Vedi tutta l'offerta accademica
Vedi tutti i corsi di laurea doppi
Vedi tutti i Master in Ingegneria
Programmi più cercati
Qualifica ufficiale
Madrid
Le aziende richiedono profili in grado di affrontare problemi digitali complessi e di comprenderne l'impatto sul mondo del lavoro. In UAX vi formiamo per essere questi professionisti e per distinguervi aggiungendo valore all'azienda fin dal primo giorno di lavoro.
Perché unisce il rigore della matematica all’innovazione dell’informatica, preparandoti a risolvere problemi complessi e a guidare lo sviluppo tecnologico del futuro.
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 trasformazione digitale sta ridefinendo i settori industriali, che richiedono professionisti in grado di comprendere le nuove tecnologie e di applicarle in modo strategico nel mondo degli affari.
Il doppio corso di laurea in Ingegneria matematica + Ingegneria informatica dell’UAX combina l’analisi quantitativa della matematica con la capacità di elaborare soluzioni pratiche basate sull’informatica, per formare figure professionali indispensabili nelle aziende digitalizzate più all’avanguardia.
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.
Sviluppo di un gemello virtuale del campus di Villanueva de la Cañada.
Sviluppo di soluzioni innovative per ottimizzare le operazioni con i clienti di CaixaBank, attraverso l'uso di modelli predittivi, IA e analisi dei dati.
Uso di tecniche di intelligenza artificiale per prevedere le ore di lavoro in grandi progetti internazionali di ingegneria.
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.
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.
Laurea in Ingegneria Matematica + Laurea in Ingegneria Informatica
Primo corso
PRIMO QUARTRIMESTRE
| 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 così la base per altre materie e corsi del corso di laurea, quali, ad esempio, Calcolo Numerico, Ricerca Operativa, Calcolo Stocastico 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 proposti. 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. Cambiamenti 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, 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 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’esami 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 il punteggio ottenuto è pari o superiore a 4,0 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 ottiene 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’esame della sessione straordinaria, giugno-luglio (per ulteriori informazioni, consultare il campus virtuale), e in cui viene valutata la totalità dei 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: 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, a meno che il numero di studenti iscritti non 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, elementi 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 computazionale 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 altro 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. Elaborazione di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi di studio, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Prove di verifica 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 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, 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 d’esame ordinaria ufficiale, il cui contenuto comprenderà l’intero programma didattico, 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, il voto finale del corso sarà di bocciatura 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 d’esami di luglio (per ulteriori informazioni, consultare il campus virtuale). Consiste in un unico esame in cui vengono valutati tutti i contenuti del corso. *** Il corso si considera superato 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. Obbligatoria. 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 quindi 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) Sottogruppi 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 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. ---- 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 del corso. Questi contribuiranno per il 10% 2) a metà corso si terrà una prova scritta Questo voto inciderà per il 40% 3) Si terrà 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 delle materie 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 eguaglia il 4 Gli studenti che, per qualsiasi motivo, perdano la valutazione continua, sosterranno l’esame ufficiale con un peso pari al 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 ogni 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 a 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 le strutture di controllo, i tipi di dati, le funzioni e la 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 in questione siano definiti altri requisiti, in linea generale, la mancata partecipazione a oltre il 70% delle attività formative del corso, che richiedano 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 verrà 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 delle 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 (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 i dati 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 Questo corso, che insieme a Fondamenti matematici dell’ingegneria II 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 matematiche necessarie per comprendere, interpretare e gestire diversi concetti e teorie, che rappresentano aspetti fondamentali per un laureato in matematica. 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. 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 I contenuti che saranno trattati in questo corso sono: Argomento 1: I numeri reali Argomento 2: I numeri complessi Argomento 3: Successioni numeriche Argomento 4: Le serie numeriche Argomento 5: Limiti e continuità Argomento 6: Derivate Argomento 7: Applicazioni della derivata Argomento 8: Rappresentazione grafica delle funzioni 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 in questione siano definiti altri requisiti, 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 verifica e nella valutazione dell’acquisizione delle competenze da parte dello studente. Esistono 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 di esercizi (SE1) con un peso complessivo del 20% sul voto finale, da svolgere individualmente o in piccoli gruppi durante il periodo didattico. - Consegna di un elaborato (SE2), con un peso del 20% sul voto finale, da svolgersi individualmente o in piccoli gruppi al termine del periodo didattico. - Due esami parziali (SE3) da sostenere individualmente durante il periodo didattico. Ciascuno avrà un peso del 30% sul voto finale. *** Il corso si considera superato nella sessione ordinaria tramite valutazione continua se il voto finale è pari o superiore a 5,0. *** In caso contrario, lo studente dovrà sostenere l’esame finale della sessione ordinaria. Il voto ottenuto nella sessione ordinaria corrisponderà al voto ottenuto nell’esame 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 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: 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 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 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| S0141403 | Informatica 1 | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Informatica 1Código: S0141403 Imprimir Corso 1. Materia del primo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi • Creare una base di conoscenze e competenze incentrata sull’ottimizzazione delle risorse e degli strumenti informatici destinati all’uso accademico, formativo e professionale. • Promuovere la capacità di gestione delle informazioni e delle conoscenze. • Creare una base utile per la gestione e l’apprendimento basati sulla ricerca autonoma attraverso strumenti informatici. • Sviluppare la capacità di applicare le conoscenze generali di informatica d’ufficio e delle nuove tecnologie dell’informazione nella pratica attuale e nel futuro ambito professionale. Prerequisiti Non sono stati stabiliti prerequisiti Risultati di apprendimento RK4 Conoscenze di base sull’uso e la programmazione dei computer, dei sistemi operativi, dei database e dei programmi informatici applicati all’ingegneria. RK5 Conoscenza della struttura, dell’organizzazione, del funzionamento e dell’interconnessione dei sistemi informatici, dei fondamenti della loro programmazione e della loro applicazione alla risoluzione di problemi tipici dell’ingegneria. RC5 Conoscenza e applicazione degli strumenti necessari per l’archiviazione, l’elaborazione e l’accesso ai sistemi informativi, compresi quelli basati sul web. Descrizione dei contenuti Contenuti generali trattati dal modulo: Concetti di tecnologie dell’informazione e della comunicazione. Struttura e funzionamento di base del computer. Applicazioni informatiche per l’ingegneria. Utilizzo avanzato dei fogli di calcolo. Introduzione alla programmazione. Web e servizi web. Sviluppo di applicazioni web. Sviluppo lato client (front-end). Sviluppo lato server (back-end) Contenuti del corso: Il computer e il suo utilizzo, Gestione dei file, Elaborazione di testi, Fogli di calcolo, Utilizzo dei database, Presentazioni, Internet, Posta elettronica, Messaggistica, altri servizi Internet, Creazione di contenuti per Internet, Blog. Attività formative V1.- Lezioni frontali: visione e presentazione dei contenuti V2.- Lezioni sincrone interattive V3.- Attività in workshop e/o laboratori in ambienti virtuali V4.- Esercizi guidati sulla piattaforma V5.- Studio individuale V6.- Compilazione di test di verifica delle conoscenze Sistema e criteri di valutazione Per le competenze che richiedono abilità nella risoluzione di problemi pratici, la valutazione si baserà sulla presentazione e sulla discussione di casi pratici, nonché sulla prestazione in aula durante lo svolgimento delle esercitazioni. Per le competenze relative all’utilizzo degli strumenti, si svolgeranno prove di risoluzione di casi pratici nei laboratori o esercitazioni sul campo svolte in gruppo. Consegna delle attività pratiche e delle relazioni sullo svolgimento delle stesse. Per le competenze che implicano la conoscenza dei contenuti delle materie, verrà stabilita una serie di esami scritti che riassumano l’insieme delle attività formative svolte in aula. Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti (per l’applicazione della seguente percentuale è richiesto un punteggio minimo di 4 nell’esame finale): - Voto della valutazione continua in aula (esercizi, test, ecc.): 40% * Esercizi e test delle unità: 40% * Esercizio finale del corso: 60% - Esame finale della sessione: 60% Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- Peña Pérez, Rosario Office 2016: Ediciones Altaria, 2015. ISBN: 9788494404979 2.- VALENTIN, HANDZ OFFICE 2016 CORSO PRATICO Ra-Ma. 2016. ISBN: 9788499646343 Complementare: 3.- CLAUDIA VALDES-MIRANDA EXCEL 2016 (MANUALE INDISPENSABILE) Anaya Multimedia. 2016. ISBN: 9788441538023 4.- Lambert, Joan. Guida allo studio MOS 2016 per Microsoft Excel: Microsoft Press. 2016. ISBN: 9780735699434 5.- VALENTIN, HANDZ EXCEL 2016 PASSO DOPO PASSO, 2ª EDIZIONE AGGIORNATA Ra-Ma. 2016. ISBN: 9788499646619 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| S0141406 | Tecniche di comunicazione 1 | FB | 3 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tecniche di comunicazione 1Código: S0141406 Imprimir Corso 1. Materia del primo quadrimestre. Formazione di base. 3 crediti. Profesores
Obiettivi Fornire agli studenti le competenze necessarie affinché possano: 1. Sviluppare le abilità di espressione orale e scritta in spagnolo e migliorare la comunicazione interpersonale. 2. Sviluppare le competenze linguistico-testuali (comprensione e produzione) e pragmatiche in spagnolo. 3. Migliorare la competenza lessicale e utilizzare la terminologia. 4. Utilizzare in modo efficace risorse espressive, testuali, contestuali e documentali. 5. Sviluppare una retorica persuasiva e una comunicazione professionale: relazioni, verbali, bandi, ecc. 6. Adottare atteggiamenti responsabili nei confronti della cultura scritta e della lingua scritta. 7. Apprezzare la funzione e il valore della comunicazione linguistica nell’azienda e nella società. 8. Padroneggiare il discorso negoziale: cortesia verbale, argomentazione. 9. Protocollo Prerequisiti Non sono stati stabiliti prerequisiti. Risultati di apprendimento RC16 Capacità di inserimento e integrazione in un contesto professionale reale nell'ambito del corso di laurea, adattandosi alle sue dinamiche e alle procedure di lavoro, nonché alla sua organizzazione interna, con l'obiettivo di svolgere compiti e/o ricoprire funzioni specifiche che possano richiedere, o meno, la partecipazione a gruppi di lavoro RODS Sviluppa 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. Descrizione dei contenuti Contenuti generali trattati dal modulo: La comunicazione umana, La comunicazione in azienda, Redazione generale. Processi e metodi, Testi professionali nell’ingegneria delle TIC, Correzione grammaticale, Lessico, Il riassunto, Comunicazione orale. Contenuti del corso: Introduzione alla comunicazione umana. La comunicazione in azienda. Redazione generale: processi e metodi. Testi professionali. Comunicazione orale. Il desiderio di immagine. Atti che minacciano l’immagine (AAIP). Cortesia verbale. Studi qualitativi sulle principali strategie di cortesia verbale in diversi tipi di contesti: conversazioni, interviste, discorsi, ecc. Gestione dei conflitti. Il discorso della negoziazione. Studio qualitativo dei principali accordi e convenzioni. Protocollo e rapporti sociali. Protocollo aziendale. Protocollo ufficiale dello Stato. Attività formative V1.- Lezioni frontali: visione e presentazione dei contenuti V2.- Lezioni sincrone interattive V4.- Esercizi guidati sulla piattaforma V5.- Studio individuale V6.- Compilazione di test di verifica delle conoscenze Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto di valutazione continua in sede (esercizi, test, ecc.): 40% * Esame finale: 60% Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- ALCARAZ VARÓ, E.; J. MATEO MARTÍNEZ Le lingue professionali e accademiche. Ariel. 2007. ISBN: 9788434481220 2.- Aranzadi Tellería, Dionisio L'arte di essere un leader aziendale oggi Deusto. 2000. ISBN: 8474856728 3.- Borrell i Carrió, F. Come lavorare in squadra: e creare relazioni di qualità con superiori e colleghi Gestión 2000. 2004. ISBN: 8480889705 4.- Borrell, Francesc Comunicare bene per dirigere meglio Barcellona: Gestión 2000, 2002. 2002. ISBN: 8480887249 5.- Cardona Soriano, Pablo e García Lombardía, Pilar Come sviluppare le competenze di leadership EUNSA. 2007. ISBN: 8431323094 6.- Cordón, José Antonio, et al. Manuale di ricerca documentaria e pratica bibliografica Pirámide. 1999. ISBN: 8436812026 7.- David V. Feliciano Norme e usi corretti dello spagnolo attuale Tirant Humanidades. 2011. ISBN: 9788493931605 8.- Felipe Portocarrero La scrittura redditizia SM. 2001. ISBN: 9788434876026 9.- Fernando Martínez Comunicazione scritta Centro Estudios Financieros. 2012. ISBN: 9788445421468 10.- Flora Davis La comunicazione non verbale Alianza Editorial. 2010. ISBN: 9788420664248 11.- Gómez Torrego, Leonardo Parlare e scrivere correttamente Madrid, Arco Libros. 2006. ISBN: 8476356536 12.- Jesús Mesanza Come scrivere bene: ortografia e argomenti correlati Editorial Esceual Española. 1995. ISBN: 9788433106582 13.- Jesús Sánchez Lobato Saper scrivere Madrid: Aguilar, 2006. 2006. ISBN: 8403097239 14.- Josefa Gómez de Enterría Corrispondenza commerciale in spagnolo SGEL. 2002. ISBN: 9788471434265 15.- Josefa Gómez de Enterría y Sánchez La comunicazione in azienda Arco Libros. 2002. ISBN: 978847635508 16.- Montolío, Estrella Manuale pratico di scrittura accademica Barcellona: Ariel, 2000. 2000. ISBN: 8434428695 17.- Accademia Reale Spagnola Dizionario della lingua spagnola [Madrid] : Accademia Reale Spagnola, 2001. 2001. ISBN: 8423968146 18.- Accademia Reale Spagnola Ortografia della lingua spagnola Espasa-Calpe. 2010. ISBN: 9788467034264 19.- Torres, Isabel Le fonti di informazione: studi teorico-pratici Madrid: Sntesis, 1999. 1999. ISBN: 8477384606 20.- Trujillo, José Ramón Negoziazione, comunicazione e cortesia verbale: teoria e tecniche Madrid: Ediciones 2010, 2004. 2004. ISBN: 8495058537 21.- A.A. Saper parlare Aguilar. 2008. ISBN: 9788403098060 Complementare: 22.- Beatriz Lucía Abilità comunicative. Programma di formazione Università Autonoma di Madrid. 2008. ISBN: 9788483441190 23.- Gómez de Enterría e Sánchez, Josefa La comunicazione orale in azienda Madrid: Arco Libros, [2008]. 2008. ISBN: 9788476357095 24.- Jesús Mesanza Parlare e scrivere correttamente: barbarismi, improprietà e dubbi nello spagnolo orale e scritto WOLTERS KLUWER EDUCACION. 2009. ISBN: 9788471979100 25.- Miles Paterson Più che parole: il potere della comunicazione verbale UOC. 2011. ISBN: 9788497889179 26.- A.V. Comunicazione non verbale e leadership Netbiblo. 2010. ISBN: 9788497454971 Altri: 27.- Gaspar González Tecniche di conversazione telefonica Edelsa. 2008. ISBN: 9788477115595 28.- Manuel Campo Vidal Perché i professionisti non comunicano meglio? RBA libros. 2011. ISBN: 9788490061244 29.- Manuel Campo Vidal Perché i professionisti non comunicano meglio? Plaza. 2008. ISBN: 9788401379857 30.- Manuel Cifo Comunicazione orale e scritta in lingua spagnola Diego Marin. 2012. ISBN: 9788415429326 31.- Marco Tullio Cicerone L'oratore perfetto Università Autonoma del Messico. 1991. ISBN: 9789683669841 32.- Margarita Recasens Comprensione ed espressione orale CEAC. 2003. ISBN: 9788432986598 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 39 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
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, appartenente al 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 sfide. AP4. Studio individuale, risoluzione di casi, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventualità che nel relativo 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 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 richiesti sia la consegna di esercizi durante lo svolgimento dello stesso, sia la presentazione 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% nella valutazione finale della sessione ordinaria. -- un esame finale (SE2) che si svolgerà, individualmente, durante il periodo degli esami 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 il punteggio ottenuto è pari o superiore a 4,0 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 ottiene 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 d’esame 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 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 aggiunto il corrispondente voto qualitativo: - 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 «Matrícula de Honor». 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 di approfondimento: 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 in base ai requisiti funzionali, ai vincoli di tempo e spazio e ai 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 in materia di strutture dati e algoritmi consultando la bibliografia e 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’ingegneria matematica, nel rispetto di 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 e 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, 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 nelle reti, nelle mappe e nella 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 giustificazione del loro design. - 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 di algoritmi in Python (ad esempio, con la libreria cProfile) e motivazione 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. Prove di verifica 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 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 raggiunto una frequenza minima del 70% alle 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 corretto delle funzioni e le 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 d’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 della sessione ordinaria, nel quale 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: 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. 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’intera materia, il cui peso nella valutazione finale sarà, pertanto, pari al 100%. Criteri di valutazione: L’esame consisterà in domande teoriche e pratiche relative all’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 consentono l'elaborazione, l'archiviazione e la trasmissione di 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 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. ---- 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 lo scopo di fornire le basi dell’integrazione di Riemann in una dimensione, nonché di approfondire lo studio delle serie di potenze e del 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 Elaborazione di progetti e risoluzione di problemi. AP4. Studio individuale, risoluzione di casi pratici, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Verifiche delle conoscenze. Sistema e criteri di valutazione Fatta salva l’eventualità che nel relativo programma del corso venga 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 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 valutato l’intero corso. Per poter calcolare la media con la valutazione continua, in questo esame è richiesto un voto minimo di 4,0 su 10,0. 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 ciascuno di essi. 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 effettuare 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 dinamiche. AP3.1. Sviluppo di progetti e risoluzione di sfide. AP4. Studio individuale, risoluzione di casi, problemi e ricerca bibliografica. AP5. Tutoraggio. AP6. Prove di verifica 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 della materia 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 detto 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 della materia 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 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| S0141411 | Tecniche di comunicazione 2 | FB | 3 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tecniche di comunicazione 2Código: S0141411 Imprimir Corso 1. Materia del secondo quadrimestre. Formazione di base. 3 crediti. Profesores
