequenza definito dal docente. Affinché la valutazione continua (comprendente le Attività pratiche (SE1) e il Portfolio (SE4)) venga presa in considerazione, gli studenti devono ottenere un voto pari o superiore a 5,0/10 nell’esame finale durante il periodo d’esame ordinario. In caso contrario, il loro voto corrisponderà direttamente al voto ottenuto in tale esame. Il corso si considera superato durante il periodo d’esame ordinario se il voto finale è pari o superiore a 5,0/10. Sessione d’esame straordinaria Se lo studente non ha superato il corso durante il periodo d’esame ordinario, può sostenere l’esame straordinario. L’esame straordinario si svolgerà durante il periodo d’esame di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). Il 100% del voto finale del corso durante il periodo d’esame straordinario corrisponde all’esame finale di tale periodo. Il corso si considera superato durante il periodo d’esame straordinario se il voto finale è pari o superiore a 5,0/10. Sessione ordinaria Sistema di valutazione | Ponderazione % SE1.- Attività pratiche | 25. Esame parziale. SE2.- Prove finali di verifica delle conoscenze | 60. Esame finale (sessione ordinaria) SE4.- Portfolio | 15. Questo sistema di valutazione prevede la consegna quotidiana di domande e problemi non risolti in classe dal docente. Questo sistema di valutazione sarà ponderato rispetto alla frequenza complessiva del corso: se alla fine dell’anno accademico la frequenza dello studente alle ore di lezione previste (SESSIONE, LAB) è pari o superiore al 60%, il voto relativo a questo sistema sarà quello ottenuto dopo la correzione da parte del docente. Se la frequenza dello studente all’insieme delle ore previste dal corso (SESSIONE e LAVORO) è inferiore al 60%, il voto relativo a questo sistema, ottenuto dopo la correzione da parte del docente, sarà ridotto in base al livello di frequenza raggiunto, in base a un parametro di frequenza definito dal docente. Affinché venga presa in considerazione la valutazione continua (composta dalle Attività pratiche (SE1) e dal Portfolio (SE4)), gli studenti dovranno ottenere un voto pari o superiore a 5,0/10 nell’esame finale della sessione ordinaria. In caso contrario, il loro voto corrisponderà direttamente a quello ottenuto in tale esame. Il corso si considera superato nella sessione ordinaria se il voto finale è pari o superiore a 5,0/10. Sessione straordinaria Nel caso in cui la materia non sia stata superata nella sessione ordinaria, lo studente potrà presentarsi alla sessione straordinaria. La sessione straordinaria si svolgerà durante il periodo degli esami di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). Il 100% del voto finale della materia nella sessione straordinaria corrisponde all’esame finale di tale sessione. La materia si considera superata nella sessione straordinaria se il voto finale è pari o superiore a 5,0/10. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
Bibliografia di base: 1.- Guenther, Robert D. Modern optics/ 2ª ed.. Oxford University Press, 2015. ISBN: 9780198824329 2.- Hecht, Eugene Ottica 3ª ed.. : Pearson Addison-Wesley. 2000. ISBN: 9788478290253 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342606 | Fisica dello stato solido | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fisica dello stato solidoCódigo: C0342606 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Avvicinare gli studenti alle nozioni fondamentali dello stato solido. Conoscere e comprendere le strutture cristalline, i tipi di legami atomici e le loro conseguenze sulle proprietà dei solidi. Comprendere le proprietà meccaniche, termiche, elettroniche e magnetiche dei solidi Prerequisiti Nessun prerequisito Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK2 Comprendere fenomeni di natura fisicamente diversa e le analogie sottostanti per l’applicazione di soluzioni già note a nuovi problemi RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RK7 Comprendere le leggi e i principi della Fisica, identificandone la struttura logica e matematica, il fondamento sperimentale e i fenomeni da essi descritti RS3 Stimare gli ordini di grandezza per interpretare i fenomeni di laboratorio nel campo della fisica e delle sue discipline, oltre che in chimica. RS5 Utilizzare strumenti elettronici e/o strumenti informatici adeguati nella modellizzazione per la ricerca di soluzioni a problemi fisici. RS7 Applicare i principi della fisica dello stato solido nella progettazione di dispositivi e circuiti. RC4 Comprendere i processi di ottenimento, i fondamenti fisici e le applicazioni dei vari tipi di materiali. Risultati di apprendimento RA1 Analizza i difetti più comuni osservati nei cristalli e la loro relazione con alcune delle loro proprietà fisiche. RA2 Comprende la relazione tra struttura, caratteristiche di legame e proprietà dei solidi, nonché il fenomeno della vibrazione dei reticoli cristallini e i modelli utilizzati per la loro rappresentazione. RA3 Comprende l’insorgenza di fenomeni cooperativi quali il ferromagnetismo o la superconduttività. RA4 Dimostra di aver acquisito competenze nell’uso degli strumenti di misura (Fisica dello stato solido), seguendo i protocolli di misurazione, in particolare quelli relativi alla sicurezza dello sperimentatore. RA5 Documenta in modo coerente il processo di misurazione in laboratorio per quanto riguarda i suoi fondamenti, la strumentazione richiesta e le condizioni in cui è valido, effettuando l’analisi completa secondo il formato IMRD (Fisica dello stato solido). RA6 Applica le conoscenze acquisite alla formulazione e alla risoluzione di problemi tipici della fisica dello stato solido, identificando i principi fisici rilevanti. Descrizione dei contenuti -Argomento 1: Legame chimico (ionico, covalente, metallico, ponte idrogeno e Van der Waals) -Argomento 2: Struttura cristallina (reti di Bravais, frazione di impacchettamento atomico, difetti...) -Argomento 3: Rete reciproca e diagrammi di diffrazione a raggi X e neutroni. -Argomento 4: Vibrazioni reticolari del reticolo. -Argomento 5: Proprietà termiche dei solidi. -Argomento 6: Modello degli elettroni liberi (modello di Drude, elettroni quasi liberi, teorema di Bloch) -Argomento 7: Teoria delle bande e tight binding. -Argomento 8: Introduzione alle proprietà elettroniche e al trasporto (isolanti, conduttori e semiconduttori) -Argomento 9: Fenomeni cooperativi (magnetismo e superconduttività). Attività formative AP1.- Lezioni frontali partecipative AP2.- Seminari o lezioni di applicazione pratica AP4.- Lavoro autonomo AP5.- Tutoraggio AP6.- Verifiche delle conoscenze AP10.- Attività in workshop e/o laboratori Sistema e criteri di valutazione A. Valutazione continua e sessione d’esame ordinaria: Il 30% della valutazione continua sarà costituito da due attività di risoluzione di problemi svolte in classe, ciascuna delle quali varrà il 15%. Il restante 10% della valutazione continua sarà costituito dal portfolio, che comprenderà 3 consegne da effettuare nel corso dell’anno accademico La sessione ordinaria non fa parte della valutazione continua e avrà un peso del 60%. Il voto minimo per calcolare la media con la valutazione continua sarà 4. B. Sessione straordinaria: È possibile superare il corso nella sessione straordinaria tramite una prova di valutazione globale relativa all’intero programma del corso, che rappresenterà il 100% del voto finale. Per superare il corso in questa modalità è richiesto un punteggio pari o superiore a 5. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342607 | Fisica statistica/Statistical physics | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fisica statistica/Statistical physicsCódigo: C0342607 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Gli obiettivi del corso sono quelli di familiarizzare lo studente con la metodologia e i contenuti fondamentali della fisica statistica (sistemi collettivi, statistica classica e quantistica). Prerequisiti Nessun prerequisito Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK2 Comprendere fenomeni di natura fisicamente diversa e le loro analogie sottostanti per l’applicazione di soluzioni già note a nuovi problemi RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato Risultati di apprendimento RA1 Conosce le diverse collettività statistiche e ne comprende le connessioni con l’entropia e i potenziali termodinamici. RA2 Identifica le diverse statistiche (di Maxwell-Boltzmann, di Bose-Einstein e di Fermi-Dirac) e ne conosce i limiti. RA3 Conosce e descrive i postulati fondamentali della fisica statistica. RA4 Applica le conoscenze acquisite alla formulazione e alla risoluzione di problemi tipici della fisica statistica, identificando i principi fisici rilevanti. Descrizione dei contenuti • Unità 0: Motivazione e fondamenti della termodinamica. • Unità 1: Postulati fondamentali della fisica statistica. • Unità 2: Sistemi di fermioni e bosoni. Attività formative AP1.- Lezioni frontali partecipative AP2.