Sillabo dell'insegnamento

• B - Algoritmi
AP - Algoritmi Paralleli
Modelli di parallelismo, architetture fondamentali e algoritmi, principi di progettazione di A.P., valutazione di performance e Scalabilità.
TAA - Tecniche Algoritmiche Avanzate
Algoritmi per le Matrici, A.P. per il calcolo del massimo in una successione, A.P. per il Sorting di successioni bitoniche.
TAA - Tecniche Algoritmiche Avanzate
Istruzioni per messaggi sincroni/asincroni e bloccanti/non-bloccanti. Comunicatori, rango, definizione dei processi. Calcolo dell'integrale improprio con A.P. Comunicazioni collettive e tempi di elaborazione.
AP - Algoritmi Paralleli
Creazione di nuovi comunicatori e istruzioni, messaggistica non bloccante, calcolo della trasformata di Haar tramite algoritmo parallelo.
• D - Linguaggi
MP - Metodologie di Programmazione
Programmazione parallela tramite libreria MPI, portabilità del codice, architetture parallele eterogenee. Messaggistica punto-punto e distribuita.
MP - Metodologie di Programmazione
Principali istruzioni, definizione dei tipi derivati.

Sillabo dell'insegnamento

• A - Fondamenti
* ALF - Automi e Linguaggi Formali
Catene di Markov; Sorgenti di Markov; Hidden Markov models; Forward procedure; Algoritmo di Viterbi; HMM per un fonema; Introduzione ai profile HMMs.
• B - Algoritmi
* A - Algoritmi fondamentali
Introduzione ai problemi della bioinformatica. Core strings edits, allineamenti e programmazione dinamica: Edit distance tra due stringhe; calcolo dell'edit distance con la programmazione dinamica; Edit Graphs; Weighted edit-distance, alphabet-weighted edit-distance; Similarità tra stringhe; Allineamento globale; Occorrenze approssimate di P in T; Allineamento locale; Matrici di Sostituzione: Pam e Blosum.
TAA - Tecniche Algoritmiche Avanzate
Metodi euristici di allineamento: Ricerca di similarità in banche dati: FASTA. BLAST.
TAA - Tecniche Algoritmiche Avanzate
Allineamenti multipli di sequenze: Introduzione al problema dell'allineamento multiplo di sequenze; Algoritmi per l'allineamento multiplo: ClustalW, TCoffee
TAA - Tecniche Algoritmiche Avanzate
Misure Alignment Free
TAA - Tecniche Algoritmiche Avanzate
Evoluzione molecolare: Introduzione al problema; Meccanismi molecolari alla base dei processi evolutivi; Geni ortologhi e paraloghi; Determinazione delle distanze genetiche tra sequenze nucleotidiche e aminoacidiche; PHYLIP Package; L'orologio molecolare; Filogenesi molecolare; Metodi per la costruzione degli alberi filogenetici; UPGMA, Neighbor-joining.

Sillabo dell'insegnamento

• A - Fondamenti
* ALF - Automi e Linguaggi Formali
Scopo del corso: approfondire alcuni concetti di informatica teorica svolti nei corsi della laurea triennale.Linguaggi e grammatiche. La Gerarchia di Chomsky. Varianti della nozione di automa finito e di linguaggio formale. Cenni agli automi probabilistici e ai linguaggi fuzzy. Cenni a sottoclassi dei linguaggi regolari.
* CAL - Calcolabilita'
Centralità della nozione di calcolabilità. Enunciato e discussione della tesi di Church-Turing alla luce della distinzione tra explicandum ed explicatum di Rudolf Carnap. Il problema del Busy Beaver e sua indecidibilità. Ruolo e significato dei teoremi centrali della teoria della calcolabilità. I teoremi limitativi. I teoremi di ?universalità?.
COM - Complessita'
Cenni al decimo problema di Hilbert e agli insiemi diofantei. Il teorema di Matjasievic. Il problema della complessità in generale. La complessità strutturale di Kolmogorov, Solomonov e Chaitin. Possibili applicazioni. Impostazioni innovative per la riduzione della complessità.
COM - Complessita'
La complessità astratta. Gli assiomi di Blum. Significato di alcuni teoremi centrali. Teorema del collegamento ricorsivo tra misure di complessità. Teorema della lacuna. Teorema dell'accelerazione. La complessità concreta. Il teorema di Cook e la tesi di Cook-Karp come ?analogo? della Tesi di Church-Turing. Limiti di tale paragone. I sette Problemi del Millennio come riproposizione dei problemi di Hilbert al Convegno del 1900.
COM - Complessita'
Il linguaggio di programmazione LOOP di Meyer e Ritchie, come caso di studio per il problema della complessità. Proprietà significative di tale linguaggio. Teoremi di limitazione alla crescita delle variabili. Profondità di nidificazione dei cicli LOOP. Conseguenze teoriche di alcuni di questi risultati.
* CAL - Calcolabilita'
Equivalenze tra diversi modelli di computo e significato di tale equivalenza. Il teorema di ricorsione. Il teorema di Rice. Il teorema della forma normale di Kleene. Sulle tecniche e gli strumenti utilizzati per dimostrare le equivalenze. Analisi del rapporto tra le nozioni di ?ricorsivo? e ?ricorsivamente enumerabile?