Obiettivi Fornire agli studenti le competenze necessarie per: 1. Sviluppare le abilità di espressione orale e scritta in spagnolo e migliorare la propria comunicazione interpersonale. 2. Sviluppare le competenze linguistico-testuali (comprensione e produzione) e pragmatiche in spagnolo. 3. Migliorare la competenza lessicale e utilizzare la terminologia. 4. Utilizzare in modo efficace risorse espressive, testuali, contestuali e documentali. 5. Sviluppare una retorica persuasiva e una comunicazione professionale: relazioni, verbali, bandi, ecc. 6. Adottare atteggiamenti responsabili nei confronti della cultura scritta e della lingua scritta. 7. Apprezzare la funzione e il valore della comunicazione linguistica nell’azienda e nella società. 8. Padroneggiare il discorso negoziale: cortesia verbale, argomentazione. 9. Protocollo Prerequisiti Non sono stati stabiliti prerequisiti. Risultati di apprendimento RC16 Capacità di inserimento e integrazione in un contesto professionale reale nell’ambito del corso di laurea, adattandosi alle sue dinamiche e alle procedure di lavoro, nonché alla sua organizzazione interna, con l’obiettivo di svolgere compiti e/o ricoprire funzioni specifiche che possano richiedere, o meno, la partecipazione a gruppi di lavoro RODS Sviluppa 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. Descrizione dei contenuti Contenuti generali trattati dal modulo: La comunicazione umana, La comunicazione in azienda, Redazione generale. Processi e metodi, Testi professionali nell’ingegneria delle TIC, Correzione grammaticale, Lessico, Il riassunto, Comunicazione orale. Contenuti del corso: <b>Comunicazione scritta </b> Redazione generale e applicata. Testi professionali nell'ingegneria delle TIC. Il riassunto. Lessico e terminologia specifica delle TIC. Informazione e catalogazione. Risorse elettroniche. Attività formative V1.- Lezioni frontali: visione e presentazione dei contenuti V2.- Lezioni sincrone interattive V4.- Esercizi guidati sulla piattaforma V5.- Studio individuale V6.- Compilazione di test di verifica delle conoscenze Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto di valutazione continua in sede (esercizi, test, ecc.): 40% * Esame finale: 60% Calendario Clicca su questo link per scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 1.- David V. Feliciano Norme e usi corretti dello spagnolo attuale Tirant Humanidades. 2011. ISBN: 9788493931605 2.- Escandell Vidal, María Victoria La comunicazione 1ª ed. Madrid: Gredos, 2005. 2005. ISBN: 8424927397 3.- Felipe Portocarrero La scrittura redditizia SM. 2001. ISBN: 9788434876026 4.- Fernando Martínez Comunicazione scritta Centro Estudios Financieros. 2012. ISBN: 9788445421468 5.- Flora Davis La comunicazione non verbale Alianza Editorial. 2010. ISBN: 9788420664248 6.- Gómez Torrego, Leonardo Grammatica didattica dello spagnolo SM. 2007. ISBN: 9788467515497 7.- Gómez Torrego, Leonardo Parlare e scrivere correttamente Madrid, Arco Libros. 2006. ISBN: 8476356536 8.- Jesús Mesanza Come scrivere bene: ortografia e argomenti correlati Editorial Esceual Española. 1995. ISBN: 9788433106582 9.- Jesús Sánchez Lobato Saper scrivere Madrid: Aguilar, 2006. 2006. ISBN: 8403097239 10.- Josefa Gómez de Enterría Corrispondenza commerciale in spagnolo SGEL. 2002. ISBN: 9788471434265 11.- Josefa Gómez de Enterría y Sánchez La comunicazione in azienda Arco Libros. 2002. ISBN: 978847635508 12.- Montolío, Estrella Manuale pratico di scrittura accademica Barcellona: Ariel, 2000. 2000. ISBN: 8434428695 13.- Accademia Reale Spagnola Dizionario della lingua spagnola [Madrid]: Accademia Reale Spagnola, 2001. 2001. ISBN: 8423968146 14.- Accademia Reale Spagnola Ortografia della lingua spagnola Espasa-Calpe. 2010. ISBN: 9788467034264 15.- Scott, Bill La comunicazione orale e scritta Deusto. 1993. ISBN: 842341194X 16.- A.A. Saper parlare Aguilar. 2008. ISBN: 9788403098060 Complementare: 17.- Beatriz Lucía Abilità comunicative. Programma di formazione Università Autonoma di Madrid. 2008. ISBN: 9788483441190 18.- Gómez de Enterría y Sánchez, Josefa La comunicazione orale in azienda Madrid: Arco Libros, [2008]. 2008. ISBN: 9788476357095 19.- Jesús Mesanza Parlare e scrivere correttamente: barbarismi, improprietà e dubbi nello spagnolo orale e scritto WOLTERS KLUWER EDUCACION. 2009. ISBN: 9788471979100 20.- Miles Paterson Più che parole: il potere della comunicazione verbale UOC. 2011. ISBN: 9788497889179 21.- A.V. Comunicazione non verbale e leadership Netbiblo. 2010. ISBN: 9788497454971 Altri: 22.- Gaspar González Tecniche di conversazione telefonica Edelsa. 2008. ISBN: 9788477115595 23.- Manuel Campo Vidal Perché i professionisti non comunicano meglio? RBA libros. 2011. ISBN: 9788490061244 24.- Manuel Campo Vidal Perché i professionisti non comunicano meglio? Plaza. 2008. ISBN: 9788401379857 25.- Manuel Cifo Comunicazione orale e scritta in lingua spagnola Diego Marin. 2012. ISBN: 9788415429326 26.- Marco Tullio Cicerone L'oratore perfetto Università Autonoma del Messico. 1991. ISBN: 9789683669841 27.- Margarita Recasens Comprensione ed espressione orale CEAC. 2003. ISBN: 9788432986598 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 33 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Secondo anno
MATERIE ANNUALI
| Codice | Soggetti | Carattere* | ECTS | ||
|---|---|---|---|---|---|
| S0241402 | Informatica 2 | FB | 6 | ||
Informatica 2Código: S0241402 Imprimir Anno accademico 2. Materia annuale. Formazione di base. 6 crediti. Profesores
Obiettivi Lo sviluppo di sistemi e applicazioni basati su Internet ha assunto grande rilevanza negli ultimi anni. Infatti, è sempre più frequente trovare sistemi e servizi che trasferiscono il proprio funzionamento nell’ambito di Internet o che utilizzano le tecnologie proprie dei linguaggi e dei protocolli di Internet. Questo sviluppo sta avvenendo sia nel settore aziendale e commerciale, sia in quello del tempo libero e dell’informazione. Pertanto, questo corso approfondisce i concetti fondamentali relativi alla progettazione e allo sviluppo di sistemi basati su Internet e all’uso dei linguaggi utilizzati a tal fine. Prerequisiti Nessuno Competenze CG1 Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informatici. CG2 Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle TIC e, in particolare, all’informatica, comprendendone l’impatto socioeconomico. CG3 Comprendere la responsabilità sociale, etica, professionale e, se del caso, civile dell’attività dell’ingegnere informatico e il suo ruolo nell’ambito delle TIC e della Società dell’Informazione e della Conoscenza CE4 Possedere le basi matematiche, fisiche, economiche e sociologiche necessarie per interpretare, selezionare, valutare e creare nuovi concetti, teorie, applicazioni e sviluppi tecnologici relativi all’informatica e alla loro applicazione. CE8 Ideare, implementare, organizzare e gestire sistemi e servizi informatici in contesti aziendali o istituzionali per migliorare i relativi processi aziendali, assumendosi la responsabilità e guidandone l’avvio e il miglioramento continuo, nonché valutarne l’impatto economico e sociale. • Risolvere problemi attraverso l’astrazione • Progettazione ed esecuzione di scenari reali • Formulazione di esercizi e successiva risoluzione • Utilizzo della bibliografia specialistica Risultati di apprendimento Capacità di applicare le conoscenze alla risoluzione di problemi reali Descrizione dei contenuti Internet, servizi Internet, creazione di contenuti per Internet, blog. Attività formative Le attività formative che verranno svolte affinché lo studente acquisisca le competenze previste durante lo svolgimento di questo modulo e sia in grado di raggiungere i risultati attesi dal lavoro svolto saranno: 1) Presentazione in aula dei concetti relativi allo sviluppo di applicazioni, nonché lezioni di presentazione, discussione, esercizi, ecc. 2) Attività di laboratorio di difficoltà crescente che consentano allo studente di acquisire progressivamente la capacità di risolvere autonomamente i problemi, nonché proposte di progetti, ricerche guidate su Internet, webquest e altre sessioni di carattere prettamente pratico. 3) Studio individuale, redazione di relazioni, svolgimento di esercitazioni pratiche, ecc. come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto della valutazione continua in sede (esercizi, test, ecc.): 40% * Esame finale: 60% La valutazione continua verrà presa in considerazione solo per i voti pari o superiori a 4 nell’esame finale. Bibliografia Di base: 1.- García y Beltrán, Ángel HTML 4.0 e dinamico: creazione di documenti per il web Madrid: Bellisco, 1999. 1999. ISBN: 9788495279095 |
|||||
| TOTALE: | 6 | ||||
PRIMO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0242300 | Calcolo differenziale | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Calcolo differenzialeCódigo: C0242300 Imprimir Corso 2. Materia del primo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Questo corso, che insieme al 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: 1. Concetti topologici di R^n. 2. Limiti e continuità delle funzioni a più variabili. 3. Derivate e differenziabilità delle funzioni a più variabili. 4. Derivate di ordine superiore e teorema di Taylor. 5. Estremos delle funzioni a più variabili. 6. Teoremi della funzione inversa e della funzione implicita. 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 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+++ Il voto finale di questa sessione è la media ponderata di una serie di prove di valutazione descritte di seguito: - SE1: Consegna degli esercizi, con un peso complessivo del 15% sul voto finale. - SE2: Consegna di un elaborato, con un peso del 15% sul voto finale. - SE3: due esami parziali, ciascuno con un peso del 15% sul voto finale, che si terranno durante il periodo delle lezioni, e un esame finale (l’esame della sessione ordinaria), con un peso del 40%. Affinché venga presa in considerazione la valutazione continua (costituita dalla consegna degli esercizi e del compito e dai due esami parziali), gli studenti dovranno ottenere un voto pari o superiore a 4,0 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 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 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 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: Insufficienza (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 su varietà Addison-Wesley. 1991. ISBN: 0201315963 4.- Michael Spivak Calcolo sulle varietà Addison-Wesley. 1971. ISBN: 9780805390216 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242301 | Equazioni differenziali ed equazioni a differenze | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Equazioni differenziali ed equazioni a 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 informatico 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 o Introduzione alle equazioni differenziali: soluzione generale e problemi con condizioni iniziali. o Equazioni differenziali e sistemi di equazioni lineari del primo ordine. o Equazioni lineari di ordine superiore. o Struttura dell’insieme delle soluzioni. Matrici fondamentali di un sistema lineare omogeneo. o Metodo delle costanti variabili. o Esponenziale di una matrice. o Risoluzione di equazioni differenziali di ordine superiore con coefficienti costanti. o Comportamento qualitativo delle soluzioni di un sistema di equazioni con coefficienti costanti. o Diagramma delle fasi dei sistemi piani. o Trasformata di Laplace e metodo delle serie di potenze per la risoluzione di equazioni differenziali e sistemi lineari. o Concetti di base delle equazioni alle differenze. o Sistemi lineari: stabilità e comportamento a lungo termine. o Sistemi non lineari: equilibri e linearizzazione. o Modello logistico: biforcazioni e transizione al caos. o Applicazioni della teoria del segnale all’elaborazione delle immagini e alla compressione audio. Attività didattiche 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. 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. Esistono due sessioni d’esame ufficiali: ordinaria e straordinaria. SESSIONE ORDINARIA: Il voto finale nella sessione ordinaria sarà calcolato ponderando gli esercizi/lavori scritti e gli esami come segue: - 60% del voto ottenuto con lo svolgimento di un esame finale (esame della sessione ordinaria). - 20% del voto ottenuto tramite lo svolgimento di un esame parziale durante il periodo di lezioni. - 20% del voto ottenuto tramite lo svolgimento di 2 compiti da consegnare durante il periodo delle lezioni. 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 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. 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 la realizzazione 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 componenti principali, 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/ Utilizzare il linguaggio matematico per formulare proposizioni in vari campi e costruire dimostrazioni dei problemi posti. TIPO: Abilità o competenze./ 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/ 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./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. 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 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 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 In questo caso, il voto della materia 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 conseguimento 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 non sia stata superata. Se il voto ottenuto nell’esame finale è inferiore a 4,0 su 10, il voto finale sarà pari 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 dati e algoritmi II / Data Structures and Algorithms II | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Strutture 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 ingegneristici 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 caratterizzati da diversi volumi di dati e requisiti prestazionali. 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 tecniche di analisi e progettazione di algoritmi con i principi di programmazione in Python e in altri linguaggi di programmazione utilizzati in contesti professionali. 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», o altri corsi con competenze e risultati di apprendimento simili. Competenze Non applicabile./Non applicabile. Risultati di apprendimento 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 propri 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 (algoritmi 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 fattibili 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 adattamenti: 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 dell’opzione locale migliore con l’aspettativa di ottenere la soluzione globale ottimale. - Implementazioni classiche in Python: cambio di monete, problema dello zaino frazionario e 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 di sottoproblemi calcolati in precedenza. - Tecniche di implementazione: - Approccio top-down (memoizzazione): utilizzo 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 dei limiti inferiori e superiori: 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. Prove di verifica delle conoscenze./Prove di verifica 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, compreso l’enunciato 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 adeguata al problema e cosa esclude le altre. — Scelta delle strutture dati: adeguatezza delle strutture utilizzate al costo delle operazioni dominanti dell’algoritmo. — Struttura e chiarezza del codice: organizzazione modulare, uso adeguato 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 tema 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 motivazione 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 dell’attività a titolo 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 dalla materia. Criteri di valutazione: — Analisi dell’efficienza: calcolo della complessità temporale e spaziale di algoritmi dati, in notazione O, Theta e Omega, e risoluzione di relazioni ricorrenti. — Progettazione di algoritmi: stesura in pseudocodice della soluzione a un problema nuovo, 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, se del caso. — 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 di 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 della materia, 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 ricorrere 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 quadrimestre, 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 votazione, 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 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 d’esame. ------------------------------------------------------------------------------------------------------- 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 del lavoro: durante la discussione, ogni membro del gruppo è responsabile dell’intero progetto, non solo della propria parte. La mancata partecipazione alla discussione orale comporta la perdita del 50 % del voto relativo a tale attività su base individuale. c) Esame finale, sessione ordinaria (50 %) Si svolge nella data fissata 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 di ricorrenza. — 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 esenta 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 CONTA 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 voto, 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 incide per il 100% sul voto finale e che verte sull’intero contenuto del corso, sia teorico che pratico. 4. RECUPERO (SESSIONE D’ESAME STRAORDINARIA) Il voto si ottiene esclusivamente dall’esame di recupero, che verte sull’intero contenuto del corso. Le attività di valutazione continua non incidono sul voto in questo periodo. 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 il corso di 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 ogni 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 rigorosi requisiti temporali o economici. 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 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 è il risultato di un processo di valutazione continua. La valutazione continua comprende le seguenti prove: 1) un esame a curve, in 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 di base su 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 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