- Seminari o lezioni di applicazione pratica AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) AP4.- Lavoro autonomo AP5.- Tutoraggio AP6.- Verifiche delle conoscenze Sistema e criteri di valutazione Valutazione continua Componente di valutazione Ponderazione min–max (%) SE1.- Attività pratiche. 40 Esame di metà semestre (20%). Consegna delle domande e delle serie di problemi non risolti in classe (20%). SE2.- Test di verifica delle conoscenze. 60 Affinché la componente SE1 venga ponderata nel voto finale, è necessario ottenere un punteggio minimo di 4/10 nell’esame finale; in caso contrario, la SE1 verrà ponderata come 0/10. Valutazione finale straordinaria L’esame finale straordinario inciderà per il 100% sul voto del corso. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442604 | Laboratorio sperimentale III / Experimental Laboratory III | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Laboratorio sperimentale III / Experimental Laboratory IIICódigo: C0442604 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Sviluppare competenze pratiche e analitiche nel campo della fisica quantistica e della struttura della materia attraverso esperimenti di laboratorio, comprese le tecniche di misurazione, l'elaborazione dei dati, l'analisi degli errori, nonché l'interpretazione e la presentazione dei risultati sperimentali. Sviluppare competenze pratiche e analitiche nel campo della fisica quantistica e della struttura della materia attraverso esperimenti di laboratorio, comprese le tecniche di misurazione, l’elaborazione dei dati, l’analisi degli errori, nonché l’interpretazione e la presentazione dei risultati sperimentali. Competenze RK2 Comprendere fenomeni di natura fisicamente diversa e le loro analogie sottostanti per applicare soluzioni già note a nuovi problemi RS2 Eseguire calcoli, valutazioni, studi, relazioni e attività per svolgere un lavoro di qualità nel campo della Fisica. RS3 Stimare gli ordini di grandezza per interpretare i fenomeni di laboratorio nel campo della Fisica e delle sue discipline, oltre che in Chimica. RS5 Utilizzare strumenti elettronici e/o strumenti informatici adeguati nella modellizzazione per la ricerca di soluzioni a problemi fisici. RC1 Svolgere in modo autonomo attività di gestione di progetti relativi alle diverse aree della fisica Risultati di apprendimento RA11 Conosce i principi, le tecniche di analisi, gli strumenti di misura e i fenomeni sperimentali di interesse nei campi della Fisica quantistica e della Struttura della materia. RA12 Dimostra di aver acquisito competenze nell’utilizzo di apparecchiature di strumentazione (Fisica quantistica e Struttura della materia), seguendo i protocolli di misurazione, in particolare quelli relativi alla sicurezza dello sperimentatore RA13 È in grado di valutare i limiti dei metodi di misura dovuti all’interferenza, alla semplicità dei modelli e agli effetti trascurati nel metodo di misura (Fisica quantistica e Struttura della materia). RA14 Rappresenta graficamente i dati, ricava informazioni dalla rappresentazione, analizza i dati, modella e confronta i risultati ottenuti con le leggi fisiche relative alla Fisica quantistica e alla Struttura della materia. RA15 Documenta il processo di misura per quanto riguarda i suoi fondamenti, la strumentazione richiesta e le condizioni in cui è valido, effettuando l’analisi completa secondo il formato IMRD (Fisica quantistica e Struttura della materia). Descrizione dei contenuti Esercitazioni di laboratorio di fisica quantistica e struttura della materia. Elaborazione dei dati, tecniche di analisi e calcolo degli errori. Laboratorio di fisica delle radiazioni - Studio del rilevamento delle radiazioni mediante un contatore Geiger. - Studio del rilevamento delle radiazioni mediante un rivelatore MiniPIX. - Esperimento con i raggi X. Laboratorio di fisica atomica e dello stato solido - Esperimento sull'effetto Hall. -Serie di Balmer per la determinazione della costante di Rydberg. -Effetto Zeeman. Contenuti del corso Esercitazioni di laboratorio di Fisica quantistica e struttura della materia. Elaborazione dei dati, tecniche di analisi e calcolo degli errori. Laboratorio di fisica delle radiazioni -Studio del rilevamento delle radiazioni mediante un contatore Geiger. - Studio della rilevazione delle radiazioni mediante un rivelatore MiniPIX. - Esperimento sui raggi X. Laboratorio di Fisica Atomica e dello Stato Solido -Effetto Hall. -Serie di Balmer per la determinazione della costante di Rydberg. -Effetto Zeeman. Attività formative ATTIVITÀ FORMATIVE IN PRESENZA Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 6 0,33 100 AP2.- Seminari o lezioni di applicazione pratica 6 0,33 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 18 0,5 50 AP4.- Lavoro autonomo 180 0 0 AP5.- Tutoraggio 36 0,6 30 AP6.- Verifiche di conoscenza 6 0,33 100 AP10.- Attività in laboratori e/o aule pratiche 198 11 100 TOTALE 450 13,09 Sistema e criteri di valutazione Periodo di esami regolari Sistema di valutazione | Ponderazione % SE1 – Attività pratiche | 30% Lettera scientifica su un esperimento a scelta. (15%) Presentazione orale dell’attività di gruppo. (15%) SE2 – Esame finale | 40% SE3 – Quaderno di laboratorio | 30% Per quanto riguarda il quaderno di laboratorio, ogni esperimento deve contenere i seguenti elementi: titolo dell’esperimento, data, raccolta dei dati, risposte alle domande riportate nella guida sperimentale, eventuali incidenti. Per consegnare il lavoro (quaderno di laboratorio, relazione scientifica o presentazione orale) relativo a un esperimento, gli studenti devono aver partecipato alla raccolta dei dati per quell’esperimento. In caso di impossibilità a partecipare, devono informare il docente prima dell’inizio della raccolta dei dati (ore 14:30), il quale valuterà la situazione in base alle circostanze individuali. Affinché venga presa in considerazione la valutazione continua (costituita dalle attività pratiche (SE1) e dal quaderno di laboratorio (SE3)), gli studenti devono ottenere un voto pari o superiore a 4,0/10 nell’esame finale del periodo d’esame ordinario SE2. In caso contrario, il loro voto finale corrisponderà direttamente al voto ottenuto in tale esame. Il corso si considera superato nel periodo d’esame ordinario se il voto finale è pari o superiore a 5,0/10. Sessione d’esame straordinaria Se lo studente non ha superato il corso durante il periodo d’esame ordinario, può sostenere l’esame straordinario. L’esame straordinario si svolgerà durante il periodo d’esame di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). Il 100% del voto finale del corso nel periodo d’esame straordinario corrisponde al voto ottenuto nell’esame finale di tale periodo. Il corso si considera superato nel periodo d’esame straordinario se il voto finale è pari o superiore a 5,0/10. Sessione ordinaria Sistema di valutazione | Percentuale SE1 – Attività pratiche | 30% Relazione scientifica su un esperimento a scelta. (15%) Presentazione orale dell’attività di gruppo. (15%) SE2 – Esame finale | 40% SE3 – Quaderno delle esercitazioni di laboratorio | 30% Per quanto riguarda il quaderno, ogni esperimento deve contenere le seguenti sezioni: titolo dell’esperimento, data, raccolta dei dati, risposte alle domande indicate nella guida sperimentale e osservazioni. Per consegnare il lavoro (quaderno di laboratorio, relazione scientifica o presentazione orale) relativo a un esperimento, gli studenti devono aver partecipato alla raccolta dei dati di tale esperimento. Se non possono partecipare, dovranno informare il docente prima dell’inizio della raccolta dei dati (ore 14:30), il quale prenderà una decisione in base alle circostanze particolari di ciascun caso. Affinché venga presa in considerazione la valutazione continua (che comprende le Attività pratiche (SE1) e il Quaderno di laboratorio (SE3)), gli studenti devono ottenere un voto pari o superiore a 4,0/10 nell’esame finale del periodo ordinario di valutazione (SE2). In caso contrario, il voto finale corrisponderà direttamente al voto ottenuto in tale esame. Il corso si considera superato nel periodo ordinario di valutazione se il voto finale è pari o superiore a 5,0/10. Sessione straordinaria Se lo studente non ha superato la materia durante il periodo ordinario di valutazione, potrà presentarsi all’esame straordinario. L’esame straordinario si svolgerà durante il periodo di valutazione di giugno e luglio (per ulteriori informazioni, consultare il Calendario Accademico). Il 100% del voto finale della materia nel periodo di valutazione straordinario corrisponde all’esame finale di tale periodo. La materia si considera superata nel periodo straordinario di valutazione se il voto finale è pari o superiore a 5,0/10. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SECONDO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0442600 | Tesi di laurea | OB | 12 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tesi di laureaCódigo: C0442600 Imprimir Corso 5. Materia del secondo quadrimestre. Obbligatorio. 12 crediti. Profesores