Sillabo dell'insegnamento

• B - Algoritmi
TAA - Tecniche Algoritmiche Avanzate
Teorie e modelli per la simulazione di neuroni realistici e relative reti
TAA - Tecniche Algoritmiche Avanzate
Programmazione NEURON
• I - Ingegneria del software
* ASW - Architetture Software
Ambiente di sviluppo NEURON
• M - Rappresentazione della conoscenza
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Teoria e modelli di simulazione per l'apprendimento automatico e confronto con dati sperimentali
* RP - Risoluzione di Problemi
Rappresentazione simulata dei segnali neuronali
ARC - Acquisizione e Rappresentazione della Conoscenza
Teoria e modelli di simulazione degli input sensoriali

Sillabo dell'insegnamento

• B - Algoritmi
TAA - Tecniche Algoritmiche Avanzate
Analisi delle tessiture: Definizione di tessiture, classificazione delle tessiture Misure di LAW: Analisi del Gradiente e metodo di Mudigonda, misura del gradiente e del contrasto. Ricostruzione di immagini dalle proiezioni, ricostruzione con tecniche algebriche. Ricostruzione di immagini dalle proiezioni. Approssimazione del metodo di KACZMARZ.
TAA - Tecniche Algoritmiche Avanzate
Rimozione di Artefatti, rumore locale/globale e additivo, tecniche elementari per la rimozione del rumore, autocorrelazione, stima dell'errore, filtri nel dominio spaziale e delle frequenza (FFT), approccio LMMSE.
TAA - Tecniche Algoritmiche Avanzate
Individuazione di ROI in fase di screening e in fase diagnostica, sistemi CAD, thresholding proposto metodi basati su regioni: region growing con ?Tolleranza Singola?, region growing multiplo. Trasformata di Hough: Individuazione della ROI usando un modello a Snake, algoritmo Lloyd_Max, esempi di mammografie.
TAA - Tecniche Algoritmiche Avanzate
Analisi delle forme: segmentazione di contorni, concavità e convessità, modellare un contorno con un poligono, parametri di forma: eccentricità, compactness, momenti statistici. Statistica sulla lunghezza della corda. Frazionamento della concavità. Analisi di spigolosità, metodo per il calcolo dell'indice di spigolosità.
TAA - Tecniche Algoritmiche Avanzate
Analisi delle tessiture: Definizione di tessiture, classificazione delle tessiture Misure di LAW: Analisi del Gradiente e metodo di Mudigonda, misura del gradiente e del contrasto. Ricostruzione di immagini dalle proiezioni, ricostruzione con tecniche algebriche. Ricostruzione di immagini dalle proiezioni. Approssimazione del metodo di KACZMARZ.
• E - Architetture
AA - Architetture Avanzate
Strumentazione e device per l'acquisizione e la visualizzazione di dati biomedici, concetti base sulla Tomografia Assiale Computerizzata, modelli e modi per l'acquisizione di immagini ad ultrasuoni.