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 vivamente 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 specificate: - 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 è considerato 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 degli 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 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 aggiunto il corrispondente voto qualitativo: - 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 2.- Jerrold E. Marsden, Anthony J. Tromba Calcolo vettoriale 3ª ed. Addison-Wesley Iberoamericana. 1991. ISBN: 0201629356 Altri: 3.- James R. Munkres Analisi su 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, precisione 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 una 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 nell’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 combinati di inglese di base, con lo studio e il perfezionamento dell’uso della lingua in diversi ambiti della vita quotidiana, e di 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 proposizioni;;;; 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 semi-modali 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 rischio basso 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) – Spiegare 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: frasi 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./Knowledge assessment tests. 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 mantenuto 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, espressione scritta ed espressione 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%): verranno 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 di 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 costituirà il 100% del voto finale. In tal caso, gli studenti saranno valutati come segue: Scritto: 25% Lettura: 25% Ascolto: 25% Espressione orale: 25% Una volta completate tutte le attività di valutazione continua, se la media complessiva in una qualsiasi delle quattro competenze linguistiche (lettura, scrittura, comprensione orale e/o espressione orale) è inferiore a 2,5 su 10, i voti non potranno essere mediati. In tal caso, il voto finale sarà limitato a un massimo di 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 La valutazione degli studenti avverrà 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, si potrebbero esaminare 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’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. 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: EDP lineare a 2 e 3 variabili. EDP semilineare. Il Pfaffiano. EDP1 generale. 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. Prove di verifica 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 Di base: 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 specifiche della 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 nella progettazione e nell’implementazione di soluzioni parallele, concorrenti e distribuite mediante l’uso di Python e dei suoi moduli e librerie, selezionando modelli di programmazione, quali 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 del problema, 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 pensato per fornire agli studenti le competenze necessarie per progettare e implementare soluzioni parallele, concorrenti e distribuite utilizzando Python e i suoi 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 ingegneristici, 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, soggetti a 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 che abbiano un impatto su team interdisciplinari o in contesti multiculturali./ Sviluppare lavori e progetti legati all’ingegneria matematica che abbiano un 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 giustificazione 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). - Sfide principali: 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./Interactive classes. 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. - Ordine, 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 all’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 valutazione 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 tramite 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 spieghi 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 a big data, machine learning o calcolo scientifico, applicando strategie di parallelizzazione e 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 sicurezza dei thread). - 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 dei 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 esame straordinario, 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 ottenere 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 della stessa e sull’efficienza dei metodi applicabili alla risoluzione di un problema. L’apprendimento teorico-pratico dello studente viene integrato attraverso l’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 strumenti computazionali moderni, 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 di 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 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’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. 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. 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. Prove di verifica 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 degli 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% nel 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 d’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 Clicca 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 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| S0141410 | Sistemi digitali | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sistemi digitaliCódigo: S0141410 Imprimir Corso 2. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Acquisire le nozioni fondamentali relative alla struttura dei computer e alle loro componenti hardware di base. Prerequisiti Non sono stati stabiliti prerequisiti. Risultati di apprendimento RK2 Comprensione e padronanza dei concetti di base relativi a campi e onde ed elettromagnetismo, teoria dei circuiti elettrici, circuiti elettronici, principi fisici dei semiconduttori e famiglie logiche, dispositivi elettronici e fotonici, nonché la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. Descrizione dei contenuti Contenuti generali: Elementi costitutivi fondamentali dell’elettronica digitale, circuiti sequenziali, circuiti combinatori, microcontrollori, microprocessori: struttura e organizzazione. Argomento 1: Introduzione ai sistemi binari. Rappresentazione digitale delle informazioni: sistemi numerici e codici. Algebra di Boole. Argomento 2: Logica combinatoria a due livelli. Funzioni logiche e commutatori. Porte logiche. Porte ad alta impedenza. Argomento 3: Dispositivi logici programmabili. Matrici programmabili di porte logiche (PAL, PLA e ROM). Argomento 4: Moduli funzionali basati sulla logica combinatoria. Multiplexori. Demultiplexori. Codificatori. Decodificatori. Moduli aritmetici. Memorie. Argomento 5: Introduzione ai circuiti logici sequenziali Tipi di flip-flop. Relazione tra flip-flop. Diagrammi temporali. Diagrammi di stato Argomento 6: Moduli funzionali basati sulla logica sequenziale. Registri di memoria. Registri a scorrimento. Contatori. Argomento 7: Introduzione ai sistemi programmabili. Studio dei blocchi che compongono un sistema a microprocessore: CPU, memorie, interfaccia di ingresso/uscita. Concetto di bus. Funzionamento di un microprocessore. Introduzione alla programmazione. Esercitazioni di laboratorio: Esercitazione 1: Verifica della tabella di verità. Esercitazione 2: Codificatori e decodificatori. Esercitazione 3: Progettazione di un orologio digitale. Attività formative V1.- Lezioni frontali: visione e presentazione dei contenuti V2.- Lezioni sincrone interattive V3.- Attività in workshop e/o laboratori in ambienti virtuali. V4.- Esercizi guidati sulla piattaforma V5.- Studio individuale. V6.- Svolgimento di prove di verifica delle conoscenze Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto della valutazione continua in sede (esercizi, test, ecc.): 40% * Esame finale: 60% Bibliografia Bibliografia di base: 1.- J. C. Hernández Martín Elettronica digitale e microprogrammabile Thomson Paraninfo. 2007. ISBN: 9788497325059 2.- Thomas L. Floyd Fondamenti dei sistemi digitali Pearson Prentice Hall. 2006. ISBN: 8483220857 Letteratura complementare: 3.- Angulo Usategui, José Mª Sistemi digitali e tecnologia dei computer 2ª ed. Australia: Thomson, 2001. 2001. ISBN: 8497320425 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 36 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Terzo anno
PRIMO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 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 acquisire agli studenti la conoscenza dei diversi metodi numerici per la risoluzione delle equazioni differenziali, di far loro acquisire dimestichezza nell'uso delle librerie di simulazione numerica e di insegnare loro ad analizzare i segnali mediante la trasformata di Fourier e di Laplace. 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, sviluppare competenza nell’uso delle librerie di simulazione numerica e imparare ad analizzare i segnali utilizzando le trasformate di Fourier e di Laplace. 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./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 - Utilizzare programmi software per risolvere problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato./ Utilizzare programmi software per risolvere 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 - Comprendere diversi modelli di simulazione, la simulazione stocastica, la gestione e la pianificazione dei sistemi logistici; risolvere, con l’ausilio di software, casi relativi a modelli di gestione e pianificazione della produzione./ Comprendere diversi modelli di simulazione, la simulazione stocastica, la gestione e la pianificazione dei sistemi logistici; 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/ 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 di analisi statistica, calcolo numerico e simbolico, visualizzazione grafica, ottimizzazione o altro per risolvere problemi/ Utilizzare applicazioni informatiche per l’analisi statistica, il calcolo numerico e simbolico, la visualizzazione grafica, l’ottimizzazione o altro, allo scopo 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 (EDOS) lineari e non lineari, e l’attenzione è rivolta all’implementazione computazionale di diversi di questi modelli, come 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, si studiano anche sistemi di equazioni differenziali ordinarie non lineari e se ne esplorano le principali applicazioni nell’ambito dell’ingegneria matematica, quali lo studio delle popolazioni, le applicazioni nella chimica industriale o nell’elettronica, nonché nei fenomeni di trasporto. L’ultima parte del corso si concentra sull’analisi dei segnali, partendo dai metodi di regressione lineare e non lineare e concludendo con l’uso delle trasformate di Fourier e di Laplace. ------------------------- 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 delle popolazioni, le applicazioni nella chimica industriale e nell’elettronica e i fenomeni di trasporto. La parte finale del corso è dedicata all’analisi dei segnali, partendo dai metodi di regressione lineari e non lineari per concludersi con l’uso delle trasformate di Fourier e di Laplace. 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 individuale, 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 All’interno dei sistemi di valutazione si distinguono 3 parti: - SE1: 20%. Si tratta di esercitazioni svolte in classe sull’implementazione computazionale dei metodi numerici. - SE2: 20%. Si tratta di casi di studio pratici la cui valutazione consiste in una relazione finale. In genere se ne svolgono da 2 a 4 durante il corso. - SE3: 60%. Si tratta di prove scritte di verifica delle conoscenze. È previsto un esame di metà corso che incide per il 20% e un esame finale che incide per il restante 40%. 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 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. ------------------------- PERIODO DI ESAME ORDINARIO Il sistema di valutazione comprende tre componenti: - SE1: 20% — Laboratori in aula incentrati sull’implementazione computazionale dei metodi numerici. - SE2: 20% — Casi di studio pratici valutati tramite una relazione finale. In generale, durante il corso vengono svolti da due a quattro casi di studio. - SE3: 60% — Valutazioni scritte delle conoscenze. A metà corso si svolge un esame di metà semestre che incide per il 20%, mentre l’esame finale incide per il restante 40%. 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 Il periodo d’esame straordinario 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 scaricare 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 vengono presentate allo studente 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 tramite computer. 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 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./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 l’ambiente computazionale adeguato per ciascun caso. TIPO: Competenze./TYPE: Competenze. RC4 - Essere in grado di pianificare e sviluppare progetti nel campo dell’ingegneria matematica./ To be able to plan and develop projects in the field of Mathematical Engineering. 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. 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 delle 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 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 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 La valutazione consisterà in un’unica componente (100%), ovvero un esame teorico-pratico. Calendario Clicca su questo link per scaricare 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 in ciascun 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 i 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 conseguimento 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. 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 brachistochrone. Nell’ambito del Controllo, vengono studiati i sistemi dinamici, con regolatori 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 ogni 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 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 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 nei problemi relativi alle 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 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 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’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 le 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. Prove di verifica 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 verifiche esonera dallo svolgimento di parti 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 sarà riportato 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 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| S0241405 | Struttura dei computer | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Struttura dei computerCódigo: S0241405 Imprimir Corso 3. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Questo corso mira a far comprendere allo studente i fondamenti dei sistemi basati sulla programmazione di microprocessori e microcontrollori, poiché ciò costituisce la base per comprendere successivamente le architetture dei computer. Prerequisiti Non sono stati stabiliti prerequisiti. Si raccomanda di possedere conoscenze relative ai dispositivi di elettronica digitale, nonché all’algebra booleana. Competenze CG1. Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informatici. CE1. Ideare e realizzare progetti informatici utilizzando i principi e le metodologie propri dell’ingegneria. CE3. Definire, valutare e selezionare piattaforme hardware e software per lo sviluppo e l’esecuzione di applicazioni e servizi informatici di varia complessità. CE6. Ideare e sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti. CE7. Proporre, analizzare, convalidare, interpretare, installare e mantenere soluzioni informatiche in situazioni reali in diversi ambiti applicativi all’interno di un’organizzazione. Conoscere le principali caratteristiche hardware che influenzano la configurazione e la progettazione dei sistemi informatici. Definire e valutare l’hardware necessario per affrontare progetti informatici di diversa complessità Progettare sistemi software in grado di gestire l’hardware a livello basso. Progettare e realizzare circuiti digitali che implementino progetti di una certa complessità. Conoscere e utilizzare gli strumenti di un laboratorio di elettronica digitale. Risultati di apprendimento Progettazione di circuiti digitali sequenziali e combinatori. Redazione di relazioni sulla progettazione, l’implementazione e il collaudo di programmi di basso livello e sulla loro verifica in laboratorio. Redazione di relazioni sulla configurazione hardware di sistemi informatici che soddisfino determinati criteri. Comprensione degli elementi di valutazione e delle prestazioni dell’hardware e della loro applicazione ai sistemi informatici. Conoscenza dei nuovi componenti hardware e dei sistemi di archiviazione. Conoscenza dell’uso degli strumenti di un laboratorio di elettronica digitale. Descrizione dei contenuti Unità 1: Introduzione alla struttura dei computer. Concetti e componenti di un computer. Architetture. Istruzioni e programmi. Prestazioni del computer. Unità 2: Istruzioni e modalità di indirizzamento. Concetti di base. Introduzione e caratteristiche dell’architettura MIPS. Formati di istruzione e modalità di indirizzamento. Set di istruzioni e strutture di programmazione. Unità 3: Unità di controllo e percorso dei dati. Introduzione alla progettazione di un processore. Il percorso dei dati. Blocchi costitutivi. Funzionamento del percorso dei dati. Unità di controllo. Unità 4: Memoria e I/O. La memoria: concetti e classificazione. Gerarchia della memoria. Gestione della cache. Sottosistemi di ingresso/uscita. Attività formative Le attività formative che verranno svolte affinché lo studente acquisisca le competenze previste nel corso di questo modulo e sia in grado di raggiungere i risultati attesi dal lavoro svolto saranno: 1) Presentazione in aula dei concetti relativi all’elettronica digitale programmabile, dei concetti di base dell’informatica e della configurazione e valutazione dei sistemi informatici, che consentano allo studente di comprendere come affrontare i problemi di configurazione, nonché altre sessioni in presenza in gruppo quali lezioni di presentazione, discussioni, esercitazioni, ecc. 2) Attività di laboratorio di difficoltà crescente che consentano allo studente di acquisire progressivamente la capacità di raggiungere l’autonomia nella risoluzione di problemi di programmazione, nonché proposte di progetti, ricerche guidate su Internet, webquest e altre sessioni di carattere prettamente pratico. 3) Studio individuale, redazione di relazioni, svolgimento di esercitazioni pratiche, ecc., come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto di valutazione continua in sede (esercizi, test, ecc.): 40% * Esame finale: 60% Nell’esame finale, sia nella sessione ordinaria che in quella straordinaria, è richiesto un voto minimo di 4 agli esami affinché possano essere conteggiati i voti relativi alle esercitazioni e ai lavori. Il voto della valutazione continua in sede corrisponderà ai test di ciascuna unità, a due esercizi di feedback relativi alle unità 1-2 e 3-4 e al lavoro finale. Bibliografia Di base: 1.- J. A. Gonzáles Vázquez Introduzione ai microcontrollori 8X52 8X51 McGraw Hill. 1996. ISBN: 8476158033 2.- J. C. Hernández Martín Elettronica digitale e microprogrammabile Thomson Paraninfo. 2007. ISBN: 9788497325059 3.- J. Martínez Pérez e M. Barrón Ruiz Esercitazioni con microcontrollori a 8 bit. Applicazioni industriali. McGraw-Hill. ISBN: 8448101014 4.- Juan Carlos Hernández Elettronica digitale e microprogrammabile Thomson Paraninfo. 2007. ISBN: 978-84-9732-5 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 36 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SECONDO QUARTALE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0342305 | Calcolo stocastico | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Calcolo stocasticoCódigo: C0342305 Imprimir Corso 3. Materia del secondo quadrimestre. Obbligatorio. 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, comprendendone 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 risoluzione 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 corso di laurea. 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 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. 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 ambito 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. Prove di verifica 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 le seguenti modalità: - 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 bocciata. 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 IA 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./Non applicabile. Risultati di apprendimento RC2 - Identificare le diverse fasi del processo di modellizzazione matematica, distinguendo tra formulazione, analisi, risoluzione e interpretazione dei risultati/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competenze./TYPE: Competences. 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. 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, ed essere in grado 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 altre finalità, 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 blocco, inclusi DES e AES, e le loro modalità operative. • Funzioni hash: funzioni hash crittografiche, le loro proprietà e le 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 operative. • 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): sistemi crittografici moderni 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. Allo stesso modo, 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 integrativo 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 si baserà 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 di corso: 5% del voto finale. – Progetto completo che coinvolge 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 DI ESAMI 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 d’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 fondamentali 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. Obbligatorio. 