Obiettivi Gli obiettivi della Tesi di Laurea consistono nell'integrare e applicare le conoscenze acquisite durante il corso di laurea in Fisica attraverso lo sviluppo di un lavoro autonomo su un problema specifico, utilizzando metodi teorici, sperimentali o computazionali. Si intende sviluppare la capacità di formulare e risolvere problemi fisici, analizzare e interpretare i risultati e comunicare in modo rigoroso i principali risultati e le conclusioni del lavoro. Prerequisiti La discussione della Tesi di Laurea potrà avvenire solo dopo che lo studente avrà superato tutti i crediti relativi al corso di laurea e avrà soddisfatto i requisiti stabiliti nel regolamento della Tesi di Laurea. Competenze RK2 Comprendere fenomeni di natura fisicamente diversa e le loro analogie sottostanti per l’utilizzo di soluzioni già note a nuovi problemi RK10 Comprendere e analizzare testi nel campo della Fisica con l’obiettivo di acquisire familiarità con la struttura e le pubblicazioni scientifiche, anche in lingua inglese. RS2 Eseguire calcoli, valutazioni, studi, relazioni e compiti per svolgere un lavoro di qualità nel campo della fisica. RC2 Gestire le informazioni relative ai campi di studio della Fisica e ad altre discipline affini ai fini dell’esercizio professionale. RC6 Realizzare un lavoro originale e individuale e discuterlo davanti a una commissione universitaria per dimostrare l’applicazione delle conoscenze acquisite nel corso di laurea in Fisica. RODS Sviluppare capacità di comunicazione efficace, lavoro di squadra, pensiero analitico, creatività e leadership etica da una prospettiva trasversale e con chiara ispirazione ai principi e ai valori democratici, nonché agli Obiettivi di Sviluppo Sostenibile, per operare con integrità nell’ambito professionale. Risultati di apprendimento RA1 Scrivere ed esporre in modo ordinato gli elementi su cui si basa il lavoro svolto, le fasi e i processi seguiti RA2 Descrive e espone in modo ordinato gli obiettivi prefissati e le procedure per raggiungerli. RA3 Trae conclusioni adeguate al lavoro svolto RA4 Indica correttamente la bibliografia utilizzata nella stesura della tesi Descrizione dei contenuti Lavoro originale svolto individualmente, consistente in un progetto completo nell’ambito del corso di laurea proposto, in cui siano sintetizzate le competenze acquisite durante il percorso formativo. Di seguito vengono presentate le principali linee strategiche e tematiche disponibili per lo sviluppo della Tesi di Laurea (TFG). Le proposte hanno carattere orientativo e potranno essere concretizzate con il referente accademico corrispondente, definendo il problema, la metodologia, le tecnologie e la portata finale del progetto. Calcolo quantistico e tecnologie quantistiche Referenti accademici: Jacinto Velasco e José Antonio Prieto Informatica quantistica. Circuiti e algoritmi quantistici. Nuovi materiali quantistici. Tecnologie quantistiche basate su reti atomiche e fotoniche. Effetti Hall quantistici. Superconduttività. Magnetismo e fenomeni quantistici emergenti. Fisica fondamentale, relatività e cosmologia Referenti accademici: Arantxa Tymowska e Joaquín Bermejo Fisica nucleare e delle particelle. Cromodinamica quantistica. Modello standard. Lagrangiani e teorie fondamentali. Relatività generale. Buchi neri e struttura dello spazio-tempo. Onde gravitazionali. Cosmologia moderna. Fenomeni astrofisici avanzati. Fisica matematica e metodi numerici Referente accademico: José Luis Guijarro Regalado Equazioni alle derivate parziali. Analisi tensoriale. Metodi numerici avanzati. Simulazioni computazionali. Modellizzazione matematica applicata alla fisica. Modellizzazione di sistemi complessi. Materia condensata, materiali e nanotecnologia Referente accademico: Joaquín Bermejo Ortiz Fisica dei materiali. Teoria delle bande topologiche. Adsorbimento dell'idrogeno nei grafeni. Dinamica molecolare. Materiali avanzati. Caratterizzazione computazionale dei sistemi molecolari. Astronomia, astrofisica e geofisica Referenti accademici: José Luis Guijarro Regalado e Johnny Eduardo Meyers Astronomia osservativa. Macchie solari. Geofisica. Analisi statistica e stocastica dei terremoti. Simulazione di fenomeni naturali. Applicazioni computazionali nelle scienze della Terra e dello spazio. Meccanica avanzata e sistemi dinamici Referente accademico: José Luis Guijarro Regalado Movimento del solido rigido. Simulazione fisica. Modellizzazione dinamica. Stampa 3D. Sistemi meccanici avanzati applicati all'ingegneria. Sistemi meccanici avanzati applicati alla fisica sperimentale. Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 12 0,5 50 AP5.- Tutoraggio 12 1 100 AP7.- Elaborazione della tesi di laurea 274 0 0 AP8.- Discussione pubblica della tesi di laurea 2 0,17 100 TOTALE 300 1,67 Sistema e criteri di valutazione La tesi di laurea prevede due sessioni d’esame, quella di luglio e quella di settembre, come specificato nel portale del corso. I sistemi di valutazione per il voto della tesi di laurea sono: Sistema di valutazione Ponderazione SE5.- Relazione della tesi di laurea 80 SE6.- Discussione e presentazione della tesi di laurea davanti alla commissione esaminatrice 20 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442602 | Struttura dell'argomento | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Struttura dell'argomentoCódigo: C0442602 Imprimir Corso 5. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi La materia che compone l'universo è costituita da strutture complesse che derivano da poche particelle e principi fondamentali. Questo corso propone un percorso attraverso i diversi livelli di organizzazione della materia — atomi, molecole, nuclei e particelle elementari — con l’obiettivo di comprenderne non solo la costituzione, ma anche le leggi che ne determinano l’organizzazione su diverse scale. Attraverso lo studio degli effetti dei campi esterni, della spettroscopia o delle interazioni fondamentali, esploreremo come la fisica quantistica, nelle sue diverse formulazioni e modelli, consenta di spiegare e prevedere fenomeni così diversi come la formazione delle molecole, la radioattività o le reazioni nucleari. Prerequisiti Nessuno Competenze RK1 Conoscere i fenomeni e le teorie più importanti dei diversi rami della fisica, nonché la loro prospettiva storica RK2 Comprendere fenomeni di natura fisicamente diversa e le loro analogie sottostanti per l’applicazione di soluzioni già note a nuovi problemi RK3 Analizzare i concetti e i principi fondamentali dei sistemi fisici per elaborare approssimazioni che consentano di costruire un modello semplificato RK5 Comprendere la portata e i limiti della fisica classica che hanno portato alla formulazione della relatività speciale e generale, oltre che della meccanica quantistica, per affrontare i nuovi problemi che emergono nella fisica moderna. RK7 Comprendere le leggi e i principi della fisica, identificandone la struttura logica e matematica, il fondamento sperimentale e i fenomeni da essi descritti Risultati di apprendimento RA1 Conosce le diverse interazioni esistenti all’interno di un atomo o di una molecola e comprende il modo in cui tali interazioni contribuiscono alle loro proprietà. Dimostra inoltre di avere familiarità con il relativo trattamento matematico ed è in grado di valutare l’importanza di ciascun contributo. RA2 Comprende i fondamenti dell’interazione della radiazione elettromagnetica con gli atomi e le molecole, nonché delle diverse tecniche di spettroscopia basate su tale interazione. RA3 Comprende, attraverso diversi modelli, la costituzione del nucleo atomico e le sue proprietà fondamentali: energie di legame, dimensioni, forme e modalità di decadimento. RA5 Comprende i fondamenti delle tecniche sperimentali utilizzate nella fisica nucleare e delle particelle e conosce le applicazioni di tali tecniche in altri campi. RA6 Applica le conoscenze acquisite alla formulazione e alla risoluzione di problemi tipici relativi alla struttura della materia, identificando i principi fisici rilevanti. Descrizione dei contenuti - Effetti dei campi elettrici e magnetici sugli atomi - Spettroscopia atomica. - Molecole: approssimazioni; stati elettronici, vibrazionali e rotazionali; forze intermolecolari. - Spettroscopia molecolare. - Proprietà fondamentali dei nuclei atomici - Modelli a strati e collettivi. - Particelle elementari: classificazione; proprietà; interazioni fondamentali e leggi di conservazione - Forze nucleoniche. - Decadimenti alfa, beta e gamma - Reazioni nucleari. Fissione e fusione. Attività formative AP1.- Lezioni frontali partecipative 24 4 100 AP2.- Seminari o lezioni di applicazione pratica 15 2,5 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 36 3 50 AP4.- Lavoro autonomo 60 0 0 AP5.- Tutoraggio 12 0,6 30 AP6.