Sillabo dell'insegnamento

• B - Algoritmi
SDA - Strutture di Dati Avanzate
Clustering. Matrice delle caratteristiche e scattering e loro proprieà, Classi linearmente separabili e non, indici di prossimità, misure statistiche, simboliche e di similarità, indici probabilistici, Jaccard Coefficient. Standardizzazione delle variabili.
* A - Algoritmi fondamentali
Algoritmi Gerarchici e loro Rappresentazione, single linkage Algorithm, Dendrogramma, Grafi di prossimità, Algoritmo di Johnson, Algoritmi Partizionali, Criteri globali e locali, Soluzione Teorica, Algoritmi basati su partizione, Soluzione euristiche, K-means, ISODATA.
* A - Algoritmi fondamentali
Sfera di Bennet e Algoritmo, approccio globale e locale, criteri basati sull'errore quadratico, problema di programmazione non-lineare, ulteriori criteri di clusterizzazione, metodo ISODATA.
• M - Rappresentazione della conoscenza
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Classificazione ed Apprendimento: classificatore Bayesiano, Linear Discriminant Analysis, classificatore K-vicini. Test di Ipotesi e Curve ROC, uso delle curve ROC come valutatori di un sistema di classificazione.
* SBC - Sistemi Basati su Conoscenza
Reti neurali artificiali, percettrone, reti neurali multistrato, reti neurali Radial Basis Function, reti probabilistiche, reti competitive, reti LVQ, reti SOM, schemi auto associativi.
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Funzioni Kernel, proprietà e loro caratterizzazione, riduzione nella dimensionalità dei dati: SVD, PCA, NMF, Random Projections. Canonical Correlation Analysis, Fisher Discriminant Analysis.
AASC - Apprendimento Automatico e Scoperta di Conoscenza
La dimensione VC, versione duale dell'algoritmo del percettrone, iperpiano di separazione ottimale e sua formulazione lagrangiana.
* SBC - Sistemi Basati su Conoscenza
Support Vector Machines (SVM) per classificazione e regressione nel caso di separabilità lineare e non lineare.
AASC - Apprendimento Automatico e Scoperta di Conoscenza
SVM e One class classifiers, funzioni Kernel per dati strutturati (stringhe, alberi) e per testi.
* RP - Risoluzione di Problemi
Classificatori, curve ROC, stima dell'errore sperimentale, metodi di validazione, matrice di confusione e perdita, parametri di valutazione.
ARC - Acquisizione e Rappresentazione della Conoscenza
Metodi integrati ed applicazioni, tecniche combinate, ottimizzazione, Learning algorithm, combinazione di classificatori, Metodi di Ensemble, Bagging, Boosting, Boosted Combination of Classifiers, AdaBoost, esempi ed applicazioni, Single link (MST Cluster), Hierarchical Single Link (HSL), Two Phases Clustering (TPC).
* RP - Risoluzione di Problemi
Ricampionamento, cross-validation, bootstrapping, Tecniche di boostrap, Simulated Annealing Algorithm, Fuzzy sets, Caratteristiche, Algoritmo Fuzzy C-Means.

Sillabo dell'insegnamento

• MAT - Crediti di MATEMATICA
MAT/09 - Ricerca Operativa
Modelli di Ottimizzazione: Rappresentazione e studio di un sistema reale; L'approccio modellistico e la costruzione di un modello matematico; Problemi di Programmazione Matematica.
MAT/09 - Ricerca Operativa
Problemi di ottimizzazione convessa e concava; Insiemi Convessi; Funzioni convesse e concave; Funzioni quadratiche.
MAT/09 - Ricerca Operativa
Modelli di Programmazione Lineare e soluzione grafica: Struttura di un problema di Programmazione Lineare e sua interpretazione geometrica; Il teorema fondamentale della Programmazione lineare; Il Metodo del Simplesso per la Programmazione Lineare; Metodi e algoritmi per la Programmazione Lineare Intera: il Branch and Bound.
MAT/09 - Ricerca Operativa
Le condizioni di ottimo: Introduzione; Direzioni di discesa; Condizioni di ottimo; Ottimizzazione non vincolata; Ottimizzazione su insieme convesso generico; Ottimizzazione su un poliedro.
MAT/09 - Ricerca Operativa
Le condizioni di ottimo e la dualità per la Programmazione Lineare: Introduzione; Teoremi dell'alternativa; Le condizioni di Karush-Kuhn-Tucker; La teoria della dualità per la Programmazione Lineare.
MAT/09 - Ricerca Operativa
Problemi di cammino minimo su grafi: Il problema del cammino minimo: proprietà; Cammini minimi e massimi su grafi aciclici; Algoritmi per i cammini minimi e massimi su grafi aciclici; Cammini minimi su grafi con pesi positivi: algoritmo di Dijkstra.