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 corso di laurea./Non sono stati stabiliti prerequisiti per questo corso. Tuttavia, è altamente raccomandabile che gli studenti abbiano già completato o stiano frequentando i corsi di programmazione previsti dal corso di laurea. 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: Competences. RC3 - Utilizzare programmi software per risolvere problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato./ Utilizzare programmi software per risolvere 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, ed essere in grado 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 come 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, assicurando la conformità agli standard di qualità e alle 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 di 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/ 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 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./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: 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. Obbligatorio. 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 comprende i 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 con 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 inclusi nel programma 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./ Pianificare la risoluzione di un problema in base agli strumenti disponibili e ai vincoli di tempo e risorse. TIPO: Competenze o abilità./ TIPO: Competenze. 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 bordo. 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 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 esame 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 di secondo ordine (PDE). Attività formative AP1. Lezioni frontali./Lectures. AP2. Lezioni interattive./Lezioni interattive. 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. Prove di verifica delle conoscenze./Knowledge assessment tests. 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 voto su una scala 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 sarà il voto ottenuto in tale esame; non saranno presi in considerazione né i workshop né i compiti. Il corso si considera superato nel periodo d’esame straordinario se il voto finale è 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.- 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. Obbligatorio. 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. - Apprendere 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 - Dimostrare un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico, ed essere in grado di assumere 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, nel rispetto di rigorosi requisiti temporali o economici. TIPO: Competenze. RC7 - Sviluppare lavori e progetti legati all’ingegneria matematica con un 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 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 a 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 delle conoscenze. 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 alle discussioni e ai 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 se 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 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| S0141408 | Fondamenti delle reti di comunicazione | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fondamenti delle reti di comunicazioneCódigo: S0141408 Imprimir Corso 3. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Acquisizione delle nozioni di base relative a: - Aspetti avanzati e tendenze delle reti informatiche: supporto alla qualità del servizio, commutazione avanzata, IPv6... - Tecnologie di rete e protocolli utilizzati nelle reti attuali: configurazione dinamica, sicurezza, meccanismi di interconnessione delle reti... Prerequisiti Non sono stati stabiliti prerequisiti Risultati di apprendimento RK5 Conoscenza della struttura, dell’organizzazione, del funzionamento e dell’interconnessione dei sistemi informatici, dei fondamenti della loro programmazione e della loro applicazione alla risoluzione di problemi tipici dell’ingegneria. RS12 Capacità di selezionare, progettare, implementare, integrare e gestire reti e infrastrutture di comunicazione all’interno di un’organizzazione. RC4 Capacità di comprendere e applicare le caratteristiche, le funzionalità e la struttura dei sistemi distribuiti, delle reti di computer e di Internet, nonché di progettare e implementare applicazioni basate su di essi. RC11 Capacità di progettare, implementare, amministrare e gestire reti di computer. RC12 Capacità di valutare la complessità computazionale di un problema, conoscere le strategie algoritmiche che possono portare alla sua risoluzione e raccomandare, sviluppare e implementare quella che garantisca le migliori prestazioni in base ai requisiti stabiliti. Descrizione dei contenuti Contenuti generali del modulo: Modelli di riferimento OSI, Livello fisico, Livello di collegamento dati, Livello di rete, Indirizzamento IP, ARP e ICMP, Sottoreti, Instradamento, Livello di trasporto, commutazione nella progettazione delle LAN, Switch, LAN virtuali, trunking VLAN, tecnologie WAN, protocolli punto a punto, tecnologie fisiche. Attività formative V1.- Lezioni frontali: visione e presentazione dei contenuti V2.- Lezioni sincrone interattive V4.- Esercizi guidati sulla piattaforma V5.- Studio individuale V6.- Compilazione di test di verifica delle conoscenze Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto di valutazione continua in sede (esercizi, test, ecc.): 40% * Esame finale: 60% Bibliografia Di base: 1.- Feit, Sidnie TCP/IP: Architettura, protocolli e implementazione con IPv6 Madrid: McGraw Hill, 2004. 2004. ISBN: 8448142969 2.- Stallings, William Comunicazioni e reti informatiche Madrid [ecc.]: Pearson Educación, 2004. 2004. ISBN: 8420541109 3.- Tanenbaum, Andrew S. Reti di computer Messico : Pearson Educación, 2003. 2003. ISBN: 9702601622 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 36 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Quarto anno
MATERIE ANNUALI
| Codice | Soggetti | Carattere* | ECTS | ||
|---|---|---|---|---|---|
| S0241401 | Comunicazione in lingua straniera 2 | FB | 6 | ||
Comunicazione in lingua straniera 2Código: S0241401 Imprimir Anno accademico 4. Materia annuale. Formazione di base. 6 crediti. Profesores
Obiettivi Il corso "Comunicazione in lingua straniera 2" ha durata annuale e vale 6 crediti. Questo corso mira a formare gli studenti nell'uso di una lingua straniera, prestando 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). Prerequisiti Non sono stati stabiliti prerequisiti, sebbene si raccomandi di aver frequentato il corso «Comunicazione in lingua straniera 1». Competenze CG1. Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o all’utilizzo di sistemi informatici. CG2. Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle TIC e, in particolare, all’Informatica, comprendendone l’impatto socioeconomico. CG3. Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività dell’ingegnere informatico e il suo ruolo nell’ambito delle TIC e della Società dell’Informazione e della Conoscenza CE4. Possedere le basi matematiche, fisiche, economiche e sociologiche necessarie per interpretare, selezionare, valutare e creare nuovi concetti, teorie, applicazioni e sviluppi tecnologici relativi all’informatica e alla loro applicazione. CE8. Ideare, implementare, organizzare e gestire sistemi e servizi informatici in contesti aziendali o istituzionali per migliorare i relativi processi aziendali, assumendosi la responsabilità e guidandone l’avvio e il miglioramento continuo, nonché valutarne l’impatto economico e sociale. • Padronanza della lingua straniera a livello professionale • Padronanza delle tecniche comunicative a livello base Risultati di apprendimento • Padronanza di una lingua straniera Descrizione dei contenuti A) Contenuti funzionali: Ascoltare e commentare argomenti di attualità Ascoltare e commentare argomenti di interesse personale Descrivere eventi Descrivere sentimenti Scrivere testi di carattere personale e informale, nonché di carattere tecnico e/o formale Scrivere testi relativamente complessi su argomenti generali, specifici e di interesse personale Esprimersi oralmente in situazioni quotidiane, informali, professionali e formali Parlare della famiglia, degli hobby, dei viaggi, delle preferenze, dei motivi per studiare all’estero, dell’ambiente, del lavoro, degli sport d’avventura, della salute, dello shopping, degli animali, dei luoghi in cui vivere, dei festival, della tecnologia e dell’attualità Esprimere e difendere un’opinione;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; suggerire, esprimere accordo o disaccordo, chiedere opinioni: introdurre un’opinione, una spiegazione o un esempio;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; speculare B) Contenuti grammaticali: Tempi del presente (presente semplice, presente progressivo, passato semplice, passato progressivo) Tempi del passato (passato semplice, passato perfetto, passato perfetto semplice e passato perfetto) Used to Diversi modi per esprimere il futuro Le frasi condizionali Verbi modali Wish, if only, hope Look, seem, appear La voce passiva Verbi seguiti dall'infinito e/o dalla forma in -ing Aggettivi che terminano in –ed / -ing Comparativi di aggettivi e avverbi As / like So / Such;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; Troppo / Abbastanza Domande;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; domande indirette Sostantivi numerabili e non numerabili Gli articoli Pronomi e frasi relative Lo stile indiretto Parole per esprimere contrasto;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;; quando, se, nel caso in cui, anche se, pur se, se C) Contenuti lessicali Collocazioni Verbi frasali Espressioni per esprimere accordo e disaccordo Aggettivi e sostantivi per descrivere esperienze e sentimenti Aggettivi che descrivono la personalità Vocabolario relativo a: studi, tempo libero, vacanze, ambiente, lavoro, sport d'avventura, televisione, shopping, tipi di alloggio, corpo (vocabolario medico), tecnologia Viaggio, gita, spostamento, percorso Attività formative Le attività formative che verranno svolte affinché lo studente acquisisca le competenze previste saranno le seguenti: 1) Seminari. I seminari si articolano in tre tipi principali di attività: attività di presentazione, attività pratiche e attività di produzione orale e scritta. Tutte le attività saranno svolte sotto la supervisione del docente e saranno adeguate al livello linguistico richiesto. 1a) Attività di presentazione: in queste vengono presentati i nuovi contenuti funzionali e, di conseguenza, gli elementi lessicali e grammaticali che lo studente deve acquisire. Tipologie di attività di presentazione: • Lettura di testi adattati al livello richiesto ed esercizi di comprensione degli stessi. • Esercizi di comprensione orale relativi a situazioni professionali e/o della vita quotidiana, adattati al livello di lingua straniera richiesto. 1b) Attività di esercitazione: in queste attività si mettono in pratica in classe i contenuti precedentemente presentati. Tipi di attività di esercitazione: • Attività e compiti di esercitazione e consolidamento grammaticale o lessicale. • Esercizi di individuazione delle differenze nelle informazioni sulla base di indicazioni fornite dal docente e in base al livello di lingua straniera richiesto. • Esercizi di elaborazione di una situazione orale sulla base di linee guida fornite dal docente e in base al livello di lingua straniera richiesto. • Lavori individuali o di gruppo. 1c) Attività di produzione: in queste attività lo studente deve produrre testi orali o scritti utilizzando i contenuti precedentemente presentati ed esercitati, a seconda del livello linguistico. Tipi di attività di produzione: • Compiti di redazione di testi adeguati al livello di lingua straniera richiesto. • Esercizi di analisi delle differenze informative di difficoltà superiore rispetto a quelli svolti nelle attività pratiche, sulla base delle linee guida fornite dal docente. • Presentazioni orali individuali o di gruppo. • Compiti di elaborazione di una situazione orale sulla base delle linee guida fornite dal docente. 2) Attività di laboratorio. Lo studente deve frequentare il laboratorio linguistico, con o senza la supervisione del docente. 3) Studio individuale degli studenti. Questo si svolgerà individualmente o in gruppi di studio. 4) Prove di valutazione. 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 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. ---- 1. Sessione ordinaria e straordinaria: 1.1 60% del voto finale: lo svolgimento di esami scritti teorici e/o pratici sui contenuti trattati nelle attività formative svolte in modalità semi-presenziale. 1.2 20% del voto finale: la risoluzione di problemi e/o casi pratici che riprendano i contenuti trattati nelle attività formative svolte in modalità semi-presenziale. 1.3 20% del voto finale: lo svolgimento di un elaborato sui contenuti trattati nelle attività didattiche svolte in modalità mista. Bibliografia Di base: 1.- Roy Norris Ready for First (3ª edizione) Libro dello studente (senza soluzioni) Macmillan. 2013. ISBN: 9780230440012 Complementare: 2.- Helen Stephenson, Lewis Lansford, Paul Dummet Keynote Upper Intermediate. Libro dello studente e quaderno di esercizi SGEL. 2016. ISBN: 978-1-337-561 3.- Roy Norris e Lynda Edwards Ready for First (3ª edizione) Quaderno di esercizi (con soluzioni e CD audio) MacMillan. 2013. ISBN: 9780230440074 Altri: 4.- Barbara Thomas e Amanda Thomas Complete First Certificate - Quaderno di esercizi Cambridge English. 2011. ISBN: 9788483237328 5.- Christopher Jacques Technical English Level 3. Workbook (con soluzioni e CD audio) Pearson Longman. 2011. ISBN: 9781408267981 6.- David Bonamy Inglese tecnico 3. Libro di testo (2ª edizione) 2ª ed. Pearson Longman. 2008. ISBN: 9781292424484 7.- Guy Brook-Hart Complete First Certificate - Libro dello studente Cambridge English. 2011. ISBN: 9788483237267 8.- Guy Brook-Hart Complete First Certificate. Cambridge English: First. Libro dello studente. Cambridge University Press. 2011. ISBN: 9788483237267 9.- Martin Hewings Advanced grammar in use: un manuale di riferimento e di esercitazione per lo studio autonomo Cambridge University Press. 1999. 10.- Michael Vince e Peter Sunderland Advanced Language Practice (con soluzioni) MacMillan. 2003. ISBN: 9781405007627 11.- Raymond Murphy English Grammar in Use (con soluzioni) Cambridge University Press. 2003. ISBN: 9780521532891 12.- Simon Collin Dizionario di scienza e tecnologia Bloomsbury. 2003. ISBN: 0747566208 |
|||||
| TOTALE: | 6 | ||||
PRIMO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0442300 | Apprendimento automatico | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Apprendimento automaticoCódigo: C0442300 Imprimir Corso 4. Materia del primo quadrimestre. Obbligatorio. 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, combineremo i concetti teorici con 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 assumere comportamenti coerenti con i principi etici e deontologici che regolano l’innovazione scientifica e la pratica professionale dell’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 e la loro applicazione alla risoluzione di problemi tipici dell’ingegneria. TIPO: Conoscenze o contenuti. RK3 - Conoscere i concetti di statistica e di 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 d’uso: 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 di studio 2) Esame finale (50%): esame nella sessione ordinaria, composto per il 50% da domande teoriche e per il 50% da casi pratici. 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 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. Obbligatorio. 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, avere 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 dimostrare 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 di inferenza statistica in grandi insiemi di dati./ Comprendere i concetti di statistica e di inferenza statistica in grandi insiemi di dati. TIPO: Conoscenze o contenuti./ TIPO: Conoscenze o contenuti. 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 altre finalità, 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 come 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 di studio 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 come 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 dei progressi. 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. AP5. Tutoraggio./Tutorial. AP6. Prove di verifica delle conoscenze./Knowledge assessment tests. 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 ordinaria ufficiale, il cui contenuto comprenderà l’intero programma didattico 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, 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, 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 sarà sostenuto individualmente durante il periodo ufficiale d’esame ordinario e verterà su tutti i contenuti 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 d’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 sull’intero programma 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 scaricare il calendario dettagliato in formato Excel
Bibliografia Di base: 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 (noto anche in spagnolo 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 - Riconosce correttamente diverse situazioni, quali i problemi di rete, e utilizza 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 vivamente consigliato 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 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 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. 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 ad albero. Argomento 2. Problema del percorso minimo. Argomento 3. Problema dei flussi (flusso massimo, flusso di 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 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 dei progetti e delle prove d’esame secondo le seguenti percentuali: - Valutazione continua (60%) + Esame parziale (20%) + Progetto (20%) + Consegna degli esercizi (20%) - Esame finale (40%) 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 su 10, il voto finale sarà quello ottenuto in tale esame. Il voto finale del corso nella SESSIONE STRAORDINARIA sarà calcolato come media ponderata di progetti ed esami secondo le seguenti percentuali: - Valutazione continua (20%) + Progetto (10%) + Consegna degli esercizi (10%) - Esame finale (80%) SE1: Consegna degli esercizi (10%), SE2: Progetto (10%) e SE3: Esame finale (80%) Calendario Clicca su questo link per visualizzare 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 altamente 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 Equazioni alle 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 - Utilizzare programmi software in grado di risolvere problemi matematici e di ingegneria, utilizzando per ciascun caso l’ambiente computazionale adeguato./ Utilizzare programmi software in grado di risolvere 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 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: Competenze. 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 di 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 casi relativi a modelli di gestione e pianificazione della produzione utilizzando software. 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/ 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 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. • Considerazioni relative 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. • Mescolatura dei pezzi. Considerazioni sulla mescolatura. Selezione del tipo di mescolatura. 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 creazione della 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./ 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: • 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 di 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 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| S0241404 | Economia aziendale | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Economia aziendaleCódigo: S0241404 Imprimir Corso 4. Materia del primo quadrimestre. Formazione di base. 6 crediti. Profesores