- Verifiche di conoscenza 3 0,5 100 TOTALE 150 10,6 Sistema e criteri di valutazione Il processo di valutazione consisterà nella valutazione del grado di acquisizione delle competenze associate al corso da parte dello studente. SESSIONE ORDINARIA – VALUTAZIONE CONTINUA La valutazione continua consisterà nelle seguenti prove: -- un caso pratico, con un peso del 20% sul voto finale del corso, che gli studenti svolgeranno in piccoli gruppi nel corso del semestre; tale caso pratico comporterà la presentazione di uno o più elaborati, ciascuno dei quali sarà valutato e avrà il proprio peso nella valutazione complessiva del caso. Le date di consegna saranno comunicate con sufficiente anticipo. -- un esame parziale, con un peso del 20% sul voto finale del corso. La data del primo esame, in cui saranno valutati gli argomenti da 1 a 3, sarà comunicata con sufficiente anticipo (si terrà nel mese di novembre). -- un esame finale, con un peso del 60% sul voto finale del corso, in cui saranno valutati tutti i contenuti (argomenti) trattati e che si terrà nella data stabilita dall’università per l’esame della sessione ordinaria (comunicata ufficialmente all’inizio del quadrimestre). ***** La media ponderata di tutte queste prove di valutazione verrà calcolata esclusivamente se nell’esame finale il voto ottenuto è pari o superiore a 4,0 punti su 10. A sua volta, solo gli esami saranno soggetti a revisione. ***** Lo studente avrà superato il corso nella sessione ordinaria se e solo se otterrà un voto finale (media ponderata di tutte le prove di valutazione) pari o superiore a 5,0 su 10. In caso contrario, lo studente potrà superare il corso nella sessione straordinaria. SESSIONE STRAORDINARIA In questa sessione, lo studente sarà esaminato su tutti i contenuti (argomenti) trattati in un esame finale che si terrà nella data stabilita dall’università per l’esame della sessione straordinaria. Il voto, in questa sessione, sarà unico ed esclusivamente quello ottenuto in tale esame; la materia sarà considerata superata se il voto è pari o superiore a 5,0 su 10. Calendario Clicca su questo link per ottenere il calendario dettagliato in formato Excel
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442605 | Introduzione all'informatica e all'informazione quantistica / Introduction to quantum computing and information | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Introduzione all'informatica e all'informazione quantistica / Introduction to quantum computing and informationCódigo: C0442605 Imprimir Corso 5. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Comprendere i fondamenti della meccanica quantistica applicati all'informatica (sovrapposizione, entanglement, misurazione). Padroneggiare la notazione e le operazioni con i qubit, le porte quantistiche e i circuiti logici reversibili. Conoscere e applicare gli algoritmi quantistici fondamentali a problemi di ricerca, fattorizzazione e simulazione. Sviluppare competenze nell’uso delle librerie di programmazione quantistica (Qiskit) per implementare algoritmi e circuiti. Analizzare gli attuali limiti tecnologici e i progressi nell’hardware quantistico. Prerequisiti Nessun prerequisito, sebbene sia consigliabile possedere conoscenze di algebra lineare (vettori, matrici, autovalori), calcolo differenziale e integrale e probabilità di base. È consigliabile possedere nozioni di base di meccanica quantistica ed esperienza nella programmazione in Python (preferibilmente con librerie come Qiskit). Competenze RK9 Conoscere i concetti fondamentali della teoria dell’informazione quantistica e dei computer quantistici, nonché alcuni esempi di algoritmi quantistici e relative modellizzazioni. RS2 Eseguire calcoli, valutazioni, studi, relazioni e attività per svolgere un lavoro di qualità nel campo della Fisica. RC2 Gestire le informazioni relative ai campi di studio della Fisica e ad altre discipline affini per l’esercizio della professione. RCE3 Acquisire conoscenze e competenze informatiche che consentano lo sviluppo di metodi e tecnologie applicabili alle aree di conoscenza coinvolte Risultati di apprendimento RA1 Esegue operazioni di base con i bit quantistici. RA2 Applicare l’entanglement quantistico come strumento tecnologico nei fenomeni scientifici. RA3 Conosce e applica la crittografia quantistica. RA4 Implementa semplici circuiti logici quantistici. RA5 Conoscere e applicare semplici algoritmi quantistici nella modellizzazione di problemi legati alla fisica. Descrizione dei contenuti Argomento 1. Fondamenti di calcolo quantistico e computer quantistici Argomento 2. Spazi di Hilbert Argomento 3. Circuiti e porte quantistiche Argomento 4. Stati di Bell e QFT Argomento 5. Algoritmi quantistici I e II Argomento 6. VQE e QAOA Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 24 4 100 AP2.- Seminari o lezioni di applicazione pratica 15 2,5 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 36 3 50 AP4.- Lavoro autonomo 60 0 0 AP5.- Tutoraggio 12 0,6 30 AP6.- Verifiche di conoscenza 3 0,5 100 TOTALE 150 10,6 Sistema e criteri di valutazione Partecipazione e valutazione continua (50%) Frequenza regolare e partecipazione in classe. Esercizi e attività pratiche di programmazione quantistica. Esame parziale Esame finale (50%) Valutazione scritta e pratica su tutto il programma. Per superare il corso è necessario ottenere un voto minimo di 4 all’esame finale. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442606 | Tirocini accademici esterni | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tirocini accademici esterniCódigo: C0442606 Imprimir Corso 5. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi I tirocini curriculari hanno lo scopo di consentire allo studente di svolgere, presso un'azienda o un'istituzione, un'attività professionale in cui possa applicare e approfondire le conoscenze, le competenze e le abilità acquisite durante il proprio percorso formativo. Competenze RK2 Comprendere fenomeni di natura fisica diversa e le loro analogie sottostanti per l’utilizzo di soluzioni già note a nuovi problemi RS2 Eseguire calcoli, valutazioni, studi, relazioni e compiti per svolgere un lavoro di qualità nel campo della Fisica. RC1 Svolgere in modo autonomo attività di gestione di progetti relativi alle diverse aree della fisica RC2 Gestire le informazioni relative ai campi di studio della Fisica e ad altre discipline affini ai fini dell’esercizio professionale. RODS Sviluppare una comunicazione efficace, il lavoro di squadra, il pensiero analitico, la creatività e la leadership etica da una prospettiva trasversale e con chiara ispirazione ai principi e ai valori democratici, nonché agli Obiettivi di Sviluppo Sostenibile, per operare con integrità nell’ambito professionale. Risultati di apprendimento RA1 Redige relazioni dettagliate sul lavoro svolto, specificando le attività, i tempi e le procedure impiegate. RA2 Collabora all’interno di un gruppo di lavoro professionale, si assume responsabilità, partecipa all’organizzazione del lavoro e si dimostra proattivo di fronte alle contingenze quotidiane. RA3 Applica le conoscenze acquisite in contesti nuovi per elaborare proposte e soluzioni ai problemi, utilizzando il ragionamento critico e la creatività e adeguandosi alle normative e ai requisiti dell’azienda/del cliente. Descrizione dei contenuti I contenuti del tirocinio esterno che lo studente dovrà svolgere si baseranno sull’attività lavorativa presso un centro o un’azienda precedentemente collegata all’Università tramite un accordo in cui siano espressamente indicate le attività di tirocinio esterno presso tale centro. Le attività saranno definite prima dell’inizio del periodo di tirocinio dello studente e potranno riguardare diversi aspetti di natura professionale nell’ambito delle materie che compongono il corso di laurea e di quelle che solitamente svolgono i laureati in Fisica. Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 3 0,25 50 AP4.- Lavoro autonomo 22 0 0 AP5.- Tutoraggio 5 0,83 100 AP9.- Tirocinio esterno 120 20 100 TOTALE 150 21,08 Sistema e criteri di valutazione I sistemi di valutazione per il voto dei tirocini nelle sessioni ordinarie o straordinarie sono: Sistema di valutazione Ponderazione SE.7 Relazione del tutor del tirocinio esterno 45 SE.8 Relazione del tutor accademico del tirocinio esterno 30 SE.9 Relazione sul tirocinio esterno 25 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
MATERIE OPZIONALI
| Codice | Soggetti | Carattere* | ECTS |
|---|---|---|---|
| N/A | Corso facoltativo | OP | 6 |
| TOTALE: | 6 | ||
Elenco delle materie opzionali
SECONDO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0442331 | Analisi matematica finanziaria / Financial Mathematical Analysis | OP | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Analisi matematica finanziaria / Financial Mathematical AnalysisCódigo: C0442331 Imprimir Corso 4. Materia del secondo quadrimestre. Corso opzionale. 6 crediti. Profesores
