2014
2014
Sei collegato come utente non registrato
Il percorso ha la certificazione
Corso di Laurea: Informatica
| Informazioni generali | ||||
| Università | INSUBRIA | Responsabile del Percorso | Elena Ferrari | |
|---|---|---|---|---|
| Livello del Cdl | MAGISTRALE | elena.ferrari@uninsubria.it | ||
| Scheda Unica Annuale (SUA) del Corso di Laurea: | Visualizza documento SUA caricato | E' un percorso interdisciplinare | No | |
| Commento | ||||
| Legenda delle Aree | |||||
| A: | Fondamenti | G: | Basi di dati | altro INF: | Crediti di INFORMATICA non classificati nelle aree |
|---|---|---|---|---|---|
| B: | Algoritmi | H: | Computazione su rete | INF: | Crediti di INFORMATICA non classificabili a priori |
| C: | Programmazione | I: | Ingegneria del software | MAT: | Crediti di MATEMATICA |
| D: | Linguaggi | L: | Interazione, grafica e multimedialità | altro: | Crediti NON dell'INFORMATICA nè della MATEMATICA |
| E: | Architetture | M: | Rappresentazione della conoscenza | NC: | Crediti Non Classificabili a priori |
| F: | Sistemi operativi | A_M: | Una qualunque delle aree da A a M | ||
| Insegnamenti e ripartizione CFU per area | CFU | A | B | C | D | E | F | G | H | I | L | M | A_M | altro INF | INF | MAT | altro | NC |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Privacy e Sicurezza dei Dati | 9 | 9 | ||||||||||||||||
| Data mining: problemi, strumenti ed applicazioni | 6 | 6 | ||||||||||||||||
| Fondamenti di Ingegneria del Software | 9 | 9 | ||||||||||||||||
| Insegnamenti Complementari | 30 | 30 | ||||||||||||||||
| Modelli di Calcolo | 9 | 9 | ||||||||||||||||
| Sistemi Intelligenti | 9 | 9 | ||||||||||||||||
| Attività Extracurriculari | 12 | 12 | ||||||||||||||||
| Lingue Straniere | 0 | 0 | ||||||||||||||||
| Prova Finale | 35 | 35 | ||||||||||||||||
| Tirocinio | 1 | 1 | ||||||||||||||||
| TOTALE | 120 | 9 | 0 | 0 | 0 | 0 | 0 | 9 | 0 | 9 | 0 | 15 | 30 | 0 | 0 | 0 | 0 | 48 |
Riepilogo dell'insegnamento: Privacy e Sicurezza dei Dati
| Nome | Privacy e Sicurezza dei Dati | CFU | 9 |
|---|---|---|---|
| Ore di didattica frontale per CFU | 8 | Settore Scientifico Disciplinare | INF/01 |
9 cfu così ripartiti nelle aree:
- 9 CFU nell'area G - Basi di dati
Sillabo dell'insegnamento
- G - Basi di dati
-
BDA - Basi di Dati Avanzate
Proprietà di sicurezza dati -
BDA - Basi di Dati Avanzate
Controllo dell'accesso in basi di dati -
BDA - Basi di Dati Avanzate
Modelli mandatori e discrezionali -
BDA - Basi di Dati Avanzate
Modelli basati sui ruoli -
BDA - Basi di Dati Avanzate
Controllo dell'accesso in Oracle -
BDA - Basi di Dati Avanzate
Introduzione alla privacy -
BDA - Basi di Dati Avanzate
online e offline privacy -
BDA - Basi di Dati Avanzate
Hyppocratic database -
BDA - Basi di Dati Avanzate
Linee di ricerca
(*) Le sottoaree con asterisco sono quelle che il GRIN auspica facciano parte in via prioritaria dei sillabi degli insegnamenti assegnati all?area stessa
Riepilogo dell'insegnamento: Data mining: problemi, strumenti ed applicazioni
| Nome | Data mining: problemi, strumenti ed applicazioni | CFU | 6 |
|---|---|---|---|
| Ore di didattica frontale per CFU | 8 | Settore Scientifico Disciplinare | INF/01 |
6 cfu così ripartiti nelle aree:
- 6 CFU nell'area M - Rappresentazione della conoscenza
Sillabo dell'insegnamento
- M - Rappresentazione della conoscenza
-
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Mining di regole di associazione e pattern sequenziali -
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Alberi di decisione, classificazione lineare e lineare generalizzata; metodi di aggregazione -
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Prolemi e metodi di apprendimento ad informazioni parziali (tradeoff esplorazione-sfruttamento, "bandit problems", crowdsourcing) -
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Classificazione gerarchica, ranking, collaborative filtering -
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Data mining su reti (co-training, transfer learning) -
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Active learning e semi-supervised learning su reti di task, pagerank per la classificazione di strutture testuali linkate, community discovery e problemi similari
(*) Le sottoaree con asterisco sono quelle che il GRIN auspica facciano parte in via prioritaria dei sillabi degli insegnamenti assegnati all?area stessa