Obiettivi Fornire allo studente le conoscenze teoriche e pratiche di base che gli consentano di comprendere la natura dell'attività economica e, in particolare, dell'attività imprenditoriale. Descrizione dei contenuti Argomento 1. L’impresa, l’imprenditore e il contesto imprenditoriale. Argomento 2. La gestione aziendale e il processo decisionale. Argomento 3. La funzione produttiva dell'impresa. Argomento 4. La funzione finanziaria dell’impresa. Argomento 5. La gestione commerciale. La gestione del marketing. Argomento 6. Piani aziendali. 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. ---- La valutazione continua del corso si articola in due parti: - Attività in sede (esercizi, test, ecc.): 40% - Esame finale della sessione ordinaria (nella data stabilita dall’Università): 60% Per superare il corso nella sessione ordinaria sarà necessario ottenere un voto pari o superiore a 5 nella valutazione continua (si calcolerà la media con un voto nell’esame finale pari o superiore a 4). Se lo studente soddisfa questi requisiti, il voto finale del corso nella sessione ordinaria sarà calcolato sommando i voti ottenuti in ciascuna delle due parti della valutazione continua in base alla loro ponderazione. SESSIONE STRAORDINARIA: gli studenti che non abbiano superato il corso nella sessione ordinaria avranno la possibilità di recuperare il corso, potendo scegliere tra il miglior voto tra i seguenti due: 1. Esame sull’intera materia nella data ufficiale indicata dall’università, che avrà un peso del 100%. 2. Recupero della valutazione continua entro il termine stabilito dal docente per la consegna della parte relativa al 40% (lavoro finale). In questo caso il voto sarà calcolato allo stesso modo della valutazione continua. Bibliografia Di base: 1.- Bueno Campos, E. Corso base di economia aziendale Pirámide. 2004. ISBN: 8436807790 2.- Bueno Campos, E. Organizzazione aziendale: struttura, processi e modelli Madrid: Pirámide, 1997. 1997. ISBN: 8436809769 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| S0241406 | Sistemi operativi | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Sistemi operativiCódigo: S0241406 Imprimir Corso 4. Materia del primo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Il presente corso presenta gli aspetti più importanti dei sistemi operativi che lo studente di Ingegneria tecnica in Informatica dei sistemi deve conoscere. I contenuti teorici partono dai concetti di base relativi all’architettura della macchina fisica per passare, successivamente, all’analisi dei principali aspetti strutturali e funzionali che caratterizzano i moderni sistemi operativi. Nel corso del programma si cercherà di far acquisire agli studenti una conoscenza adeguata dei principali componenti che costituiscono la maggior parte dei sistemi operativi e del modo in cui questi sono organizzati e svolgono le rispettive funzioni. Il corso tratterà i sistemi operativi sia dal punto di vista dei servizi che offrono agli utenti e alle applicazioni, sia dal punto di vista delle attività di amministrazione e gestione che svolgono su tutte le risorse del sistema sotto il loro controllo. Per quanto riguarda il primo punto, si riterrà fondamentale che lo studente acquisisca familiarità con l’uso dell’interfaccia di programmazione (API) offerta dal sistema operativo per richiedere i suoi servizi e le sue funzionalità. Si cercherà di applicare le conoscenze acquisite a due dei sistemi operativi più diffusi al giorno d’oggi: Linux e Windows. Prerequisiti Nessuno Competenze CG1. Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informatici. CE1. Ideare e realizzare progetti informatici utilizzando i principi e le metodologie propri dell’ingegneria. CE3. Definire, valutare e selezionare piattaforme hardware e software per lo sviluppo e l'esecuzione di applicazioni e servizi informatici di diversa complessità. CE6. Ideare e sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti. CE7. Proporre, analizzare, convalidare, interpretare, installare e mantenere soluzioni informatiche in situazioni reali in diversi ambiti applicativi all’interno di un’organizzazione. • Conoscere l’architettura generica dei sistemi operativi: componenti principali, funzionamento e interrelazione tra di essi. • Conoscere il modo in cui il sistema operativo gestisce e amministra le risorse fisiche e logiche del sistema. • Applicare gli strumenti e le funzionalità offerti dal sistema operativo. • Progettare e implementare programmi che utilizzino l’API di programmazione offerta dal sistema operativo per richiedere i suoi servizi. • Applicare il concetto di thread per lo sviluppo di applicazioni. Risultati di apprendimento • Comprensione dei concetti relativi alla struttura e al funzionamento dei sistemi operativi. • Progettazione di processi che sfruttino i servizi del sistema operativo. • Progettazione di applicazioni multithread e distribuite. Descrizione dei contenuti Introduzione ai sistemi operativi, processi e thread, pianificazione del processore, comunicazione e sincronizzazione, gestione della memoria, gestione dei file e I/O Attività formative 1) Presentazione in aula dei concetti relativi alla programmazione strutturata, all’orientamento agli oggetti e all’algoritmica, nonché alla risoluzione di problemi che consentano allo studente di apprendere come affrontarli, oltre ad altre sessioni in presenza in gruppo quali lezioni di discussione, condivisione, ecc. 2) Attività di laboratorio di difficoltà crescente che consentano allo studente di acquisire progressivamente la capacità di raggiungere l’autonomia nella risoluzione di problemi di programmazione, nonché proposte di progetti, ricerche guidate su Internet, webquest e altre sessioni di carattere prevalentemente pratico. 3) Studio individuale, redazione di relazioni, svolgimento di esercitazioni pratiche, ecc., come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione Distribuzione dei crediti ECTS Distribuzione dei crediti ECTS Distribuzione dei crediti ECTS Distribuzione dei crediti ECTS La ripartizione in crediti ECTS per ciascuna delle attività formative sopra indicate e per ciascuna delle materie è la seguente: 1) 2) 3) 4) Totale Sistemi operativi 1 1 3,5 0,5 6 Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto della valutazione continua in aula (esercizi, test, ecc.): 40% Esercizi con feedback e test: 16%+8% Esercizio finale: 16% * Esame finale: 60% IMPORTANTE: La ponderazione del voto finale secondo le percentuali sopra indicate verrà applicata a condizione che il voto dell’esame finale sia >=4 punti. In caso contrario, il 100% del voto finale corrisponderà a quello ottenuto in tale esame. Gli esercizi con feedback potranno essere consegnati entro e non oltre la data dell’esame della sessione ordinaria. Oltre tale data NON saranno ammesse nuove consegne che potrebbero essere conteggiate ai fini della media per la sessione straordinaria, sebbene SIA comunque mantenuta la ponderazione corrispondente a questa parte. Lo stesso vale per i test di autovalutazione, che potranno essere svolti, al massimo, fino al giorno precedente la data dell’esame della sessione ordinaria. L’esercizio finale, invece, potrà essere consegnato fino alla data dell’esame della sessione straordinaria, qualora fosse necessario ricorrere a tale sessione. Bibliografia Di base: 1.- Carretero, J. et al Sistemi operativi McGraw-Hill. 2007. ISBN: 9788448156435 2.- Reinoso Peinado, A.J. Programmazione per sistemi operativi Unix/Linux Publicep. 2007. ISBN: 9788483680339 Letteratura complementare: 3.- Gary Nutt Sistemi operativi McGraw-Hill. 2004. ISBN: 8478290672 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 36 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SECONDO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 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 dalla loro archiviazione ed elaborazione fino alla loro analisi e 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. Inoltre, vengono discussi gli aspetti etici e legali relativi all’uso dei dati e vengono analizzate 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 - Dimostrare un atteggiamento critico e autocritico per affrontare le sfide della propria attività di ingegnere matematico, ed essere in grado di assumere 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 di 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 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 comprendere come l’intelligenza artificiale potenzi l’analisi e l’innovazione nel campo dei Big Data. - Analitica 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 orientato all’azione. 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: esame finale che copre il 100% 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: The Definitive Guide: 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, le comunicazioni 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 natura tecnologica e di ricerca, sviluppo e innovazione (R&D&I), integrando strategie di innovazione e risoluzione dei problemi nella loro pianificazione ed esecuzione./Il corso mira 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»./No prerequisites have been established for this course. However, it is advisable that students have previously completed the course «Management and Production Models». 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: Competences. 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 concetti 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: Competenze. 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 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./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 di 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, 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./ 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 • Elaborato + 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 ESAMI 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 studio. 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, 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 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 in ambito professionale. TIPO: Competenze Descrizione dei contenuti Lavoro originale svolto individualmente, consistente in un progetto completo nell’ambito dell’Ingegneria Matematica di natura professionale in cui siano sintetizzate le competenze acquisite durante il percorso di studi. 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 triennale (TFG) 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) previste dal piano di studi del corso di laurea. Inoltre, richiede anche l’approvazione motivata del relatore della tesi o, in sua assenza, del responsabile degli studi 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 dinanzi a una commissione d’esame. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| S0241409 | Reti | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
RetiCódigo: S0241409 Imprimir Corso 4. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi In questo corso vengono analizzati i dispositivi e le normative che gli amministratori di una rete di computer. Inoltre, si affronta la strutturazione del cablaggio di rete e le sue modalità di organizzazione, senza tralasciare il funzionamento dell’instradamento dinamico, molto importante se la rete raggiunge dimensioni considerevoli. Un punto importante del corso riguarda l’IPv6 e come si sta avvenendo la transizione tra IPv4 e IPv6, quali cambiamenti comporta e quali novità presenta. Infine, verrà fornita un’approfondita introduzione alla sicurezza nelle reti di comunicazione, ponendo particolare attenzione ai sistemi di crittografia e alle comunicazioni crittografate. Si tratta di un corso da 6 ECTS, in cui acquisirai le competenze necessarie per poter gestire una rete e la sua interconnessione con altre. Potrai inoltre conoscere le novità dell’IPv6 e come avviene la transizione verso l’IPv6. Imparerai inoltre i principi di base della crittografia e delle comunicazioni sicure Prerequisiti Non sono stati stabiliti prerequisiti. Competenze • Conoscere i principi dei protocolli di comunicazione e dell’architettura a livelli. • Progettare e sviluppare sistemi o architetture informatiche centralizzate o distribuite, integrando hardware, software e reti. • Progettare e implementare una struttura di rete che comprenda dispositivi di interconnessione. Risultati di apprendimento • Redazione di relazioni sulla progettazione dell’architettura delle reti di comunicazione • Configurazione di reti e servizi di comunicazione secondo criteri prestabiliti • Comprensione dei concetti di protocollo di comunicazione e architettura di rete a livelli Descrizione dei contenuti Unità 1. Introduzione alle reti locali e ai dispositivi di interconnessione. Unità 2. Reti LAN, reti dorsali, VLAN e protocolli di accesso al mezzo condiviso Unità 3. Cablaggio strutturato. Unità 4. Routing dinamico Unità 5. IPv6 Unità 6. Sicurezza nelle TIC. Introduzione alla sicurezza informatica. Attività formative Le attività formative che saranno svolte affinché lo studente acquisisca le competenze previste durante lo svolgimento di questo modulo e sia in grado di raggiungere i risultati attesi dal lavoro svolto saranno: 1) Presentazione in aula dei concetti relativi alle discipline che compongono ciascuna materia e risoluzione di problemi che consentano allo studente di apprendere come affrontarli, nonché altre sessioni in presenza di gruppo quali lezioni di discussione, condivisione di idee, ecc. 2) Svolgimento di casi pratici in piccoli gruppi e di altre attività che richiedano la formazione di gruppi di studenti per la loro realizzazione. 3) Studio individuale, redazione di relazioni, svolgimento di tirocini, ecc. come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione. 5) Attività su piattaforme virtuali: collegamenti a file e siti web, test di autovalutazione, forum partecipativi, lavori di approfondimento, chat, ecc. Sistema e criteri di valutazione 1. Valutazione continua (attività del campus virtuale): 40% 1.1 Esercizi di feedback e test: 16% + 8%. Saranno messi a disposizione dello studente 2 esercizi di feedback relativi agli argomenti 1-3 e 4-6. 1.2 Esercizio finale: 16% 2. Esame finale in presenza: 60 % IMPORTANTE: La ponderazione del voto finale secondo le percentuali sopra indicate si applicherà a condizione che il voto dell’esame finale sia ≥ 4 punti. In caso contrario, il 100% del voto finale corrisponderà a quello ottenuto in tale esame. Appendice Le ore delle attività didattiche saranno svolte interamente online. Tali ore si terranno nell’aula virtuale in modalità sincrona. Le lezioni tenute virtualmente saranno registrate. Tali registrazioni rimarranno disponibili nell’aula virtuale del corso a disposizione degli studenti iscritti per tutta la durata dell’anno accademico, in modo che possano essere riprodotte senza limiti di visualizzazione. Le modifiche e le disposizioni indicate in questa sezione sono provvisorie e potranno subire variazioni qualora le autorità accademiche lo stabiliscano o le circostanze lo rendano opportuno. Bibliografia Di base: 1.- Tanenbaum, Andrew S. Reti di computer Messico: Pearson Educación, 2003. 2003. ISBN: 9702601622 Altri: 2.- Forouzan, Behrouz A. Trasmissione dei dati e reti di comunicazione Madrid [ecc.]: McGraw-Hill, 2007. 2007. ISBN: 844815617X |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
MATERIE OPZIONALI
| Codice | Soggetti | Carattere* | ECTS |
|---|---|---|---|
| N/A | Corso facoltativo | OP | 12 |
| TOTALE: | 12 | ||
Quinta classe
PRIMO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||
|---|---|---|---|---|---|
| S0341401 | Amministrazione dei sistemi | OB | 6 | ||
Amministrazione dei sistemiCódigo: S0341401 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi 1) Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informatici. 2) Ideare e realizzare progetti informatici utilizzando i principi e le metodologie propri dell'ingegneria. 3) Definire, valutare e selezionare piattaforme hardware e software per lo sviluppo e l’esecuzione di applicazioni e servizi informatici di varia complessità. 4) Progettare e sviluppare sistemi o architetture informatiche centralizzate o distribuite, integrando hardware, software e reti. 5) Proporre, analizzare, convalidare, interpretare, installare e mantenere soluzioni informatiche in contesti reali in diversi ambiti applicativi all’interno di un’organizzazione. Prerequisiti Nessuno. Competenze CG1. Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informatici. CE1. Ideare e realizzare progetti informatici utilizzando i principi e le metodologie propri dell’ingegneria. CE3. Definire, valutare e selezionare piattaforme hardware e software per lo sviluppo e l’esecuzione di applicazioni e servizi informatici di varia complessità. CE6. Progettare e sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti. CE7. Proporre, analizzare, convalidare, interpretare, installare e mantenere soluzioni informatiche in contesti reali in diversi ambiti applicativi all’interno di un’organizzazione. • Conoscere gli elementi strutturali, le topologie di rete, i protocolli e i meccanismi di comunicazione e sincronizzazione utilizzati nei sistemi distribuiti. • Assumere responsabilità in materia di sicurezza e protezione delle informazioni. Risultati di apprendimento • Redazione di rapporti relativi all’installazione, alla configurazione, all’ottimizzazione e alla verifica del funzionamento di un sistema operativo. • Progettazione di politiche di sicurezza e protezione delle informazioni. • Gestire gli strumenti di amministrazione e configurazione di un sistema operativo Descrizione dei contenuti Installazione e configurazione del sistema operativo, Gestione degli utenti, Gestione dei dischi e del sistema di file, Configurazione e gestione dei servizi, Registrazione e verifica dei servizi, Strumenti di amministrazione, Prestazioni e ottimizzazione, Elementi di sicurezza Attività formative 1) Presentazione in aula dei concetti relativi ai sistemi operativi, discussione, esercizi, ecc. 2) Attività di laboratorio a difficoltà crescente che consentano allo studente di acquisire progressivamente la capacità di risolvere autonomamente i problemi, nonché proposte di progetti, ricerche guidate su Internet, webquest e altre sessioni di carattere prevalentemente pratico. 3) Studio individuale, redazione di relazioni, svolgimento di esercitazioni pratiche, ecc. come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione Sistema e criteri di valutazione Il corso prevede 4 prove parziali con la seguente ponderazione: 1° Esame parziale 20% 2° esame parziale 30% 3° esame parziale 25% L’esame finale incide per il 25%. Facoltativamente, lo studente potrà sostenere un esame finale sui contenuti oggetto di valutazione del corso. Sono inoltre previste esercitazioni di laboratorio obbligatorie con un peso del 25%. Per superare il corso è necessario ottenere 5 punti su 10. Lo studente che non raggiunga i 5/10 punti dovrà sostenere l’intero esame nella sessione straordinaria. La sessione straordinaria potrà comprendere domande su tutto il programma, comprese le esercitazioni di laboratorio e i seminari del corso. Appendice La crisi sanitaria causata dalla pandemia di COVID-19 ha portato all’adozione di misure di sicurezza eccezionali che, volte a prevenire la diffusione del virus, hanno inevitabilmente influito sul modo in cui docenti e studenti interagiscono nel contesto della didattica in presenza. Ciò ha avuto ripercussioni sulla programmazione ordinaria della didattica che, fintantoché saranno in vigore le suddette misure, potrà subire modifiche, con ripercussioni in particolare sulla metodologia didattica e di valutazione. In ottemperanza alle disposizioni approvate dall’autorità competente e in conformità con gli accordi adottati dagli organi direttivi dell’Università e dei suoi Centri, di seguito si indica in che misura le attività formative e i sistemi e i criteri di valutazione del corso potranno essere influenzati fintanto che saranno in vigore le misure di sicurezza eccezionali indicate nel paragrafo precedente. Attività didattiche Le ore delle attività didattiche in presenza saranno erogate integralmente; tuttavia, il numero di ore da svolgere fisicamente in aula sarà ridotto del 40%. Tali ore saranno erogate in modalità sincrona nell’aula virtuale. Le lezioni tenute virtualmente saranno registrate. Tale registrazione rimarrà disponibile sul campus virtuale del corso a disposizione degli studenti iscritti per tutta la durata dell’anno accademico, in modo che possano essere riprodotte senza limiti di visualizzazioni. Nel caso in cui la situazione di emergenza comporti misure che limitino la mobilità individuale, verrà aumentata la percentuale di ore di lezione tenute virtualmente. In tal caso, è prevista la somministrazione virtuale del 100% delle ore settimanali. Sistemi e criteri di valutazione Per quanto riguarda i lavori individuali o di gruppo per i quali è prevista una presentazione orale pubblica, tale presentazione si svolgerà tramite la piattaforma didattica virtuale dell’Università. Per quanto riguarda gli esami, questi si svolgeranno in presenza nelle aule fisiche allestite a tale scopo durante il periodo stabilito nel calendario accademico dell’Università. Solo nel caso in cui le autorità adottino misure di obbligata osservanza che limitino la mobilità individuale, è previsto lo svolgimento degli esami a distanza. Le modifiche e le disposizioni indicate in questa sezione sono provvisorie e potranno subire variazioni qualora le autorità accademiche lo stabiliscano o le circostanze lo rendano opportuno. --- Bibliografia Di base: 1.- Julio Gomez Amministrazione dei sistemi operativi RA-MA. 2006. ISBN: 847897699X Link Strumenti Microsoft per studenti - Strumenti Microsoft per studenti Oracle VirtualBox - Ambiente di virtualizzazione per testare diversi sistemi operativi |