Obiettivi Il corso ha lo scopo di fornire agli studenti le basi matematiche necessarie per l'analisi dei mercati e dei prodotti finanziari in tempo discreto, affrontando i temi della valutazione delle attività e dei prodotti derivati, del valore temporale del denaro e dei tassi di interesse. Si intende inoltre sviluppare la capacità di formulare e applicare modelli finanziari basati sul principio di non arbitraggio e sui fondamenti della valutazione di attività e prodotti derivati./Il corso mira a fornire agli studenti le basi matematiche necessarie per l’analisi dei mercati e dei prodotti finanziari in tempo discreto, affrontando la valutazione delle attività e dei prodotti derivati, il valore temporale del denaro e i tassi di interesse. Mira inoltre a sviluppare la capacità degli studenti di formulare e applicare modelli finanziari basati sul principio di non arbitraggio e sui principi fondamentali della valutazione delle attività e dei derivati. Si intende fornire agli studenti le competenze necessarie per analizzare e gestire il rischio e il rendimento delle attività finanziarie, nonché per progettare e ottimizzare portafogli di investimento e definire strategie di copertura mediante strumenti matematici. Tutto ciò è orientato all’applicazione di metodi quantitativi a problemi di valutazione, gestione del rischio e ingegneria finanziaria./Il corso è finalizzato a fornire agli studenti le competenze necessarie per analizzare e gestire il rischio e il rendimento delle attività finanziarie, nonché per progettare e ottimizzare portafogli di investimento e sviluppare strategie di copertura utilizzando strumenti matematici. Tutto ciò è orientato all’applicazione di metodi quantitativi a problemi di valutazione, gestione del rischio e ingegneria finanziaria. Prerequisiti Si raccomanda allo studente che intenda iscriversi a questo corso di aver superato i corsi relativi all’algebra lineare e al calcolo differenziale a una e più variabili, al calcolo integrale a una variabile, alla statistica descrittiva e inferenziale sia univariata (requisito minimo) che multivariata. È inoltre opportuno che lo studente abbia familiarità con l’uso di strumenti informatici per la modellizzazione e l’analisi quantitativa (come Python, R, ecc.)./Si consiglia agli studenti che intendono iscriversi a questo corso di aver completato con esito positivo corsi relativi all’algebra lineare; al calcolo differenziale in una o più variabili; al calcolo integrale in una variabile; e alla statistica descrittiva e inferenziale sia univariata (requisito minimo) che multivariata. È inoltre consigliabile che gli studenti abbiano familiarità con l’uso di strumenti informatici per la modellizzazione e l’analisi quantitativa, quali Python, R, ecc. Competenze Non applicabile./Non applicabile. Risultati di apprendimento RKOP 5 Comprendere i modelli di mercato elementari e la classificazione degli asset in base al rischio. TIPO: Conoscenza o Contenuto. RKOP 6 Analizzare il valore temporale del denaro, i tassi di interesse e le dinamiche dei prezzi, padroneggiando concetti quali l’assenza di arbitraggio e il teorema fondamentale della valutazione finanziaria. TIPO: Conoscenza o Contenuto. RSOP 11 Applicare modelli a tempo discreto, come il modello binomiale a un passo, per la valutazione dei derivati finanziari. TIPO: Competenze. RSOP 12 Valutare e costruire portafogli lungo la frontiera efficiente e determinare il prezzo delle opzioni europee e americane, compresa la parità put-call. TIPO: Competenze. RSOP 13 Modellizzazione di tassi di interesse variabili e stocastici nell’ambito degli alberi binomiali. TIPO: Abilità. RCOP 3 Esplorare i contratti a termine e i futures, applicando strumenti per la copertura del rischio e l’ingegneria finanziaria. TIPO: Competenze. Descrizione dei contenuti - Modello elementare di mercato. - Tipi di attività in funzione del rischio. - Modello binomiale a un passo. Opzioni call e put. - Valore temporale del denaro, tassi di interesse. Dinamica dei prezzi, rischio e rendimento atteso. - Modelli a tempo discreto. Principio di non arbitraggio. - Teorema fondamentale della valutazione finanziaria. - Ottimizzazione dei portafogli. Curva di efficienza. - Contratti a termine e futures. - Valutazione delle opzioni europee. Parità put-call. - Opzioni americane. - Copertura dei rischi: applicazioni all'ingegneria finanziaria. - Tassi di interesse variabili e stocastici negli alberi binomiali. ------------------------- - Modello di mercato elementare. - Tipi di attività in base al loro rischio. - Modello binomiale a un passo. Opzioni call e put. - Valore temporale del denaro e tassi di interesse. Dinamiche dei prezzi, rischio e rendimento atteso. - Modelli a tempo discreto. Principio di non arbitraggio. - Teorema fondamentale della valutazione degli asset. - Ottimizzazione del portafoglio. Frontiera efficiente. - Contratti a termine e futures. - Valutazione delle opzioni europee. Parità put-call. - Opzioni americane. - Copertura del rischio: applicazioni all'ingegneria finanziaria. - Tassi di interesse variabili e stocastici negli alberi binomiali. Attività didattiche AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Interactive classes. AP3.1. Sviluppo di progetti e risoluzione di sfide./ Project development and challenge-based problem solving. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica./ Independent study, case and problem solving, and literature search. AP5. Tutoraggio./Tutorial. AP6. Verifiche delle conoscenze./Verifiche delle conoscenze. Sistema e criteri di valutazione SESSIONE ORDINARIA - Casi di studio: 50%. Da svolgere durante il periodo delle lezioni. - Esame finale (esame della sessione ordinaria): 50%. Verterà su tutti i contenuti del corso. Il voto finale del corso nella sessione ordinaria sarà la media ponderata di entrambe le attività di valutazione, a condizione che il voto dell’esame finale sia pari o superiore a 4,0 su 10. In caso contrario, il voto finale corrisponderà a quello ottenuto in tale esame (bocciato). SESSIONE STRAORDINARIA Nella sessione straordinaria, il voto della materia sarà quello ottenuto in un esame finale (esame della sessione straordinaria), che verterà su tutti i contenuti del corso. ------------------------- PERIODO DI ESAME ORDINARIO Casi di studio: 50%. Da completare durante il periodo didattico. Esame finale (sessione ordinaria): 50%. Riguarda tutti i contenuti del corso. Il voto finale del corso nel periodo d’esame ordinario sarà la media ponderata delle due attività di valutazione, a condizione che nell’esame finale venga ottenuto un voto minimo di 4,0/10. Se tale voto minimo non viene raggiunto, il voto finale sarà quello ottenuto nell’esame, con conseguente bocciatura. SESSIONE D'ESAME STRAORDINARIA Nel periodo di esame straordinario, il voto finale del corso sarà il voto ottenuto in un esame finale (esame straordinario), che verte su tutti i contenuti del corso. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442332 | Visualizzazione dei dati / Data Visualization | OP | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Visualizzazione dei dati / Data VisualizationCódigo: C0442332 Imprimir Corso 4. Materia del secondo quadrimestre. Opzionale. 6 crediti. Profesores
Obiettivi Il corso ha lo scopo di fornire agli studenti le basi e le tecniche necessarie per l'analisi e la visualizzazione dei dati, tenendo conto della loro natura, struttura e dimensionalità, e applicando principi di codifica visiva adeguati a rappresentare modelli, relazioni e tendenze. Si intende inoltre sviluppare la capacità di utilizzare tecniche di visualizzazione univariata e multivariata, nonché metodi specifici per la rappresentazione di dati strutturati e non strutturati, inclusi grafi, reti, testo e flussi di dati./Il corso mira a fornire agli studenti i concetti e le tecniche fondamentali necessari per l’analisi e la visualizzazione dei dati, tenendo conto della natura, della struttura e della dimensionalità dei dati e applicando principi di codifica visiva adeguati per rappresentare modelli, relazioni e tendenze. Si mira inoltre a sviluppare la capacità degli studenti di utilizzare tecniche di visualizzazione univariata e multivariata, nonché metodi specifici per la rappresentazione di dati strutturati e non strutturati, inclusi grafi, reti, testo e flussi di dati. Si intende formare lo studente affinché sia in grado di progettare, implementare e valutare visualizzazioni statiche, dinamiche e interattive mediante strumenti specializzati in ambienti desktop e web, selezionando alternative di rappresentazione adeguate alle caratteristiche dei dati e al contesto di applicazione. Si mira inoltre a sviluppare la capacità di pianificare e realizzare progetti di visualizzazione dei dati e di comunicare in modo chiaro ed efficace le informazioni, i modelli e i risultati ottenuti./Il corso mira a fornire agli studenti le competenze necessarie per progettare, implementare e valutare visualizzazioni statiche, dinamiche e interattive utilizzando strumenti specializzati in ambienti desktop e web, selezionando metodi di rappresentazione adeguati alle caratteristiche dei dati e al contesto di applicazione. Inoltre, gli studenti svilupperanno la capacità di pianificare e realizzare progetti di visualizzazione dei dati e di comunicare in modo chiaro ed efficace le informazioni, i modelli e i risultati ottenuti. Prerequisiti Si raccomanda allo studente che intenda iscriversi a questo corso di aver superato i corsi relativi all’algebra lineare e al calcolo differenziale e integrale a una e più variabili, alla statistica descrittiva e inferenziale sia univariata che multivariata, nonché ai fondamenti di programmazione e algoritmica. Infine, lo studente dovrà avere familiarità con la programmazione in Python, comprese le strutture dati (liste, dizionari, array), il controllo di flusso e le funzioni, nonché possedere esperienza con gli ambienti di lavoro correlati (Jupyter Notebooks, GitHub, ecc.)