Sillabo dell'insegnamento

• A - Fondamenti
COM - Complessita'
Algoritmi approssimati e classi di approssimazione, studio del Problema del commesso viaggiatore
• B - Algoritmi
TAPA - Tecniche fondamentali di Analisi e Progetto di Algoritmi
Analisi ammortizzata di algoritmi, metodo dei crediti e del potenziale
* ASC - Algoritmi su Strutture Combinatorie
Algoritmi geometrici e di Matrix Searching
* A - Algoritmi fondamentali
Algoritmi di Ottimizzazione e loro speed-up
* SDF - Strutture di Dati Fondamentali
Alberi Bilanciati e Red-Black Trees
SDA - Strutture di Dati Avanzate
Strutture Dati self-adjusting, liste ed alberi

Sillabo dell'insegnamento

• MAT - Crediti di MATEMATICA
MAT/02 - Algebra
Aritmetica dei numeri naturali
MAT/02 - Algebra
Algoritmi di fattorizzazione
MAT/02 - Algebra
Test di primalità
MAT/02 - Algebra
Strutture algebriche
MAT/02 - Algebra
Radici primitive
MAT/02 - Algebra
Sistemi crittografici

Sillabo dell'insegnamento

• A - Fondamenti
TIC - Teoria dell'Informazione e Codici
Teorema di Shannon. Codici ottimali. Costo della trasmissione e condizioni di decifrabilità. Caso di costo del canale non uniforme e congettura di Schutzenberger. Codice di Shor. Problema del completamento dei codici. Codifica delle sorgenti estese.
TIC - Teoria dell'Informazione e Codici
Teoria dei codici a lunghezza variabile. Codici univocamente decifrabili. Algoritmo di Sardinas e Patterson. Disuguaglianza di Kraft-McMillan. Codici con ritardo (di decifrazione) finito. Codici prefissi. Codici bifissi. Codici massimali. Teorema di Schutzenberger sui codici massimali a ritardo limitato. Codici prefissi, codici bifissi e disuguaglianza di Kraft-McMillan.
TIC - Teoria dell'Informazione e Codici
Introduzione alla teoria dell'Informazione di Shannon. Lo schema di Shannon: sorgente e canale. Sorgenti senza memoria e canali senza rumore. Entropia della sorgente come misura dell'informazione prodotta dalla sorgente nell'unità di tempo. Proprietà dell'entropia. Codifica del canale. Costo della codifica: lunghezza media del codice. Problema di minimizzazione del costo. Entropia e compressione. Asymptotic Equipartition Property (AEP). Cenni sulla teoria algoritmica dell'informazione.
• B - Algoritmi
* ASC - Algoritmi su Strutture Combinatorie
Block-sorting data compression methods di Burrows e Wheeler. La Trasformata di Burrows-Wheeler (BWT). Invertibilità della BWT. Proprietà matematiche della BWT. Calcolo della BWT mediante il suffix-tree. Perchè l'output della BWT è più comprimibile: clustering effect. Metodo di compressione: BWT + MTF + Huffman. Analisi del metodo di compressione basato su BWT. Sorgenti con memoria e entropia empirica di ordine k. Clustering effect e parole bilanciate. Compressione ecombinatoria delle parole.
* ASC - Algoritmi su Strutture Combinatorie
Codifica universale. Codifica degli interi. Codifica γ e δ di Elias. Codifica di Fibonacci. Unbounded searching (Bentley e Yao). Metodi di compressione dati. Metodi statistici (Shannon). Teoria algoritmica dell' informazione e Compressione grammaticale. Compressione basata su dizionari. Algoritmo di Lempel-Ziv. Analisi di LZ78.
* ASC - Algoritmi su Strutture Combinatorie
Entropia e compressione dati. Ricerca di codici ottimali: metodo di Shannon, algoritmo di Shannon-Fano, algoritm di Huffman, codifica aritmetica. Metodi dinamici di codifica e compressione. Algoritmo di Bentley, Sleator, Tarjan e Wei: Move-To-Front (MTF). Block-sorting data compression methods di Burrows e Wheeler. La Trasformata di Burrows-Wheeler (BWT). Invertibilità della BWT. Proprietà matematiche della BWT. Calcolo della BWT mediante il suffix-tree. Perchè l'output della BWT è più comprimibile: clustering effect. Metodo di compressione: BWT + MTF + Huffman. Analisi del metodo di compressione basato su BWT. Sorgenti con memoria e entropia empirica di ordine k. Clustering effect e parole bilanciate. Compressione ecombinatoria delle parole.

Sillabo dell'insegnamento

Non è presente il sillabo poiché non vi sono crediti allocati in aree per cui è previsto.

Sillabo dell'insegnamento

Non è presente il sillabo poiché non vi sono crediti allocati in aree per cui è previsto.