|||||
| S0341402 | Ingegneria del software | OB | 6 | ||
Ingegneria del softwareCódigo: S0341402 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi L'obiettivo del corso di Ingegneria del Software è quello di consentire agli studenti di acquisire competenza nell'utilizzo dei metodi di sviluppo software più diffusi. Pertanto, questo corso tratterà i cicli di vita del software, lo sviluppo delle specifiche dei requisiti, l’analisi dei modelli di dati necessari e la corretta gestione della qualità e dell’evoluzione dei prodotti software. Prerequisiti Nessuno Competenze CG1. Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informatici. CE1. Ideare e realizzare progetti informatici utilizzando i principi e le metodologie propri dell’ingegneria. CE3. Definire, valutare e selezionare piattaforme hardware e software per lo sviluppo e l’esecuzione di applicazioni e servizi informatici di varia complessità. CE5. Progettare, sviluppare e mantenere sistemi e applicazioni software utilizzando diversi metodi di ingegneria del software e linguaggi di programmazione adeguati al tipo di applicazione da sviluppare, mantenendo i livelli di qualità richiesti. CE6. Ideare e sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti. CE7. Proporre, analizzare, convalidare, interpretare, installare e mantenere soluzioni informatiche in contesti reali in diverse aree di applicazione all’interno di un’organizzazione. CE8. Progettare, implementare, organizzare e gestire sistemi e servizi informatici in contesti aziendali o istituzionali per migliorare i relativi processi aziendali, assumendosi la responsabilità e guidandone l’avvio e il miglioramento continuo, nonché valutandone l’impatto economico e sociale. · Ideare, sviluppare e mantenere sistemi e applicazioni software utilizzando diversi metodi di ingegneria del software. · Ideare e realizzare progetti informatici utilizzando i principi e le metodologie propri dell’ingegneria. · Definire, valutare e selezionare piattaforme software per lo sviluppo e l’esecuzione di applicazioni e servizi informatici di varia complessità. · Applicare criteri di qualità del software nello sviluppo delle applicazioni. · Utilizzare strumenti professionali a supporto dello sviluppo di sistemi software secondo una determinata metodologia di sviluppo. Risultati di apprendimento · Realizzare lo sviluppo completo di un sistema informatico applicando tecniche di analisi e progettazione che corrispondano a un quadro metodologico di sviluppo software · Comprensione dei diversi tipi di modelli di sviluppo software e della loro applicazione. · Utilizzo di strumenti professionali a supporto dello sviluppo di sistemi software secondo una determinata metodologia di sviluppo. Descrizione dei contenuti Introduzione all’ingegneria del software, Modelli di sviluppo software, Tecniche di analisi e progettazione, Qualità nello sviluppo di sistemi informatici, Linguaggi di analisi e progettazione. Attività formative Le attività formative che saranno svolte affinché lo studente acquisisca le competenze previste durante lo svolgimento di questo modulo e sia in grado di raggiungere i risultati attesi dal lavoro svolto saranno: 1) Presentazione in aula dei concetti relativi all’ingegneria del software, alla gestione dei progetti e alla gestione della tecnologia, nonché sessioni in presenza in gruppo quali lezioni di presentazione, discussione, esercizi, ecc. 2) Svolgimento di esercitazioni in piccoli gruppi e di altre attività che richiedono la formazione di gruppi di studenti per essere portate a termine. 3) Studio individuale, redazione di relazioni, svolgimento di esercitazioni pratiche, ecc. come lavoro autonomo dello studente o del gruppo di studenti. 4) Prove di valutazione. Ripartizione in crediti ECTS 1) 1 2) 1 3) 3,5 4) 0,5 Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto della valutazione continua in sede (esercizi, test, ecc.): 40% * Esame finale: 60% Bibliografia Bibliografia di base: 1.- Pressman, Roger S. Ingegneria del software: un approccio pratico 7ª ed. McGraw-Hill. 2010. ISBN: 9786071503145 Altri: 2.- Sommerville, Ian Ingegneria del software Madrid: Pearson Educacion, 2005. 2005. ISBN: 8478290745 |
|||||
| S0341404 | Programmazione guidata dagli eventi | OB | 6 | ||
Programmazione guidata dagli eventiCódigo: S0341404 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi L'obiettivo di questo corso è migliorare e perfezionare le tecniche utilizzate dagli studenti nella programmazione e nel collaudo delle applicazioni. In particolare, si punta a fornire una formazione sulla programmazione orientata agli eventi, utilizzando come base la programmazione di applicazioni per dispositivi Android. In questo contesto della programmazione orientata agli eventi, con la comparsa degli ambienti grafici, tale approccio ha acquisito sempre maggiore importanza man mano che questi ambienti si affermavano. Il paradigma della programmazione orientata agli eventi si concentra soprattutto sullo sviluppo dell’interfaccia utente e si combina con altri paradigmi, come quello della programmazione orientata agli oggetti. Prerequisiti Non sono stati definiti prerequisiti. Competenze CG1. Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informatici. CE1. Progettare e realizzare progetti informatici utilizzando i principi e le metodologie propri dell’ingegneria. CE5. Ideare, sviluppare e mantenere sistemi e applicazioni software utilizzando diversi metodi di ingegneria del software e linguaggi di programmazione adeguati al tipo di applicazione da sviluppare, mantenendo i livelli di qualità richiesti. CE6. Progettare e sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti. • Risolvere problemi applicando l’astrazione • Sviluppare progetti informatici di una certa complessità utilizzando tecniche di ingegneria • Progettare, realizzare e mantenere progetti informatici che applichino le tecniche attuali dell’ingegneria della programmazione. • Utilizzare strumenti di programmazione di tipo professionale Risultati di apprendimento • Scrivere programmi che utilizzino le diverse strutture dei linguaggi di programmazione moderni • Redigere relazioni sullo sviluppo, l’implementazione e il collaudo dei programmi • Eseguire il debug dei programmi utilizzando un ambiente di debug • Gestire strumenti professionali di programmazione, debug e collaudo dei programmi Descrizione dei contenuti Concetto di programmazione guidata dagli eventi, strategia di gestione degli eventi, propagazione degli eventi, struttura di un’applicazione guidata dagli eventi, API per la creazione di interfacce grafiche, programmazione di interfacce grafiche. Attività formative Le attività formative che verranno svolte affinché lo studente acquisisca le competenze previste durante lo svolgimento di questo modulo e sia in grado di raggiungere i risultati attesi dal lavoro svolto saranno: 1) Presentazione in aula dei concetti relativi ai database, all’usabilità delle applicazioni e alle tecniche di intelligenza artificiale, nonché lezioni di presentazione, discussione, esercizi, ecc. 2) Attività di laboratorio di difficoltà crescente che consentano allo studente di acquisire progressivamente la capacità di raggiungere l’autonomia nella risoluzione dei problemi, nonché proposte di progetti, ricerche guidate su Internet, webquest e altre sessioni di carattere prettamente pratico. 3) Studio individuale, redazione di relazioni, svolgimento di esercitazioni pratiche, ecc., come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione Sistema e criteri di valutazione Modello di valutazione nelle sessioni ordinarie e straordinarie 1) 60% Esame in presenza. 2) 40% Valutazione continua sulla piattaforma virtuale, suddivisa come segue: - 60% Esercizio finale - 40% Resto delle consegne, esercizi, test, ecc. Il voto minimo per poter sostenere la sessione ordinaria è 4. Bibliografia Di base: 1.- Mullet, Kevin Designing visual interfaces: communication, oriented, techn California: Sunsoft, 1995. 1995. ISBN: 0133033899 2.- Preece, Jenny Interazione uomo-computer Wokingham, Inghilterra: Addison-Wesley, 1994. 1994. ISBN: 0201627698 3.- Redmond-Pyle, David Progettazione e valutazione dell’interfaccia grafica utente (guida): un p Londra: Prentice Hall, 1995. 1995. ISBN: 013315193X 4.- Shneiderman, Ben Progettazione di interfacce utente: strategie per un'inter Boston [ecc.]: Addison Wesley, 2005. 2005. ISBN: 8420548030 5.- Tidwell, Jenifer Progettazione di interfacce: [modelli per un'interazione efficace] Cambridge [ecc.]: O. 2005. ISBN: 0596008031 |
|||||
| S0341405 | Sistemi operativi avanzati | OB | 6 | ||
Sistemi operativi avanzatiCódigo: S0341405 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Lo svolgimento di questo corso consentirà agli studenti di: . Conoscere le principali caratteristiche strutturali e funzionali dei sistemi multiprocesso. • Conoscere i principali aspetti dei sistemi operativi relativi alla gestione e all’amministrazione dei sistemi multiprocesso. . Conoscere i principali sistemi multiprocesso (cell, grid, cluster) . Sfruttare il multiprocessing per accelerare l’esecuzione delle applicazioni: Programmazione parallela. . Conoscere le principali caratteristiche strutturali, funzionali e organizzative dei sistemi distribuiti. .Conoscere i diversi tipi di sistemi distribuiti. .Utilizzare elementi di programmazione relativi ai sistemi distribuiti. .Utilizzare gli strumenti di comunicazione e sincronizzazione specifici per i sistemi distribuiti. .Acquisire nozioni di base sullo scripting della shell e sull’automazione delle attività amministrative Prerequisiti Nessuno Competenze CG1. Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informatici. CE1. Ideare e realizzare progetti informatici utilizzando i principi e le metodologie propri dell’ingegneria. CE3. Definire, valutare e selezionare piattaforme hardware e software per lo sviluppo e l’esecuzione di applicazioni e servizi informatici di varia complessità. CE6. Ideare e sviluppare sistemi o architetture informatiche centralizzate o distribuite integrando hardware, software e reti. CE7. Proporre, analizzare, convalidare, interpretare, installare e mantenere soluzioni informatiche in contesti reali in diversi ambiti applicativi all’interno di un’organizzazione. • Installare, configurare e amministrare sistemi informatici con uno o più sistemi operativi. • Applicare le tecniche di progettazione basate su sistemi middleware e di grid computing nello sviluppo di applicazioni distribuite. Risultati di apprendimento Redazione di rapporti relativi all’installazione, alla configurazione, all’ottimizzazione e alla verifica del funzionamento di un sistema operativo. Progettazione di politiche di sicurezza e protezione delle informazioni. Utilizzo di strumenti di amministrazione e configurazione di un sistema operativo Descrizione dei contenuti Sistemi operativi per ambienti multiprocessore; Utilizzo del multiprocessing, sistemi distribuiti e in tempo reale Attività formative 1) Presentazione in aula dei concetti relativi alla programmazione strutturata, orientata agli oggetti e algoritmica e alla risoluzione dei problemi, che consentano allo studente di apprendere come affrontarli, nonché altre sessioni in presenza di gruppo quali lezioni di discussione, condivisione delle idee, ecc. 2) Attività di laboratorio di difficoltà crescente che consentano allo studente di acquisire progressivamente la capacità di raggiungere l’autonomia nella risoluzione di problemi di programmazione, nonché proposte di progetti, ricerche guidate su Internet, webquest e altre sessioni di carattere prettamente pratico. 3) Studio individuale, redazione di relazioni, svolgimento di esercitazioni pratiche, ecc. come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione Ripartizione in crediti ECTS Ripartizione in crediti ECTS La ripartizione in crediti ECTS per ciascuna delle attività formative sopra indicate e per ciascuna delle materie è la seguente: 1) 2) 3) 4) Totale Sistemi operativi 1 1 3,5 0,5 6 Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto della valutazione continua in sede (esercizi, test, ecc.): 40% Esercizi con feedback e test: 16%+8% Esercizio finale: 16% * Esame finale: 60% IMPORTANTE: La ponderazione del voto finale con le percentuali sopra indicate verrà applicata a condizione che il voto dell’esame finale sia >=4 punti. In caso contrario, il 100% del voto corrisponderà a quello ottenuto in tale esame. Gli esercizi con feedback potranno essere consegnati entro e non oltre la data dell’esame della sessione ordinaria. Oltre tale data NON saranno ammesse nuove consegne che potrebbero essere conteggiate ai fini del calcolo della media per la sessione straordinaria, sebbene SIA comunque mantenuta la ponderazione corrispondente a questa parte. Lo stesso vale per i test di autovalutazione, che potranno essere svolti al massimo fino al giorno precedente la data dell’esame della sessione ordinaria. L’esercizio finale, invece, potrà essere consegnato fino alla data dell’esame della sessione straordinaria, qualora fosse necessario ricorrere a tale sessione. Bibliografia Di base: 1.- Coulouris, George Sistemi distribuiti: concetto e progettazione 3ª ed. Madrid [etc.] : Addison Wesley, 2001. 2001. ISBN: 8478290494 |
|||||
| S0441404 | Società dell'informazione | OB | 6 | ||
Società dell'informazioneCódigo: S0441404 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi L'obiettivo principale di questo corso è quello di affrontare l'impatto delle TIC (Tecnologie dell'Informazione e della Comunicazione) sulla società in generale. La crescita della quantità di informazioni disponibili e il miglioramento delle procedure per accedervi giustificano la diffusione e la generalizzazione dell’uso dell’espressione «Società dell’Informazione e della Conoscenza». Nel corso vengono trattati argomenti quali: l’evoluzione della società fino all’attuale Società dell’Informazione, i cambiamenti provocati dalle TIC nell’economia e nel mondo del lavoro, i valori etici nella società dell’informazione, leggi e normative, nuove forme di sviluppo e gestione della conoscenza attraverso le TIC. Prerequisiti Nessuno Competenze CG1. Acquisire in modo autonomo nuove conoscenze e tecniche adeguate alla progettazione, allo sviluppo o alla gestione di sistemi informatici. CG2. Comunicare in modo efficace, sia per iscritto che oralmente, conoscenze, procedure, risultati e idee relative alle TIC e, in particolare, all’informatica, comprendendone l’impatto socioeconomico. CG3. Comprendere la responsabilità sociale, etica e professionale, nonché civile, se del caso, dell’attività dell’ingegnere informatico e il suo ruolo nell’ambito delle TIC e della Società dell’Informazione e della Conoscenza CE7. Proporre, analizzare, convalidare, interpretare, installare e mantenere soluzioni informatiche in contesti reali in diverse aree di applicazione all’interno di un’organizzazione. CE8. Ideare, implementare, organizzare e gestire sistemi e servizi informatici in contesti aziendali o istituzionali per migliorare i relativi processi aziendali, assumendosi la responsabilità e guidandone l’avvio e il miglioramento continuo, nonché valutarne l’impatto economico e sociale. · Comprendere la responsabilità sociale, etica, professionale e, se del caso, civile dell’attività dell’ingegnere informatico · Comprendere l’influenza che l’informatica sta esercitando sulla società. · Comunicare l’impatto che l’informatica sta producendo nei diversi ambiti socioeconomici. Risultati di apprendimento · Redazione di relazioni sugli aspetti relativi all’impatto dell’informatica in diversi ambiti socioeconomici · Comprensione degli aspetti più rilevanti attraverso i quali l’informatica sta modificando le strutture e le abitudini sociali e del relativo impatto sui diversi ambiti socioeconomici. Descrizione dei contenuti ARGOMENTO 1: Introduzione alla Società dell’Informazione. + Origine ed evoluzione della Società dell’Informazione. + L’era dell’informazione: aspetti economici, sociali e culturali. + L’impatto di Internet e delle TIC sulla globalizzazione. + Il divario digitale: sfide per la Società dell’Informazione. ARGOMENTO 2: Gestione della conoscenza e dei gruppi di lavoro. + Gestione della conoscenza e innovazione. + Pianificazione, implementazione e gestione dei sistemi informativi. + Gestione dei gruppi di lavoro nei sistemi informativi. + Caso di studio: gestione delle comunità. + Caso di studio: software libero. ARGOMENTO 3: Aspetti economici della Società dell’Informazione. + Valutazione delle risorse e degli investimenti: indicatori e metriche. + Sistemi di pianificazione delle risorse aziendali (ERP). + Ecosistemi, produttività e gestione dell’innovazione. + Data science, processo decisionale e comunicazione visiva. + Caso di studio: analisi delle opinioni e negoziazioni di borsa. + Caso di studio: reti professionali. ARGOMENTO 4: Industrie culturali e nuovi contenuti digitali. + Gestione dei beni e dei contenuti culturali. + Trasformazione delle industrie culturali nella società dell’informazione. + Caso di studio: regolamentazione dei diritti di proprietà intellettuale. + Caso di studio: gestione degli archivi documentali. ARGOMENTO 5: Leggi e normative in materia di TIC. + Legislazione e regolamentazione in materia di TIC. + Valori etici nella società dell’informazione. + Caso di studio: Protezione dei dati personali. + Caso di studio: Crimine informatico internazionale. Attività formative 1) Presentazione in aula dei concetti relativi alla società dell’informazione e all’influenza dell’informatica sulla società, delle diverse strutture organizzative aziendali, nonché altre sessioni in presenza in gruppo quali lezioni di discussione, condivisione, ecc... 2) Svolgimento di casi pratici in piccoli gruppi e di altre attività che richiedono la formazione di gruppi di studenti per la loro realizzazione. 3) Studio individuale, redazione di relazioni, svolgimento di tirocini, ecc. come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione. Sistema e criteri di valutazione Valutazione continua. Sessione ordinaria: La valutazione del corso si articola in due parti: * Voto della valutazione continua in sede (esercizi, test, ecc.): 40% * Esame finale (per il quale è richiesto un voto minimo di 5): 60% La ponderazione del voto finale in base alle percentuali sopra indicate verrà applicata a condizione che il voto dell’esame finale sia >= 5. Sessione straordinaria: Esame: 100% del voto finale del corso. Bibliografia Di base: 1.- - Il secondo divario digitale Madrid: Cátedra [ecc.], 2008. 2008. ISBN: 9788437624754 2.- - Terminologia e società della conoscenza Berna: Peter Lang, 2009. 2009. ISBN: 9783039115938 3.- Alonso, Andoni; Arzoz, Iñaki La nuova città di Dio: un gioco ciberculturale sul tecnoermetismo Siruela. 2002. ISBN: 847844551X 4.- Amin, S Il capitalismo nell’era dell’informazione Paidós Iberica. 1999. ISBN: 8449306388 5.- Aronowitz, Stanley; Martinsons, Barbara; Menser, Michael Tecnoscienza e cibercultura: l’interrelazione tra cultura, tecnologia e scienza Paidós Multimedia. 1998. ISBN: 8449304962 6.- Barrett, Neil Lo stato della cibernazione: conseguenze culturali, politiche ed economiche di Internet Flor del viento. 1998. ISBN: 8489644314 7.- Briz, Julián Internet e commercio elettronico: caratteristiche, strategie Madrid: Esic: Mundi-Prensa, 2001. 2001. ISBN: 8471149923 8.- Bustamante, Javier Società informatizzata, società disumanizzata?: una visione critica dell’influenza della tecnologia sulla società nell’era del computer Gaia. 1993. ISBN: 8488242077 9.- Carrascosa, José Luis Informaccion: dall’era industriale alla società dell’informazione Espasa Calpe. 1991. ISBN: 8486743346 10.- Castells, Manuel L’era dell’informazione: economia, società e cultura. Il potere dell’identità. Vol. II Alianza. 2006. ISBN: 8420642460 11.- Castells, Manuel; Himanen, Pekka Lo Stato del benessere e la società dell’informazione. Il modello finlandese Collana «La società in rete». Alianza Editorial. 2002. ISBN: 8420691038 12.- Chomsky, Noam Il nuovo ordine mondiale (e quello vecchio) Crítica. 2003. ISBN: 8484323056 13.- Civit Alaminos, Cristina Introduzione del telelavoro in azienda Barcellona: Gestión 2000, 2000. 2000. ISBN: 8480883820 14.- Cornella, Alfons Verso l’azienda in rete Ediciones Gestión 2000 S.A., 2000. ISBN: 8480888377 15.- Cornella, Alfons Infonomia! com: La gestione intelligente delle informazioni nelle organizzazioni Deusto S.A. Edizioni. 1999. ISBN: 8423419576 16.- Eco, Umberto Apocalittici e integrati Nuove edizioni tascabili. 2001. ISBN: 8497933869 17.- Flores Vivar, Jesús Cibergiornalismo: nuovi approcci, concetti e professioni e Madrid: Ediciones 2010; Città del Messico: Limusa, 2. 2001. ISBN: 9681862384 18.- García Blanco, José María; Navarro, Pablo Oltre la modernità? Le dimensioni dell’informazione, della comunicazione e delle nuove tecnologie Collana Academia. CIS. 2002. ISBN: 8474763355 19.- Gubern, Roman L’Eros elettronico Taurus Ediciones. Gruppo Santillana. 2000. ISBN: 8430603719 20.- Horrocks, Christopher Marshall McLuhan e la virtualità Gedisa. 2004. ISBN: 8497840372 21.- Joaquín Estefanía Dizionario della Nuova Economia Planeta. 2001. ISBN: 8408040480 22.- Joyanes Aguilar, Luis Cibersocietà: le sfide sociali di fronte a un nuovo mondo digitale McGraw-Hill. 1997. ISBN: 8448109430 23.- Martínez López, Francisco José Il marketing nella società della conoscenza: chiavi per l’e Madrid: Delta, 2007. 2007. ISBN: 9788496477544 24.- Mateu de Ros, Rafael; López-Monís Gallego, Mónica Diritto di Internet: la legge sui servizi della società dell’informazione e del commercio elettronico Cizur Menor [Navarra]: Thomson: Aranzadi, cop. 2003. 2003. ISBN: 8497671074 25.- Mayans y Panels, Joan Il genere chat o come l’etnografia ha messo piede nel cyberspazio Gedisa. 2002. ISBN: 8474325722 26.- Moreno, Isidro Muse e nuove tecnologie. Il racconto ipermediale Paidós Iberica. 2002. ISBN: 8449312949 27.- Ortega, J.A. Nuove tecnologie per l’istruzione nell’era digitale Pirámide. 2007. ISBN: 843682086X 28.- Roberto Velasco L'economia digitale. Dal mito alla realtà Tusquest Editores S.A. 2002. ISBN: 8483108550 29.- Suárez Suárez, Andrés S Nuova economia e nuova società Pearson Educación. 2001. ISBN: 842053319X 30.- Vidal Beneyto, José La finestra globale. Cyberspazio, sfera pubblica mondiale e universo mediatico Taurus. 2002. ISBN: 8430604642 |