./Si consiglia agli studenti che intendono iscriversi a questo corso di aver completato con successo corsi che trattino l’algebra lineare; il calcolo differenziale e integrale in una o più variabili; la statistica descrittiva e inferenziale, sia univariata che multivariata; nonché i fondamenti della programmazione e degli algoritmi. Infine, gli studenti dovrebbero avere familiarità con la programmazione in Python, comprese le strutture dati (liste, dizionari e array), il controllo di flusso e le funzioni, nonché possedere esperienza con gli ambienti di lavoro pertinenti (Jupyter Notebooks, GitHub, ecc.). Competenze Non applicabile. Risultati di apprendimento RKOP 4 Identificare e classificare diversi tipi di dati e le loro fonti, distinguendo tra variabili categoriali, ordinali e numeriche. TIPO: Conoscenza o Contenuto. RSOP 7 Selezionare e applicare tecniche di visualizzazione appropriate per i dati ordinali e numerici, garantendo chiarezza ed efficacia nella comunicazione delle informazioni. TIPO: Competenze. RSOP 8 Visualizzare dati multivariati utilizzando strumenti quali matrici di grafici a dispersione e facce di Chernoff, interpretando modelli, correlazioni e relazioni tra le variabili. TIPO: Competenze. RSOP 9 Rappresentare dati strutturati attraverso visualizzazioni grafiche e di rete, comprenderne la struttura ed estrarne informazioni significative. TIPO: Competenze. RSOP 10 Utilizzare strumenti di visualizzazione per dati dinamici, interpretando i cambiamenti nel tempo e supportando il processo decisionale in tempo reale o quasi in tempo reale. TIPO: Competenze. RCOP 2 Sviluppare strategie di visualizzazione per dati non strutturati, inclusi testi e dati in streaming, utilizzando metodi di trasformazione e astrazione appropriati. TIPO: Competenze. Descrizione dei contenuti - Tipi di dati e fonti di dati. - Visualizzazione delle informazioni per dati ordinali e numerici. - Visualizzazione di dati multivariati: diagrammi di dispersione, facce di Chernoff. - Visualizzazione di dati strutturati: grafi e rappresentazioni di reti. - Visualizzazione di dati non strutturati: testo, flussi di dati, ecc. - Strumenti di visualizzazione per dati dinamici. ------------------------- - Tipi di dati e fonti di dati. - Visualizzazione delle informazioni per dati ordinali e numerici. - Visualizzazione di dati multivariati: grafici a dispersione e facce di Chernoff. - Visualizzazione di dati strutturati: grafici e rappresentazioni di rete. - Visualizzazione di dati non strutturati: testo, flussi di dati, ecc. - Strumenti di visualizzazione per dati dinamici. Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive. AP3.2 Workshop e laboratori informatici. AP4. Studio autonomo, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio./Tutorial. AP6. Prove di verifica delle conoscenze./Knowledge assessment tests. Sistema e criteri di valutazione SESSIONE ORDINARIA - Casi di studio: 50%. Da svolgere durante il periodo delle lezioni. - Esame finale (esame della sessione ordinaria): 50%. Verterà su tutti i contenuti del corso. Il voto finale del corso nella sessione ordinaria sarà la media ponderata di entrambe le attività di valutazione, a condizione che il voto dell’esame finale sia pari o superiore a 4,0 su 10. In caso contrario, il voto finale corrisponderà a quello ottenuto in tale esame (bocciato). SESSIONE STRAORDINARIA Nella sessione straordinaria, il voto della materia sarà quello ottenuto in un esame finale (esame della sessione straordinaria), che verterà su tutti i contenuti del corso. ------------------------- PERIODO DI ESAME ORDINARIO Casi d’uso: 50%. Da completare durante il periodo didattico. Esame finale (sessione ordinaria): 50%. Riguarda tutti i contenuti del corso. Il voto finale del corso nel periodo d’esame ordinario sarà la media ponderata delle due attività di valutazione, a condizione che nell’esame finale venga ottenuto un voto minimo di 4,0/10. Se tale voto minimo non viene raggiunto, il voto finale sarà quello ottenuto nell’esame, con conseguente bocciatura. SESSIONE D'ESAME STRAORDINARIA Nel periodo di esame straordinario, il voto finale del corso corrisponderà al voto ottenuto nell’esame finale (esame straordinario), che verte su tutti i contenuti del corso. Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442333 | Tirocini esterni | OP | 12 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tirocini esterniCódigo: C0442333 Imprimir Corso 4. Materia del secondo quadrimestre. Opzionale. 12 crediti. Profesores
Obiettivi Gli obiettivi dei tirocini accademici esterni sono: - Applicare le conoscenze e le competenze acquisite nel corso di laurea in Ingegneria Matematica in un contesto professionale. - Sviluppare in modo autonomo, responsabile e organizzato attività e progetti tipici dell’ingegneria matematica. - Acquisire esperienza nel lavoro di squadra e nella collaborazione in contesti professionali interdisciplinari. - Sviluppare un atteggiamento critico ed etico nei confronti dei problemi e delle sfide della pratica professionale, valutando l’impatto delle soluzioni proposte. Prerequisiti Non sono previsti prerequisiti specifici per l’iscrizione al corso. Tuttavia, data la sua natura eminentemente professionale e le competenze che vi si sviluppano, relative all’applicazione delle conoscenze acquisite in un contesto lavorativo, al lavoro autonomo e organizzato, alla collaborazione in team interdisciplinari e alla valutazione dell’impatto delle soluzioni di ingegneria matematica, le Tirocini Accademici Esterni sono pensati per gli studenti che si trovano nella fase finale dei propri studi e il loro svolgimento corrisponde, in linea di massima, all’ultimo anno del corso di laurea. Competenze RC5 - Dimostrare un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico e possedere la capacità di dimostrare atteggiamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale in qualità di ingegnere matematico. RC6 - Lavorare in modo autonomo e organizzato nello sviluppo di soluzioni ai diversi problemi che possono presentarsi nell’ambito dell’attività di ingegneria matematica, soggetti a requisiti temporali o economici rigorosi. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con impatto all’interno di team interdisciplinari o in contesti multiculturali. RC8 - Valutare le ripercussioni e l’impatto sociale delle soluzioni e delle proposte dell’ingegneria matematica, garantendo il rispetto degli standard di qualità e delle normative applicabili al progetto. RPAE - Applicare le conoscenze acquisite in un contesto lavorativo, per la gestione dei propri compiti con senso di responsabilità e lavorare in team con iniziativa e motivazione. Risultati di apprendimento Non applicabile. Descrizione dei contenuti I contenuti del tirocinio esterno che lo studente dovrà svolgere si baseranno sull’esperienza lavorativa presso un centro precedentemente convenzionato con l’Università tramite un accordo in cui siano espressamente indicate le attività di tirocinio esterno presso tale centro. Il tema scelto verrà definito prima dell’inizio del tirocinio dello studente e potrà riguardare diversi aspetti di natura professionale nell’ambito delle materie che compongono il corso di laurea. Attività formative AP2. Lezioni dinamiche . AP4. Studio individuale, risoluzione di casi e problemi e ricerca bibliografica. AP5. Tutoraggio . AP9. Soggiorno presso il centro di tirocinio . Sistema e criteri di valutazione SE6.- Relazione del tutor del tirocinio esterno (40%). Il tutor dell’ente (azienda, ospedale, centro, ecc.) effettua una valutazione oggettiva delle prestazioni dello studente presso il centro di tirocinio seguendo una griglia di valutazione precedentemente elaborata e pubblicata. SE7.- Relazione del tutor accademico del tirocinio esterno (30%). Il tutor accademico del tirocinio esterno effettua una valutazione delle prestazioni dello studente durante il periodo di tirocinio, tenendo conto della frequenza alle sessioni di tutoraggio, dell’adempimento del piano di tirocinio, della disponibilità dello studente a impegnarsi in modo proattivo nelle attività svolte, ecc. SE8.- Valutazione della relazione sul tirocinio accademico esterno (30%). Il tutor accademico dei tirocini esterni effettua una valutazione oggettiva della relazione di tirocinio dello studente seguendo una griglia di valutazione precedentemente elaborata e pubblicata. La relazione di tirocinio consiste in un resoconto che lo studente deve redigere e consegnare al proprio tutor accademico una volta terminato il periodo di formazione presso una determinata entità (azienda, ospedale, centro, ecc.). La stesura della relazione consente allo studente di riflettere su quanto appreso e costituisce la prova dell’effettivo utilizzo delle ore di formazione. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442632 | Fotonica / Photonics | OP | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fotonica / PhotonicsCódigo: C0442632 Imprimir Corso 5. Materia del secondo quadrimestre. Opzionale. 6 crediti. Profesores