Riepilogo dell'insegnamento: Fondamenti di Ingegneria del Software
| Nome | Fondamenti di Ingegneria del Software | CFU | 9 |
|---|---|---|---|
| Ore di didattica frontale per CFU | 8 | Settore Scientifico Disciplinare | ING-INF/05 |
9 cfu così ripartiti nelle aree:
- 9 CFU nell'area I - Ingegneria del software
Sillabo dell'insegnamento
- I - Ingegneria del software
- *
AR - Analisi dei Requisiti
Data Flow Diagram, Macchine a Stati Finiti - *
AR - Analisi dei Requisiti
Reti di Petri, Logica temporale - *
TVV - Testing, Verifica e Validazione
Verifica e Validazione del Software -
EPGS - Economia della Produzione e Gestione di progetti Software
Stima dei costi - *
AR - Analisi dei Requisiti
Esercitazione - *
PSC - Progettazione del Software e Codifica
Metodologie - *
PSC - Progettazione del Software e Codifica
Tipologie di Linguaggi - *
PSC - Progettazione del Software e Codifica
Tipologie di Linguaggi - *
PSC - Progettazione del Software e Codifica
Modelli di comunicazione
(*) Le sottoaree con asterisco sono quelle che il GRIN auspica facciano parte in via prioritaria dei sillabi degli insegnamenti assegnati all?area stessa
Riepilogo dell'insegnamento: Insegnamenti Complementari
| Nome | Insegnamenti Complementari | CFU | 30 |
|---|---|---|---|
| Ore di didattica frontale per CFU | 8 | Settore Scientifico Disciplinare | INF/01 ING-INF/05 |
30 cfu così ripartiti nelle aree:
- 30 CFU nell'area A_M - Una qualunque delle aree da A a M
Sillabo dell'insegnamento
Non è presente il sillabo poiché non vi sono crediti allocati in aree per cui è previsto.
Riepilogo dell'insegnamento: Modelli di Calcolo
| Nome | Modelli di Calcolo | CFU | 9 |
|---|---|---|---|
| Ore di didattica frontale per CFU | 9 | Settore Scientifico Disciplinare | INF/01 |
9 cfu così ripartiti nelle aree:
- 9 CFU nell'area A - Fondamenti
Sillabo dell'insegnamento
- A - Fondamenti
- *
ALF - Automi e Linguaggi Formali
Linguaggi regolari. Automi deterministici e nondeterministici - *
ALF - Automi e Linguaggi Formali
Automi Pushdown con relative proprieta' di chiusura. Gerarchia di Chomsky - *
CAL - Calcolabilita'
Macchine di Turing deterministiche e non-deterministiche. Macchine di Turing Universali - *
CAL - Calcolabilita'
Problemi decidibili e indecidibili. Mapping Reducibility -
COM - Complessita'
Complessità in tempo e spazio. Le classi P e NP. Problemi NP-Completi - *
ALF - Automi e Linguaggi Formali
Teorema di Savitch's. PSPACE e PSPACE completezza - *
ALF - Automi e Linguaggi Formali
Le classi EXPTIME e EXPSPACE -
SLP - Semantica dei Linguaggi di Programmazione
Lambda caclolo -
SLP - Semantica dei Linguaggi di Programmazione
Semantica denotazionale
(*) Le sottoaree con asterisco sono quelle che il GRIN auspica facciano parte in via prioritaria dei sillabi degli insegnamenti assegnati all?area stessa
Riepilogo dell'insegnamento: Sistemi Intelligenti
| Nome | Sistemi Intelligenti | CFU | 9 |
|---|---|---|---|
| Ore di didattica frontale per CFU | 8 | Settore Scientifico Disciplinare | INF/01 |
9 cfu così ripartiti nelle aree:
- 9 CFU nell'area M - Rappresentazione della conoscenza
Sillabo dell'insegnamento
- M - Rappresentazione della conoscenza
-
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Apprendimento statistico supervisionato, classificatore bayesiano, K-NN -
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Estrazione e selezione delle features -
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Modelli neurali supervisionati -
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Tecniche Flat e gerarchiche di Clustering -
AASC - Apprendimento Automatico e Scoperta di Conoscenza
Apprendimento competitivo, Self Organizing Maps -
RA - Ragionamento Automatico
Tecniche di ragionamento approssimato, Fuzzy reasoning - *
SBC - Sistemi Basati su Conoscenza
Acquisizione della conoscenza, Sviluppo di sistemi a regole di produzione -
AIA - Applicazioni della Intelligenza Artificiale
Applicazioni nella Segmentazione e Riconoscimento di Immagini, nel Web Mining -
AIA - Applicazioni della Intelligenza Artificiale
Applicazioni nella Segmentazione e Riconoscimento di Immagini, nel Web Mining
(*) Le sottoaree con asterisco sono quelle che il GRIN auspica facciano parte in via prioritaria dei sillabi degli insegnamenti assegnati all?area stessa