|||||
| S0441416 | Reti e piattaforme per l'elaborazione di grandi volumi di dati | OB | 6 | ||
Reti e piattaforme per l'elaborazione di grandi volumi di datiCódigo: S0441416 Imprimir Corso 5. Materia del primo quadrimestre. Obbligatoria. 6 crediti. Profesores
|
|||||
| TOTALE: | 36 | ||||
SECONDO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||
|---|---|---|---|---|---|---|---|
| S0341406 | Amministrazione delle reti | OB | 6 | ||||
Amministrazione delle retiCódigo: S0341406 Imprimir Corso 5. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Prerequisiti Non sono stati stabiliti prerequisiti. Competenze • Configurare i servizi di rete e verificarne il corretto funzionamento. • Utilizzare strumenti di amministrazione di rete Risultati di apprendimento Configurazione di reti e servizi di comunicazione secondo criteri prestabiliti Comprendere i problemi legati all’amministrazione di rete e le soluzioni più comuni per risolverli. Utilizzo degli strumenti di amministrazione di rete. Attività formative Le attività formative che verranno svolte affinché lo studente acquisisca le competenze previste nel corso di questo modulo e sia in grado di raggiungere i risultati attesi dal lavoro svolto saranno: 1) Presentazione in aula dei concetti relativi alle discipline che compongono ciascuna materia e risoluzione di problemi che consentano allo studente di apprendere come affrontarli, nonché altre sessioni in presenza in gruppo quali lezioni di discussione, condivisione, ecc. 2) Svolgimento di casi pratici in piccoli gruppi e di altre attività che richiedano la formazione di gruppi di studenti per la loro realizzazione. 3) Studio individuale, redazione di relazioni, svolgimento di tirocini, ecc. come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione. 5) Attività su piattaforme virtuali: link a file e pagine web, test di autovalutazione, forum partecipativi, lavori di approfondimento, chat, ecc. Bibliografia Di base: 1.- Cisco Nozioni di base sul networking: guida pratica al CCNA E Madrid: Pearson Educación: Cisco Press, 2008. 2008. ISBN: 9788483224755 2.- Tanenbaum, Andrew S. Reti di computer Messico: Pearson Educación, 2003. 2003. ISBN: 9702601622 |
|||||||
| S0341407 | Architettura dei computer | OB | 6 | ||||
Architettura dei computerCódigo: S0341407 Imprimir Corso 5. Materia del secondo quadrimestre. Obbligatoria. 6 crediti. Profesores
Obiettivi Questo corso si propone di trattare le architetture dei processori complesse che includono gli elementi hardware e software che costituiscono i sistemi informatici odierni. L’approccio adottato consiste nell’analisi delle architetture di calcolo da un punto di vista quantitativo piuttosto che progettuale; a tal fine, all’inizio del corso vengono studiate le principali tecniche volte a facilitare l’analisi delle prestazioni, tecniche che saranno utilizzate nel corso del semestre per effettuare tale analisi sugli elementi architettonici studiati. Si tratta di un corso avanzato di architettura dei computer, in cui si intende fornire allo studente una visione d’insieme del funzionamento di un’architettura di calcolo, che gli consenta, in qualità di ingegnere, di conoscere i principi per valutare l’idoneità di una data architettura a qualsiasi campo di applicazione. A tal fine, vengono studiati in dettaglio gli elementi che si possono trovare in un’architettura moderna: multiprocessori, gerarchie di memoria, sistemi di gestione della memoria virtuale, architetture RISC. Gli obiettivi del corso sono i seguenti - Comprendere i concetti trattati nell’ambito dei sistemi informatici moderni. - Essere in grado di effettuare una valutazione critica delle prestazioni di tali sistemi per valutarne l’idoneità a un determinato campo di applicazione. - Essere in grado di ottenere le migliori prestazioni da tali sistemi. - Conoscere le tendenze tecnologiche dell’hardware. - Conoscere le tecniche di base della programmazione dei sistemi. Prerequisiti Non sono stati stabiliti prerequisiti. Competenze • Conoscere le principali caratteristiche hardware che influenzano la configurazione e la progettazione dei sistemi informatici. • Definire e valutare l’hardware necessario per affrontare progetti informatici di diversa complessità Risultati di apprendimento • Redazione di rapporti sulla configurazione hardware dei sistemi informatici che soddisfino determinati criteri. • Comprensione degli elementi di valutazione e delle prestazioni dell’hardware e della loro applicazione ai sistemi informatici. • Conoscenza dei nuovi componenti hardware e dei sistemi di archiviazione Descrizione dei contenuti Tecnologie di progettazione. Sistemi di archiviazione. Prestazioni di un computer. Valutazione della configurazione. Attività formative Le attività formative che saranno svolte affinché lo studente acquisisca le competenze previste durante lo svolgimento di questo modulo e sia in grado di raggiungere i risultati attesi dal lavoro svolto saranno: 1) Presentazione in aula dei concetti relativi alle discipline che compongono ciascuna materia e risoluzione di problemi che consentano allo studente di apprendere come affrontarli, nonché altre sessioni in presenza in gruppo quali lezioni di discussione, condivisione, ecc. 2) Svolgimento di casi pratici in piccoli gruppi e di altre attività che richiedano la formazione di gruppi di studenti per la loro realizzazione. 3) Studio individuale, redazione di relazioni, svolgimento di attività pratiche, ecc. come lavoro autonomo dello studente o del gruppo di studenti. 4) Prove di valutazione. 5) Attività su piattaforme virtuali: link a file e siti web, test di autovalutazione, forum partecipativi, lavori di approfondimento, chat, ecc. Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto di valutazione continua in aula (esercizi, test, ecc.): 40% * Esame finale: 60% IMPORTANTE: La ponderazione del voto finale secondo le percentuali sopra indicate verrà applicata a condizione che il voto dell’esame finale sia >=4 punti. In caso contrario, il 100% del voto finale corrisponderà al voto ottenuto in tale esame Bibliografia Di base: 1.- Fernández Fernández, Gregorio Corso di informatica: concetti di base di architettura e s Madrid: Servizio Pubblicazioni della Facoltà di Ingegneria. 2005. ISBN: 8474023122 2.- Patterson, David A. Organizzazione e progettazione dei computer: l'interazione hardware/software San Francisco, Cal. [ecc.]: Morgan Kaufmann [ecc.], 2005. ISBN: 1558606041 |
|||||||
| S0341421 | Interazione uomo-computer | OB | 6 | ||||
Interazione uomo-computerCódigo: S0341421 Imprimir Corso 5. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
|
|||||||
| S0441405 | Amministrazione e gestione aziendale | OB | 6 | ||||
Amministrazione e gestione aziendaleCódigo: S0441405 Imprimir Corso 5. Materia del secondo quadrimestre. Obbligatorio. 6 crediti. Profesores
Obiettivi Conoscere e apprendere la natura, i contenuti e lo scopo del lavoro di organizzazione di un'azienda Prerequisiti Non sono stati stabiliti prerequisiti. Competenze • Concepire e comprendere le strategie organizzative che possono essere messe in atto in un’organizzazione o in un’azienda. • Conoscere gli elementi che caratterizzano i processi aziendali e l’ impatto dell’informatica su di essi. Risultati di apprendimento • Redazione di relazioni che consentano di elaborare strategie organizzative nell’ambito di un’azienda o di un’organizzazione. • Comprensione dei concetti di organizzazione aziendale e delle strutture organizzative più comuni. Descrizione dei contenuti Argomento 1 Organizzazione aziendale: casi aziendali 1.1 Zara: dimensioni organizzative, crescita e cicli di vita 1.2 HP: innovazione, cambiamento strategico e apprendimento organizzativo 1.3 Indra: tecnologia organizzativa 1.4 El Corte Inglés: il contesto globale delle organizzazioni 1.5 Silicon Valley: Cultura organizzativa 1.6 Renfe: Potere e politica: le organizzazioni come entità politiche 1.7 Sears: Informazione e processo decisionale organizzativo 1.8 Telepizza: Modelli di progettazione organizzativa strategica Argomento 2: Gestione aziendale: contabilità e finanza 2.1 Stima dei flussi di cassa di un progetto di investimento 2.2 Confronto tra il criterio del VAN e i criteri approssimativi 2.3 Reinvestimento dei flussi di cassa nel VAN e nel TIR 2.4 Valutazione di un progetto di investimento sulla base dei flussi di cassa incrementali 2.5 Applicazione del criterio del VAN 2.6 Applicazione del VAN a progetti di investimento semplici 2.7 Progetti di investimento non semplici: incoerenza del tasso interno di rendimento 2.8 Confronto tra i criteri VAN e TIR in progetti eterogenei 2.9 Scelta tra progetti di investimento con durata diversa Argomento 3 Strategie aziendali: marketing e risorse umane 3.1 Florentino Pérez 3.2 Semplicemente geniale 3.3 Catena critica 3.4 L'obiettivo 3.5 Perché compriamo 3.6 Funky Business 3.7 Jack Welch 3.8 Intelligenza emotiva 3.9 Le sette abitudini delle persone altamente efficaci Attività formative 1) Presentazione in aula dei concetti relativi alla società dell’informazione e dell’influenza dell’informatica sulla società, delle diverse strutture organizzative aziendali, nonché altre sessioni in presenza di gruppo, quali lezioni di discussione, condivisione delle idee, ecc. 2) Svolgimento di casi di studio in piccoli gruppi e di altri tipi di attività che richiedano la formazione di gruppi di studenti per portarle a termine. 3) Studio individuale, redazione di relazioni, svolgimento di esercitazioni, ecc. come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione. 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. ---- Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti: * Voto della valutazione continua in sede (esercizi, test, ecc.): 40% * Esame finale: 60% Bibliografia Di base: 1.- Introduzione alla gestione aziendale Madrid: Civitas, 2004. 2004. ISBN: 844702198X 2.- Suárez Suárez, Andrés S. Economia finanziaria aziendale Madrid: Pirámide, 1990. 1990. ISBN: 8436803817 |
|||||||
| S0441406 | Gestione della tecnologia | OB | 3 | ||||
Gestione della tecnologiaCódigo: S0441406 Imprimir Corso 5. Materia del secondo quadrimestre. Obbligatorio. 3 crediti. Profesores
Obiettivi Il recente forte sviluppo tecnologico e, in particolare, quello delle Tecnologie dell’Informazione e della Comunicazione (TIC), ha un impatto determinante sulle aziende, non solo su quelle che sviluppano apparecchiature e soluzioni basate su queste tecnologie, ma anche su quelle che ne sono utenti avanzati. Le aziende si trovano ad affrontare l’inarrestabile processo di integrazione di soluzioni tecnologiche, avvalendosi di professionisti che, spesso, presentano lacune nella gestione tecnica dei sistemi implementati, tanto che questi ultimi diventano frequentemente fonte di problemi continui, e si adottano soluzioni parziali non in linea con l’orientamento strategico dell’azienda. Partendo dalla pianificazione strategica e aziendale, si giunge alla necessità di definire una strategia tecnologica e sistemi informativi che rispondano alle esigenze e ai requisiti funzionali di un’organizzazione. Questo corso mira a formare dirigenti e futuri dirigenti di aziende e organizzazioni, nonché professionisti con una solida formazione nelle tecniche specifiche di gestione dei sistemi informativi e di comunicazione, affinché possano dirigere con efficacia i dipartimenti responsabili della definizione e della gestione di tali sistemi. A tal fine, il corso si concentra sull’illustrazione dei principi teorico-pratici della gestione della tecnologia in un contesto aziendale e sul suo impatto sociale, nonché sullo sviluppo da parte degli studenti di un piano tecnologico come caso pratico. Prerequisiti Non sono stati stabiliti prerequisiti Competenze • Ideare, implementare, organizzare e gestire sistemi e servizi informatici in contesti aziendali o istituzionali. • Utilizzare strumenti professionali che consentano di supportare i processi di pianificazione e gestione di un progetto informatico Risultati di apprendimento - Redazione di relazioni che analizzino e sviluppino casi pratici di gestione della tecnologia in ambito aziendale. - Comprensione degli elementi che determinano la gestione della tecnologia in un contesto aziendale. Descrizione dei contenuti 1. L’azienda e la gestione della tecnologia a. Introduzione b. Che cos'è il contesto tecnologico? c. Padronanza della tecnologia d. Salto tecnologico e curve di apprendimento e. Posizionamento tecnologico 2. Tecnologia dell’informazione in azienda a. Innovazione nelle TIC b. Gestione dell’acquisizione della tecnologia c. Gestione dell’uso della tecnologia d. Trasferimento tecnologico e. Commercializzazione della tecnologia 3. Piano tecnologico e gestione dei progetti TIC a. Analisi del modello di business b. Piano tecnologico e dell’informazione c. Monitoraggio tecnologico Attività formative Le attività formative che saranno svolte affinché lo studente acquisisca le competenze previste nel corso di questo modulo e sia in grado di raggiungere i risultati attesi dal lavoro svolto saranno: 1) Presentazione in aula dei concetti relativi alle discipline che compongono ciascuna materia e risoluzione di problemi che consentano allo studente di apprendere come affrontarli, nonché altre sessioni in presenza in gruppo quali lezioni di discussione, condivisione, ecc. 2) Svolgimento di casi pratici in piccoli gruppi e di altre attività che richiedono la formazione di gruppi di studenti per essere portate a termine. 3) Studio individuale, redazione di relazioni, svolgimento di esercitazioni pratiche, ecc. come lavoro autonomo dello studente o di un gruppo di studenti. 4) Prove di valutazione. 5) Attività su piattaforme virtuali: link a file e siti web, test di autovalutazione, forum partecipativi, lavori di approfondimento, chat, ecc. Sistema e criteri di valutazione Sessione ordinaria e straordinaria La valutazione del corso si articola in due parti (per l’applicazione della seguente percentuale è richiesto un punteggio minimo di 4 nell’esame finale): - Voto di valutazione continua in sede (esercizi, test, ecc.): 40% * Esercizi e test delle unità: 40% * Esercizio finale del corso: 60% - Esame finale della sessione: 60% Bibliografia Complementare: 1.- Bernal-Jiménez, M. C., Le tecnologie dell’informazione e della comunicazione come fattore di innovazione e competitività aziendale. Scientia et technica, 24(1), 85-96. 2019. 2.- Bollás Sánchez, R. L., Analisi dei modelli di monitoraggio tecnologico e di intelligence competitiva nei progetti di R&D&I. Art. 2021. 3.- Escorsa i Castells, P., Tecnologia e innovazione nell’impresa Art. 2021. 4.- Londoño, J. A., Restrepo, S. M. V., Rodríguez, M. E. V., Cuartas, F. D. J. F., Identificazione di tipi, modelli e meccanismi di trasferimento tecnologico che favoriscono l’innovazione. Rivista CINTEX, 23(2), 13-23. 2018. 5.- Terán Bustamante, A., Dávila Aragón, G., Gestione della tecnologia e dell’innovazione: un modello di reti bayesiane Economia: teoria e pratica, (50), 63-100. 2019. |
|||||||
| S0441407 | Tesi di laurea | OB | 15 | ||||
Tesi di laureaCódigo: S0441407 Imprimir Corso 5. Materia del secondo quadrimestre. Obbligatorio. 15 crediti. Profesores
Obiettivi L'obiettivo principale del corso è la realizzazione di un progetto originale da presentare e difendere davanti a una commissione universitaria, consistente in un progetto completo nell'ambito dell'Ingegneria Informatica di natura professionale, in cui siano sintetizzate le competenze acquisite negli altri moduli del corso di laurea, oppure in un lavoro di carattere innovativo volto allo sviluppo di un’idea, di un prototipo o del modello di un’apparecchiatura o di un sistema, in uno dei settori di competenza del corso di laurea. Prerequisiti Lo studente iscritto a questo corso non potrà esporre né discutere la propria Tesi di Laurea fino a quando non avrà superato i restanti crediti ECTS previsti, di carattere obbligatorio, necessari per il conseguimento del titolo. Competenze Le principali competenze di questo modulo mirano all’acquisizione da parte dello studente delle abilità e delle competenze generali descritte negli obiettivi del corso di laurea, insieme ad abilità specifiche di orientamento professionale. Risultati di apprendimento Il risultato del lavoro dello studente in questo modulo consisterà nella presentazione di una relazione della Tesi di laurea che comprenda l’esposizione dettagliata di tutto il lavoro svolto nel periodo dedicato alla stessa, includendo, tra le altre parti, i precedenti del problema, selezione delle alternative alla soluzione, presentazione dettagliata della soluzione adottata, conclusioni e bibliografia. Descrizione dei contenuti La tesi di laurea dovrà verificare l’acquisizione da parte dello studente delle competenze generali e specifiche del corso di laurea attraverso l’ideazione e lo sviluppo di un sistema informatico o di un progetto informatico di adeguata complessità, concentrando lo sforzo dal punto di vista hardware, software o entrambi in un ambiente il più possibile vicino alla realtà. Attività formative Le attività formative saranno finalizzate a rendere lo studente capace di affrontare un lavoro professionale di ingegneria. Consisteranno quindi principalmente nelle seguenti: • Accompagnamento personalizzato del progetto, volto a fornire allo studente le informazioni necessarie per portarlo a termine in base agli obiettivi fissati all’inizio dello stesso. • Lavoro individuale, ricerca di informazioni, redazione, ecc. • Prove di valutazione Sistema e criteri di valutazione Su richiesta del Segretario Generale dell’Università, verrà nominata una Commissione per la valutazione di ciascuna Tesi di Laurea, composta da due docenti dell’Università e dal relatore della tesi stessa. La Commissione opererà in conformità alle norme proprie degli organi collegiali, valuterà il lavoro sottoposto alla sua attenzione e gli attribuirà il punteggio e la votazione corrispondenti, che saranno riportati in un verbale. Tale documento sarà trasmesso all’Ufficio Studenti, che ne inserirà una copia nel fascicolo dello studente Bibliografia Altro: 1.- Brice-Arnaud Guérin Gestione dei progetti informatici: sviluppo, analisi e controllo Edizioni ENI. 2018. ISBN: 2409016405 2.- David López, José Ramón Rodríguez, Juan José González Gestione dei programmi di progetti informatici (e non informatici) Casa editrice UOC. 2019. ISBN: 8491804773 3.- Ester Chicano Tejada Audit della sicurezza informatica. IFCT0109 IC Editorial. 2015. ISBN: 8416433232 4.- Francisco Sergio Cobos Jiménez Progetti di prodotti editoriali multimediali. ARGN0110 IC Editorial. 2017. ISBN: 841722453X 5.- Gabriel Baca Urbina Progetti di sistemi informativi Gruppo Editoriale Patria. 2015. ISBN: 6077442593 6.- González Ferran, Xavier, Rodríguez Bermúdez, José Ramón, Guitart Hormigo, Isabel Come pianificare un progetto di business intelligence? Casa editrice UOC. 2016. ISBN: 8491163247 |
|||||||
| TOTALE: | 42 | ||||||
Elenco delle materie opzionali
MATERIE ANNUALI
| Codice | Soggetti | Carattere* | ECTS | ||
|---|---|---|---|---|---|
| C0442333 | Tirocini esterni | OP | 12 | ||
Tirocini esterniCódigo: C0442333 Imprimir 4° anno. Corso annuale. Opzionale. 12 crediti. Profesores