Obiettivi Introdurre lo studente alla fotonica Risultati di apprendimento RA1 Conosce il campo della generazione, del rilevamento e del controllo della luce, comprendendo i fenomeni fisici che lo caratterizzano. RA2 Comprende i fondamenti della propagazione della luce attraverso un mezzo materiale, nonché i problemi che essa presenta, e conosce diverse soluzioni tecnologiche a tali problemi. RA3 Dimostra di aver assimilato i principi di funzionamento di base dei dispositivi utilizzati in fotonica e ne conosce i diversi tipi e le caratteristiche generali di ciascuno di essi, nel contesto dei sensori e degli attuatori RA4 Conosce diverse applicazioni attuali della fotonica per acquisire un’intuizione nell’identificazione di nuovi utilizzi. Descrizione dei contenuti - Emettitori di luce: tipi e proprietà dell’emissione. Statistica dei fotoni nei diversi tipi di radiazione: laser, termica, quantistica - Filtri e monocromatori. Polarizzatori. Interferometri. - Laser: equazioni di bilancio, guadagno, soglia, risonatori, tipi. - Fotorilevatori: tipi e caratteristiche. - Propagazione della luce in mezzi otticamente anisotropi, guide d'onda ottiche, cristalli fotonici e mezzi non lineari. - Effetto Kerr ottico. - Dispersione temporale e cromatica. Relazioni di Kramers-Kronig. Attenuazione e amplificazione. - Modulazione della luce: longitudinale (effetti elettro-ottici, acusto-ottici e magneto-ottici), trasversale e in frequenza. Modulatori. - Altri dispositivi ottici. Sensori e attuatori fotonici. - Sistemi fotonici integrati. - Applicazioni della fotonica in diversi ambiti scientifico-tecnici Attività formative Attività formativa N. ore* Ore in presenza (8-12)** % di presenza AP1.- Lezioni frontali partecipative 5 0,83 100 AP2.- Seminari o lezioni di applicazione pratica 4 0,67 100 AP3.- Attività pratiche (casi di studio, elaborazione di progetti, simulazioni, ecc.) 17 1,42 50 AP4.- Lavoro autonomo 60 0 0 AP5.- Tutoraggio 12 0,6 30 AP6.- Verifiche delle conoscenze 2 0,33 100 AP10.- Attività in laboratori e/o aule pratiche 48 8,33 100 Sistema e criteri di valutazione Sessione ordinaria: Attività pratiche 15 % (SE1) Esame finale 60 % (SE2) Per superare il corso è richiesto un voto minimo di 4/10 Esercitazioni di laboratorio 25 % (SE3) Sessione ordinaria: Esame finale 100% |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
*Carattere: FB:Formazione di base, Ob: Obbligatorio, Op: Opzionale
Gli ULABS sono laboratori applicati dove lavorerete fin dai primi corsi su progetti reali con le aziende, applicando le conoscenze scientifiche, matematiche e tecnologiche a sfide di grande impatto. Imparerete facendo, in piccoli team multidisciplinari, utilizzando strumenti professionali e metodologie agili come Scrum e Design Thinking.
Nel corso del programma svilupperete competenze chiave in materia di intelligenza artificiale, analisi dei dati, simulazione, modellazione e programmazione, oltre a capacità di comunicazione, gestione dei progetti e capacità decisionali in ambienti reali. Tutti i progetti sono allineati con l' SDG 2030 e i risultati diventeranno parte del vostro portfolio professionale, rafforzando direttamente la vostra occupabilità.
Alcuni dei progetti in corso:
Lavorerete con software e tecnologie reali come Python, Power BI, Spark e piattaforme di simulazione, in un ambiente collegato all'azienda e accompagnati in ogni momento dal personale docente.
Come studenti di UAX Business & Tech avrete accesso a un'ampia gamma di soggiorni accademici e stage internazionali, che vi permetteranno di sviluppare una visione globale e di arricchire la vostra formazione in ambienti universitari e professionali di alto livello.
Potrete svolgere tirocini internazionali presso università leader in destinazioni strategiche come Stati Uniti, Regno Unito, Europa, Asia e America Latina, attraverso diversi programmi di mobilità:
Programmi di scambio accademico:
Inoltre, potrete svolgere stage internazionali in Paesi come Stati Uniti, Regno Unito, Germania o Asia (Cina, Giappone, Corea del Sud), applicando le vostre conoscenze in ambienti reali e altamente tecnologici.
Un'esperienza internazionale che rafforza il vostro profilo scientifico, professionale e personale e vi prepara a lavorare in un mercato globale.
Nel Double Degree in Mathematical Engineering + Physics di UAX sarete seguiti da un 95% di professori che combinano l'insegnamento con l'attività professionale, fornendo una visione pratica e aggiornata da parte di aziende e istituzioni leader.
Il corpo docente è composto da dottori di ricerca e ricercatori con un solido background accademico, insieme a professionisti con una vasta esperienza nel campo della scienza dei dati, dell'intelligenza artificiale, della modellazione matematica, della fisica applicata, dell'industria e della consulenza tecnologica. Molti di loro hanno guidato progetti di grande impatto in ambienti internazionali e collaborano attivamente con aziende leader.
Tra i profili del personale docente spiccano i seguenti:
Una facoltà che non si limita a insegnare la teoria, ma vi accompagna in progetti reali e vi prepara ad affrontare con successo le sfide scientifiche e tecnologiche del mondo professionale.
Vedi l'elenco completo
Il Double Degree in Engineering Physics + Mathematics di UAX vi offre un'esperienza formativa di alto livello attraverso stage esterni in aziende leader in diversi settori, dove potrete applicare le vostre conoscenze scientifiche, matematiche e tecnologiche in ambienti e иноваdores reali.
Lavorerete direttamente con aziende leader nei settori della tecnologia, dell'industria, dell'energia, della consulenza, delle banche e delle infrastrutture, partecipando a progetti legati all' analisi dei dati, alla modellazione, all'intelligenza artificiale, all'ottimizzazione dei processi e all'ingegneria applicata, gettando le basi per una solida carriera professionale ad alta occupabilità.
Alcuni degli enti che collaborano agli stage esterni:
Un'opportunità per collegare la teoria alla pratica, lavorare in team di professionisti e migliorare il proprio profilo scientifico e tecnologico in un mercato globale altamente competitivo.
Ascolta direttamente le testimonianze di aziende e studenti, lasciati ispirare dalla creatività e dall’ingegno dei nostri progetti “maker” e scopri com’è la vita nel nostro campus, ricco di attività ed eventi per tutti i gusti.
Le aziende fanno parte della tua quotidianità nel campus. Parteciperai a progetti di innovazione, otterrai la certificazione delle tue competenze e ti verranno offerti tirocini fin dal primo anno. Aziende come Avanade, CIMPA o Sener stanno già sviluppando talenti e progetti insieme ai nostri studenti.
Scopri le nostre strutture
Richiesta visita
Un innovativo laboratorio di fabbricazione digitale volto ad ampliare l'apprendimento degli studenti di architettura, ingegneria e design. Scopri di più
Punta su un curriculum che garantisca la massima occupabilità
Formazione in aree tecnologiche chiave come l'apprendimento automatico, l'intelligenza artificiale, l'informatica e lo sviluppo.
30 ECTS di formazione in aree aziendali chiave come la gestione strategica, l'esperienza utente e l'innovazione del prodotto digitale.
Costruite il vostro portafoglio di progetti di innovazione reali con le aziende, acquisite esperienza pratica attraverso stage fin dai primi anni del programma e l'opportunità di completare tirocini internazionali.
Svilupperete competenze trasversali e otterrete la certificazione in aree quali le metodologie Agile, la comunicazione, la leadership, il pensiero analitico e dirompente.
Il Data Driven Thinking come motore del processo decisionale e la certificazione professionale in advanced analytics di IBM.
Il Double Degree in Ingegneria Matematica + Fisica apre opportunità di carriera in settori strategici come:
Formazione ad alta occupabilità, con tassi di inserimento lavorativo vicini al 98% in meno di sei mesi, e proiezione in un mercato globale che richiede profili STEM altamente qualificati.
Corpo docente
Ingegnere e dottore di ricerca in Chimica, specialista in AI e Data Science, con oltre 20 anni di esperienza e un solido track record in progetti internazionali in Big Data, machine learning e quantum computing. È cofondatore di OncomIA, un'azienda biomedica che applica tecnologie avanzate nella lotta contro il cancro. Attualmente è responsabile del corso di studi in Ingegneria matematica e fisica presso la UAX, dove insegna intelligenza artificiale e informatica quantistica.
José Antonio si è laureato in fisica dei materiali presso l'Università Complutense di Madrid. Ha condotto studi, presso l'Instituto de Microelectrónica de Madrid (CSIC), sulle proprietà ottiche delle nanostrutture di semiconduttori quantistici, pubblicando su riviste scientifiche ad alto impatto (Physical Review Letters, Applied Physics Letters, Physical Review B, ecc). Come docente universitario, ha 25 anni di esperienza nell'insegnamento soprattutto di matematica e fisica; attualmente insegna, tra le altre materie, algebra lineare, metodi numerici e fisica quantistica. È anche coordinatore del corso di laurea in Ingegneria matematica e coordinatore dei tirocini nell'area tecnologica della facoltà Business & Tech.
Ingegnere industriale senior con oltre 11 anni di esperienza nell'ottimizzazione dei processi operativi e strategici in aziende multinazionali. PMP, Six Sigma Green Belt (UPC) e Cyber Security Professional (ISMS Forum). Ha svolto funzioni di "Project Management Office" in oltre 30 progetti di ingegneria e costruzione di impianti principalmente di energia, gas e petrolchimici.
Laurea in Matematica presso l'UAM. Ho ottenuto il Diploma di Studi Avanzati presso l'UCM per il mio lavoro sulla classificazione delle sottovarietà differenziabili nella geometria di Lie e nella geometria di Plücker. Con oltre 25 anni di esperienza nell'insegnamento, ha conseguito certificazioni professionali in Equazioni differenziali per ingegneri, Fisica delle particelle e Introduzione alla teoria generale della relatività. Tiene corsi di laurea in Ingegneria matematica e Fisica in Strutture algebriche, Equazioni differenziali, Geometria differenziale e altri.
In spazi condivisi nel campus, in progetti di innovazione congiunti e attraverso stage fin dai primi anni.
Programma di tutoraggio accademico e professionale che focalizza gli sforzi e i risultati verso il vostro profilo migliore.
Sarete formati attraverso progetti di innovazione con aziende reali e studenti di altre lauree, sviluppando prodotti e soluzioni basate sulla tecnologia.
+700h di formazione certificata in nuove tecnologie, analisi avanzate e competenze professionali.
Stage e tirocini in mercati strategici come l'Asia, l'Europa o gli Stati Uniti e un modello progressivo di bilinguismo.
Borse di studio e aiuti finanziari per studiare all’UAX
Sappiamo che studiare è un investimento. Per questo vogliamo eliminare gli ostacoli economici e renderti le cose più semplici. Compila il modulo e scopri, con l’aiuto dei nostri consulenti, le borse di studio, gli accordi e gli aiuti personalizzati più adatti alla tua situazione.
Comunità di Madrid
Aiuti per studenti con disabilità pari o superiore al 33% che frequentano corsi di studio presso le università o gli istituti superiori di insegnamento artistico della Comunità di Madrid.
Ministero dell'Istruzione, della Formazione Professionale e dello Sport
Scopri le informazioni relative alle borse di studio e agli aiuti finanziari banditi dal Ministero dell’Istruzione, della Formazione Professionale e dello Sport, suddivisi per tipologia e livello di istruzione.
Se hai già deciso di fare il grande passo, formalizza la tua iscrizione in anticipo e approfitta di un contributo diretto. Un modo per premiare il tuo impegno e pianificare il tuo futuro con un vantaggio.
Studenti dell'America Latina
Programma rivolto a cittadini iberoamericani o stranieri con residenza legale nei paesi di influenza dell'OEI. La borsa di studio copre uno sconto del 50% sul costo totale delle lezioni.
Studenti dell'Ecuador
Programma rivolto a cittadini con nazionalità e/o residenza in Ecuador che desiderino frequentare un master online in Spagna. La borsa di studio copre uno sconto del 50% sul costo totale delle tasse universitarie.
2025 II Edizione
Aiuti finanziari per studenti iscritti a corsi di formazione professionale di livello superiore, laurea triennale, laurea magistrale o master presso università spagnole convenzionate con Santander. Un contributo economico per sostenerti durante lo svolgimento del tuo tirocinio professionale.
Se hai un parente stretto (fino al secondo grado) iscritto all’UAX, puoi beneficiare di uno sconto del 5% sull’importo delle tasse universitarie. Perché studiare in famiglia è ancora più bello.
Se ti sei laureato presso l’UAX e ora stai pensando di intraprendere un nuovo corso di laurea, vogliamo continuare ad accompagnarti in questo percorso. Per questo ti offriamo uno sconto del 10% sull’importo delle tasse universitarie.
Frequentare due corsi di laurea contemporaneamente è una sfida, e noi vogliamo sostenerti. Se sei già iscritto all'UAX e ti iscrivi a un secondo corso di laurea, avrai diritto a un contributo per la caparra e la tassa di iscrizione.
Se desideri continuare la tua formazione con noi e passare dai corsi di formazione professionale alla laurea triennale, da una laurea triennale a un'altra o dalla laurea triennale alla laurea magistrale, ti sosteniamo con un contributo fino al 25% sulle tasse universitarie.
Se hai un buon curriculum accademico, vogliamo premiare il tuo talento con una borsa di studio pensata per gli studenti di primo anno. (Esclusa la laurea in Medicina).
Se sei un atleta di alto livello, noi di UAX vogliamo aiutarti a conciliare la tua passione con gli studi. Ti offriamo aiuti specifici che possono arrivare fino al 50% dell'importo della tua retta.
Riconosciuti per dare slancio al tuo futuro professionale
Le classifiche collocano l’UAX tra le migliori università della Spagna per occupabilità, innovazione e modello formativo in sintonia con la realtà lavorativa.
Forbes classifica la UAX come l'università privata con il maggior numero di laureati che lavorano nel suo territorio (quasi il 90%), grazie a un modello educativo unico e saldamente legato al mercato del lavoro attraverso più di 8.800 accordi con le aziende.
La prestigiosa classifica della Fondazione BBVA e dell'IVIE ci riconosce come l'università con il miglior inserimento lavorativo in Spagna nel 2023, consolidando il nostro modello incentrato sulla reale occupabilità dei nostri laureati.
L'Istituto Coordenadas di Governance ed Economia Applicata colloca UAX come università privata di riferimento a Madrid, evidenziando il nostro modello di formazione pratica allineato alla realtà del mercato.
L'UAX ottiene il punteggio massimo di 5 stelle e la valutazione "Excellent" da QS Stars, uno dei più prestigiosi sistemi internazionali di valutazione delle università. Questo riconoscimento attesta l'eccellenza dell'università in settori chiave quali l'occupabilità, la qualità dell'insegnamento, le strutture, la didattica online e l'esperienza degli studenti.
La UAX è riconosciuta come la seconda università più innovativa della Spagna, l'unica università privata tra le prime tre della classifica. Questo riconoscimento evidenzia il nostro impegno trasversale nell'IA e nella formazione alla sostenibilità.
Según la Lista Forbes 2025, UAX se sitúa en el TOP 2 Universidades españolas referentes en la adopción de IA Generativa en la formación de sus estudiantes, desarrollando herramientas y modelos de aprendizaje innovadores alineados con la evolución tecnológica.
L’UAX promuove la cultura della qualità all’interno della comunità universitaria attraverso il Sistema di Qualità dell’UAX (SIUAX), di cui la Direzione dell’Università è la massima responsabile, garantendo che la pianificazione del sistema venga attuata per soddisfare efficacemente gli obiettivi di qualità, nonché le esigenze, i requisiti e le aspettative dei clienti e delle parti interessate.
Gli organi responsabili sono:
Questa struttura organizzativa favorisce una comunicazione bidirezionale sulle diverse azioni di miglioramento, consentendo e garantendo la costruzione di una cultura della qualità all’interno dell’Università.
La Commissione di monitoraggio e miglioramento del corso di laurea per l’anno accademico 2025-26 è composta da:
Richieste, reclami e segnalazioni
Rispondiamo alle reali esigenze dei nostri studenti e collaboratori, perché crediamo nel miglioramento continuo dei risultati. Per questo motivo, siamo sempre disponibili ad ascoltare tutto ciò che desideri comunicarci.
Se fai già parte di UAX, accedi alcampus virtuale e vai alla sezione «Assistenza clienti: reclami, suggerimenti e complimenti», inserendo il tuo nome utente e la tua password.