Obiettivi Gli obiettivi dei tirocini accademici esterni sono: - Applicare le conoscenze e le competenze acquisite durante il corso di laurea in Ingegneria Matematica in un contesto professionale. - Sviluppare in modo autonomo, responsabile e organizzato attività e progetti propri 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, i Tirocini Accademici Esterni sono pensati per gli studenti che si trovano nella fase finale dei propri studi e il loro svolgimento corrisponde, in linea generale, all’ultimo anno del corso di laurea. Competenze RC5 - Avere 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 un impatto su 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 dei tirocini esterni 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 sarà 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 del tirocinio esterno effettua una valutazione oggettiva della relazione sul 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. |
|||||
| TOTALE: | 12 | ||||
PRIMO QUARTRIMESTRE
| Codice | Soggetti | Carattere* | ECTS | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0442330 | Analisi dei dati delle serie temporali / Time Series Data Analysis | OP | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Analisi dei dati delle serie temporali / Time Series Data AnalysisCódigo: C0442330 Imprimir Corso 4. Materia del primo quadrimestre. Corso opzionale. 6 crediti. Profesores
Obiettivi Il corso ha lo scopo di fornire agli studenti una formazione teorica e pratica nell'analisi statistica dei dati temporali, sviluppando la capacità di rappresentare, descrivere e interpretare le serie temporali, identificarne le componenti principali e applicare tecniche di livellamento e scomposizione per lo studio della loro dinamica./Il corso mira a fornire agli studenti una formazione teorica e pratica nell’analisi statistica dei dati delle serie temporali, sviluppando la loro capacità di rappresentare, descrivere e interpretare le serie temporali, identificarne le componenti principali e applicare tecniche di smussamento e scomposizione per studiarne la dinamica. Si intende inoltre fornire agli studenti le competenze necessarie per formulare, stimare e convalidare modelli classici di serie temporali, inclusi i modelli autoregressivi, a medie mobili e ARIMA, nonché le loro estensioni stagionali, e utilizzarli per elaborare e valutare previsioni a breve e medio termine. Il tutto attraverso l’uso di strumenti statistici e software specializzati applicati all’analisi di dati reali in diversi contesti./Il corso mira inoltre a fornire agli studenti le competenze necessarie per formulare, stimare e convalidare modelli classici di serie temporali, compresi i modelli autoregressivi, a media mobile e ARIMA, nonché le loro estensioni stagionali, e per utilizzare tali modelli al fine di generare e valutare previsioni a breve e medio termine. Tutto ciò avviene mediante l’uso di strumenti statistici e software specializzati applicati all’analisi di dati reali in diversi contesti. Prerequisiti Si raccomanda allo studente che intenda iscriversi a questo corso di aver superato tutti i corsi di statistica precedenti del corso di laurea (Analisi statistica, Statistica applicata e Calcolo stocastico). È inoltre opportuno possedere conoscenze di base di algebra lineare e una preparazione generale nel calcolo differenziale in una variabile. Si raccomanda di avere familiarità con strumenti di programmazione o software statistici, poiché questi saranno utilizzati nella stima dei modelli e nell’analisi dei dati reali, quali Python, R, ecc.Si consiglia agli studenti che intendono iscriversi a questo corso di aver completato con successo tutti i corsi di statistica precedenti previsti dal piano di studi (Analisi statistica, Statistica applicata e Calcolo stocastico). È inoltre consigliabile possedere una conoscenza di base dell’algebra lineare e una preparazione generale nel calcolo differenziale a una variabile. Si raccomanda di avere familiarità con strumenti di programmazione o software statistici, poiché questi saranno utilizzati per la stima dei modelli e l’analisi di dati reali, tra cui Python, R, ecc. Competenze Non applicabile./Not applicable. Risultati di apprendimento RKOP 1 Classificare le serie temporali in base a criteri fondamentali ed eseguire un’analisi descrittiva del loro andamento. TIPO: Conoscenza o Contenuto. RKOP 2 Spiegare gli obiettivi principali dell’analisi delle serie temporali, distinguendo tra analisi retrospettiva, comprensione strutturale e previsione. TIPO: Conoscenza o Contenuto. RKOP 3 Scomporre una serie temporale nelle sue componenti fondamentali (tendenza, stagionalità, ciclo e rumore), applicando tecniche di scomposizione appropriate. TIPO: Conoscenza o Contenuto. RSOP 1 Interpretare i grafici delle serie temporali, identificando modelli visivi ed elementi strutturali chiave nei dati nel corso del tempo. TIPO: Competenze. RSOP 2 Analizzare e stimare la componente di tendenza di una serie temporale utilizzando approcci sia deterministici che evolutivi. TIPO: Competenze. RSOP 3 Applicare tecniche di differenziazione stagionale, comprendendone il ruolo nella stabilizzazione della varianza e nella rimozione dei modelli stagionali dai dati. TIPO: Competenze. RSOP 4 Stimare e analizzare la componente stagionale di una serie temporale e interpretarne l’impatto sul comportamento del sistema. TIPO: Competenze. RSOP 5 Effettuare previsioni a breve e medio termine utilizzando metodi di livellamento esponenziale, valutandone l’accuratezza e l’idoneità. TIPO: Competenze. RSOP 6 Gestire i dati mancanti nelle serie temporali, utilizzando tecniche di interpolazione e backcasting per garantire coerenza e affidabilità. TIPO: Competenze. RCOP 1 Applicare le conoscenze acquisite a esempi concreti, interpretando i risultati e traendo conclusioni significative da casi di studio pratici. TIPO: Competenze. Descrizione dei contenuti - Introduzione: rappresentazione grafica di una serie temporale. - Classificazioni delle serie temporali: analisi descrittiva. - Obiettivi dell’analisi delle serie temporali. - Componenti di una serie temporale: scomposizione della serie in componenti. - Analisi e stima della tendenza: deterministica ed evolutiva. - Differenziazione della serie: differenziazione stagionale della serie. - Analisi e stima della stagionalità. - Previsione di una serie temporale. Livellamento esponenziale. - Dati mancanti: interpolazione dei dati mancanti e backcasting. - Esempi di applicazioni. ------------------------- - Introduzione: rappresentazione grafica di una serie temporale. - Classificazione delle serie temporali: analisi descrittiva. - Obiettivi dell'analisi delle serie temporali. - Componenti di una serie temporale: scomposizione di una serie temporale nelle sue componenti. - Analisi e stima delle tendenze: tendenze deterministiche e in evoluzione. - Differenziazione di una serie temporale: differenziazione stagionale. - Analisi e stima della stagionalità. - Previsione delle serie temporali: livellamento esponenziale. - Dati mancanti: interpolazione dei dati mancanti e backcasting. - Esempi di applicazioni. 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. 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
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
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 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 mira 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 i 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./Not applicable. Risultati di apprendimento RKOP 5 Comprendere i modelli di mercato elementari e la classificazione delle attività 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 forward 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./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 - 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. Corso 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 fondamentali e le tecniche necessarie 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. 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 ha lo scopo di 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 avere 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; e 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./Not applicable. 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 basate su grafici e reti, 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 reale. TIPO: Competenze. RCOP 2 Sviluppare strategie di visualizzazione per dati non strutturati, inclusi testi e dati in streaming, utilizzando metodi appropriati di trasformazione e astrazione. 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 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 si ottenga 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 d’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
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTALE: | 12 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
*Carattere: FB:Formazione di base, Ob: Obbligatorio, Op: Opzionale
Gli studenti della doppia laurea in ingegneria matematica + informatica partecipano a progetti di innovazione reali proposti e gestiti da aziende come Avanade, CaixaBank, Eco Alf, CINPA o Quirón Salud, tra le altre.
Tutti i progetti sono allineati con gli SDG 2030 (Sustainable Development Goals) dell'agenda 2030 stabilita dall'Assemblea delle Nazioni Unite.
Questi sono alcuni dei progetti a cui partecipano gli studenti di Business and Tech:
Tirocini internazionali: in qualità di studenti della UAX Business and Tech avrete l'opportunità di svolgere tirocini internazionali presso università leader in destinazioni chiave come Stati Uniti, Londra, Cina, Germania e Canada, tra le altre.
Queste sono alcune delle università internazionali in cui potrete svolgere tirocini internazionali:
Stage internazionali: gli studenti del corso di laurea magistrale in Ingegneria Matematica + Informatica potranno svolgere stage internazionali in paesi come Stati Uniti, Regno Unito, Germania o paesi asiatici come Cina, Corea del Sud o Giappone, tra gli altri.
All'UAX vi sentirete in contatto con l'industria fin dal primo momento: lezioni magistrali, seminari o workshop faranno parte della vostra vita quotidiana all'università.
Inoltre, avrete l'opportunità di partecipare a progetti di innovazione reali con le aziende, come il progetto CUBESAT, in cui gli studenti collaborano alla progettazione e al lancio di un microsatellite nello spazio con l'azienda B2Space.
Potrete svolgere stage esterni in aziende leader e completare la vostra formazione con visite a organizzazioni e partecipazioni a conferenze che vi permetteranno di entrare in contatto diretto con i grandi nomi del settore.
Attualmente la UAX ha accordi di collaborazione con aziende del calibro di:
Abbiamo il Career Services, che vi mette a disposizione l'infrastruttura necessaria per svolgere stage in aziende e istituzioni.
Studiando la doppia laurea in ingegneria matematica + informatica, sarete formati da oltre il 70% dei professori che combinano l'insegnamento con l'attività professionale in aziende leader come Seedtag, Agoratech o INDRA:
Consulta l'elenco completo dei docenti del Corso di Laurea in Ingegneria Matematica + Informatica
1. SOLICITUD DE ADMISIÓN:
2. PRUEBA DE ADMISIÓN:
Para la evaluación asincrónica, se te pedirá que, y a lo largo de tu proceso de admisión, a través del portal de admisiones UAX, nos facilites:
El objetivo de ambas pruebas es tener la oportunidad de conocerte más en profundidad y con una visión más holística, para identificar en ti esas habilidades y competencias claves para tu admisión en la titulación solicitada; así como para un posterior acompañamiento personalizado a lo largo de tus estudios en UAX.
Para cualquier tipo de duda, solicita información y nuestro equipo de asesores te ayudara a completar el proceso.
Ascolta direttamente le esperienze 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.
Punta su un curriculum che garantisca la massima occupabilità
Formazione nei settori chiave dell'innovazione tecnologica, quali la programmazione, i Big Data o i modelli predittivi
Un approccio basato sui dati per il processo decisionale e la promozione del cambiamento.
30 ECTS di formazione in settori chiave del business quali la gestione strategica, l’esperienza utente e l’innovazione dei prodotti digitali.
Avrete esperienza in progetti di innovazione reali proposti e gestiti da aziende come Caixabank, Ecoalf, Avanade o Quirónsalud.
Metodologie agili e certificazioni in comunicazione, leadership, analisi e pensiero dirompente.
Ogni settimana vengono pubblicate su LinkedIn tra le 500 e le 1.000 offerte di lavoro per profili di Ingegneria matematica e informatica, con oltre 50.000 opportunità a livello globale.
Questi professionisti si distinguono per la loro capacità di analizzare grandi volumi di dati, risolvere problemi complessi e prendere decisioni strategiche basate sulla tecnologia.
Il corso di laurea in Ingegneria Matematica + Informatica offre opportunità di carriera come:
Corpo docente
Vieni a conoscere alcuni dei tuoi insegnanti
“I database forniscono il supporto necessario ai moderni sistemi informativi. Nel corso di formazione professionale superiore in Sviluppo di applicazioni multipiattaforma si studiano la loro progettazione, implementazione e ottimizzazione, nonché le tecniche, le procedure e i linguaggi che consentono agli utenti e alle applicazioni di gestire e operare con i dati secondo adeguati standard di prestazioni e sicurezza».
Ha 20 anni di esperienza professionale nel campo della cooperazione internazionale allo sviluppo, coordinando progetti e accordi di finanziamento pubblico in America Latina, America Centrale e Africa. Ha lavorato anche come valutatore indipendente di progetti di aiuto pubblico allo sviluppo e parla quattro lingue: spagnolo, inglese, francese e portoghese.
Dottorato di ricerca in Economia e Commercio (Cum Laude) e Master in Sales and Marketing Management. Professionista con una vasta esperienza nel settore IT e nello sviluppo del business in multinazionali come Dell Computer ed Expectra Technology. Esperto di scienza dei dati e intelligenza artificiale applicata all'economia e al business, è specializzato in modelli predittivi, apprendimento automatico e modelli linguistici di grandi dimensioni (LLM).
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.
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.
Campus innovativo come punto di riferimento per l'incontro tra tecnologia, imprese e studenti.
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 che meglio si adattano 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.
Attrazione di talenti nella ricerca pre-dottorato
Sostegno finanziario per studenti eccellenti che desiderino sviluppare ricerche innovative e contribuire al progresso della conoscenza nelle rispettive discipline.
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 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.
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.
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.
Abbiamo bisogno di qualche informazione su di te per poterti offrire un'assistenza personalizzata.
Tutti i campi sono obbligatori
Nel Double Degree in Mathematical Engineering + Computer Engineering di UAX sarete preparati a combinare l'analisi quantitativa della matematica con la capacità di proporre soluzioni pratiche basate sull'informatica. Diventerete così un profilo essenziale nelle aziende digitalizzate più all'avanguardia.
Sarete formati sulle metodologie Agile, riceverete una formazione strategica sulla gestione del business digitale e lavorerete su progetti interdisciplinari con studenti di altre lauree e aziende come Avanade, Ecoalf, Quirónsalud e Caixabank, tra le altre.
Le opportunità sono ampie, tecnicamente avanzate e altamente remunerate. Si può lavorare come ingegnere del software in aziende tecnologiche leader, ricercatore nel campo dell'intelligenza artificiale o dell'apprendimento automatico, sviluppatore di algoritmi per il settore bancario e finanziario (quant), specialista in cybersecurity, data scientist, architetto di sistemi, oppure intraprendere una carriera accademica attraverso un dottorato di ricerca. Il profilo del matematico-informatico è particolarmente richiesto da aziende come Google, Amazon, Meta, Microsoft, centri di ricerca e fondi di investimento quantitativi.
Mucha. Este doble grado tiene una base matemática muy sólida y exigente. Estudiarás Álgebra Lineal, Cálculo, Análisis Matemático, Probabilidad, Estadística, Geometría, Topología, Álgebra Abstracta y Métodos Numéricos, entre otras. La carga matemática es comparable a la de un Grado en Matemáticas puro, y se complementa con materias de programación, algoritmos, sistemas operativos, redes, bases de datos e inteligencia artificial. Es un programa para quienes disfrutan genuinamente de las matemáticas y quieren aplicarlas en contextos de alta tecnología.
Non si tratta di essere un "genio", ma di avere una solida base matematica nel Bachillerato (in particolare Matematica II o Matematica per le Scienze) e, soprattutto, una genuina predisposizione al pensiero astratto e alla risoluzione di problemi. Il primo anno è di solito il più difficile in termini di adattamento al livello della domanda. Se al liceo vi sono piaciute la matematica e la tecnologia, e se non vi siete limitati a memorizzare ma avete capito i concetti, avete le condizioni per avere successo in questa doppia laurea.
Lo studio della sola Informatica offre una formazione più applicata allo sviluppo del software, senza la profondità matematica necessaria per affrontare problemi molto complessi come la progettazione di algoritmi efficienti o di modelli avanzati di apprendimento automatico. Studiando solo Matematica si ottiene un solido background teorico, ma possono mancare gli strumenti computazionali per implementare e scalare le soluzioni. La doppia laurea riunisce il meglio di entrambi i mondi: si può progettare il modello matematico e programmarlo da soli, il che rappresenta un enorme vantaggio competitivo in settori come l'intelligenza artificiale, la crittografia o la finanza quantitativa.
La durata abituale è di 5-6 anni, a seconda dell'università. Si tratta di una formazione lunga e intensa, ma il ritorno in termini di occupabilità e stipendio è tra i più alti di tutti i diplomi universitari in Spagna. Al termine, si ottengono due diplomi ufficiali di bachelor riconosciuti nello Spazio europeo dell'istruzione superiore. Molti laureati proseguono con un master specializzato in Intelligenza Artificiale, Cybersecurity o Quantum Computing, anche se il doppio titolo da solo apre le porte a posizioni tecniche di alto livello.
Es, probablemente, una de las mejores bases académicas para trabajar en IA. Los fundamentos de machine learning, deep learning y modelización estadística requieren precisamente la combinación de matemáticas avanzadas (álgebra lineal, cálculo diferencial, probabilidad) con programación eficiente. Un graduado en Matemáticas e Informática puede entender los algoritmos de IA desde sus fundamentos matemáticos y a la vez implementarlos, depurarlos y optimizarlos en código real. Es el perfil que buscan empresas como DeepMind, OpenAI, los laboratorios de investigación de Meta o Google Brain.
È una delle lauree con il più alto potenziale retributivo in Spagna e a livello internazionale. Un profilo junior può iniziare tra i 30.000 e i 45.000 euro lordi all'anno nelle aziende tecnologiche spagnole. Nelle aziende internazionali, soprattutto negli Stati Uniti, nel Regno Unito o in Germania, gli stipendi entry-level per questo profilo possono superare i 70.000-90.000 euro (o l'equivalente in dollari). I profili specializzati in finanza quantistica, cybersecurity o ricerca sull'intelligenza artificiale hanno tetti salariali tra i più alti del mercato tecnologico globale.
Il punteggio minimo per il Double Degree in Mathematics and Computer Science è solitamente alto, dato il prestigio del programma e il numero limitato di posti disponibili. A seconda dell'università, può essere compreso tra 10 e 13,5 punti su 14. È consigliabile avere un voto elevato nelle materie matematiche della maturità e nell'EBAU, poiché il primo anno del programma è matematicamente impegnativo e richiede una buona base precedente. Consultare direttamente il punteggio aggiornato dell'università a cui si è interessati, poiché può variare da un centro all'altro.
Sì, ed è uno dei profili più forti per l'accesso ai programmi di dottorato in matematica, ma anche in informatica, intelligenza artificiale o scienze computazionali. Una formazione matematica rigorosa e capacità di implementazione computazionale sono esattamente ciò che cercano i programmi di dottorato di alto livello. Molti laureati di questo doppio titolo accedono a dottorati di ricerca presso università leader a livello mondiale (MIT, Stanford, ETH di Zurigo, Oxford) con borse di studio complete. Se avete una vocazione per la ricerca, questa doppia laurea è un trampolino di lancio eccezionale.
Altri corsi di laurea correlati
Laurea in Ingegneria Informatica
Inizio:
Settembre
Durata:
4 anni
Laurea in Intelligenza Artificiale e Informatica
+ Certificato in dati, programmazione e web rilasciato da
Inizio:
Settembre
Durata:
4 anni
Laurea in Ingegneria Informatica + Amministrazione e Gestione d'Impresa
Inizio:
Settembre
Durata:
5 anni
Laurea in Ingegneria Matematica
Inizio:
Settembre
Durata:
4 anni